Agent Skills
返回列表
个人敏感信息无感脱敏

个人敏感信息无感脱敏

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_d4c41464/pii-redact。

技能介绍

要解决的问题

当把包含用户输入、日志、工单内容的文本发给 LLM 时，文本里可能带有身份证号、手机号、银行卡号、邮箱、详细地址、姓名等 PII。直接外发会扩大敏感信息暴露面，但人工脱敏又容易漏项，且返回后还需把占位符还原给前端。这个技能用于在请求 LLM 前自动替换 17 类 PII，并在响应后自动回填，让调用方只看到占位符，而最终用户仍看到原始信息。

核心能力与流程

技能围绕 redact.py 与 restore.py 两个脚本工作：先对输入文本做规则匹配，将敏感字段替换为短占位，例如 身份证****1234、手机****5678、邮箱****、[金额已脱敏]；LLM 返回后，再根据映射把占位还原。支持身份证、护照、军官证、通行证、税号、手机号、座机号、邮箱、银行卡、车牌、微信、QQ、地址、金额、姓名等类型。运行要求 Python 3.x，建议 3.8 及以上。适合在接入 LLM 的网关、代理或服务端调用链中使用。

适用边界

姓名需要“我”“甲方”“乙方”等上下文关键词；座机号必须带 - 分隔符；银行卡号需要“银行”“账号”“卡号”等前置关键词；详细地址按行政关键词或省市区路结构匹配。映射表为临时文件，会话结束后建议清理。

使用场景

  • 客服系统将用户留言、工单内容送入 LLM 前，需要先去除手机号、邮箱、地址等个人信息。
  • 后端服务在调用外部大模型总结合同或客服记录时，自动替换姓名、银行卡号、身份证号。
  • Agent 工作流中把用户多轮消息写入日志或向量库前，先做占位脱敏，返回后再还原展示。
  • 数据分析人员在把业务文本喂给模型做抽取前，先隐藏金额、税号、车牌等敏感字段。

适合人员

  • 接入外部 LLM 的客服平台工程师，希望用户消息先脱敏再请求模型。
  • 构建 Agent 后端的服务端开发者，需要请求前后自动替换与回填 PII。
  • 处理合同、工单、聊天记录的合规工程师，希望按规则隐藏姓名、卡号、地址。
  • 做数据清洗的算法工程师，需要把文本中的手机号、邮箱、金额等占位化。