告别手动脱敏：MaskFlow AI 纯客户端 PII 掩码工具

每天把错误日志、代码片段和客户邮件粘进 ChatGPT、Claude 或 Gemini 之前，开发者都要经历一套繁琐的仪式：手动把 sk_live_...、AIza... 这类 API Key 换成 xxxx，逐个遮盖客户姓名、邮箱和电话。更麻烦的是，AI 返回结果后，还得把占位符一个个换回真实的生产密钥。云端的 PII 掩码服务看似省事，但把敏感代码和日志上传到第三方服务器，本身就违背了隐私保护的初衷。

一位开发者为此构建了 MaskFlow AI——一个完全运行在浏览器内存中的客户端隐私工具。没有网络请求，没有服务器上传，API Key 不会离开你的设备。

为什么正则替换不够用

简单的字符串替换脚本能处理已知格式的密钥，但真实开发场景远比这复杂。MaskFlow v2.0 在几个技术点上做了针对性设计，让它能应对更重的工作流。

用香农熵捕捉未知密钥

并非所有密钥都有 sk_live_ 这样的整齐前缀。MaskFlow 实时计算香农熵（阈值 $H(X) \ge 3.85$ bits/char）并结合字符类别转换，自动识别并掩码高熵的未知 token。映射表中会显示熵分数（例如 H=4.42b），让你清楚知道哪些片段被判定为敏感。这个思路跳出了模式匹配的局限，对内部生成的随机 token 尤其有用。

香农熵（Shannon entropy）原本是信息论中衡量随机变量不确定性的指标，公式为 $H(X) = -\sum_{i} p_i \log_2 p_i$，其中 $p_i$ 是字符集中第 $i$ 个符号出现的概率。在密钥检测场景下，它被用来量化一个字符串的“随机程度”：由随机字节编码而来的 API Key、会话令牌或哈希值，字符分布接近均匀，熵值高；而普通英文单词、变量名或 UUID 中常见的重复结构会让字符分布集中，熵值偏低。MaskFlow 设定的阈值 3.85 bits/char 意味着在约 64 种可能字符（如 base64url 字母表）下，该字符串的分布已明显偏离自然语言。这一方法的优势是不依赖前缀或固定长度，能覆盖内部系统生成的随机 token；代价是可能把长哈希、压缩数据块或高熵的测试夹具误判为密钥，因此通常需要结合字符类别转换（如是否同时包含大小写、数字与符号）来降低误报。

合成别名模式保住代码准确性

通用占位符如 {{EMAIL_1}} 会把 TypeScript 类型检查、JSON schema 或 SQL 查询搞崩。MaskFlow 的合成别名模式改用合法语法的假数据，比如 user01@example.org 或 10.240.0.1。LLM 返回含 user01@example.org 的代码后，一键即可还原成真实邮箱。对需要 AI 审查代码或调试 SQL 的开发者来说，这个细节直接决定了工具是否可用。

合成别名模式的本质是“格式保持脱敏”（format-preserving masking）：不把敏感值替换成统一占位符，而是生成一个与原文语义类型相同、语法合法但内容虚构的替身。这样做是因为下游消费者对语法敏感——TypeScript 编译器会拒绝 {{EMAIL_1}} 作为字符串字面量之外的标识符，JSON Schema 校验会因占位符不符合 format: email 而失败，SQL 解析器也可能把花括号视为非法 token。使用 user01@example.org、10.240.0.1 这类保留示例域和私有地址段的假数据，既能通过类型检查与 schema 校验，又不会意外指向真实的外部资源。实现上通常需要维护“类型—生成器—反向映射表”三件套，确保 LLM 返回后能按映射无损还原；映射表本身只存在于浏览器内存，进一步降低了泄露面。

Prompt 注入与自定义正则

「Prompt Formatting」标签会自动把系统指令（针对代码审查、合同谈判或日志分析）与掩码后的文本组合，让 LLM 知道不要改动这些 token。你还可以即时注入自定义正则规则，比如内部员工 ID 格式 EMP-\d{5}。这让工具能适配不同团队的内部命名约定。

这里的“Prompt 注入”与安全领域常说的提示词注入攻击（prompt injection attack）方向相反：它是一种防御性指令注入，即在用户内容之前拼接一段系统级指令，明确告知模型“以下 token 是占位符，请原样保留、不要改写或解释”。由于 LLM 倾向于润色和重写输入，若不显式约束，模型很可能把 user01@example.org 改成别的示例地址，导致反向映射失败。把这段指令与掩码文本组合成固定模板，相当于给模型一个稳定的输出契约。自定义正则则是另一层扩展：团队内部的员工 ID、工单号、内部主机名往往不符合公共规则库，允许即时注入 EMP-\d{5} 这类模式，使工具能适配组织的命名约定，而不必等待上游更新规则集。

命令行与离线 Pro Pack

对于想从终端直接清理本地源码仓库或大日志文件的工程师，作者发布了 Pro Pack，包含零依赖 Python CLI（maskflow_cli.py）、预装 50 多条美/日正则规则的离线 Studio，以及一个名为 SchemaSlim AI 的附加工具——它从庞大的 JSON/CSV 载荷中只提取类型定义，据称可将 token 消耗削减最多 90%。

Web 版无需登录即可免费试用，适合日常快速脱敏；Pro Pack 则面向批量处理和离线场景。

零依赖 Python CLI 指脚本只使用 Python 标准库（如 re、argparse、pathlib），不需要 pip install 任何第三方包即可运行。对需要在隔离环境、CI 流水线或客户内网机器上处理日志的工程师来说，这一点很关键：没有依赖就没有供应链风险和版本冲突，脚本可以直接拷贝执行。配合离线 Studio 的本地正则库，整条链路——从读取源码仓库、大日志文件到输出脱敏结果——都不产生网络流量，与 Web 版的“数据不出浏览器”主张形成互补：Web 版覆盖交互式日常脱敏，CLI 与离线包覆盖批量与受限网络场景。

客户端方案的价值与边界

MaskFlow 的核心主张是数据不出浏览器。对于经常处理生产日志、客户数据和内部代码的开发者，这比任何云端脱敏服务都更让人放心。不过也要看到，纯客户端工具的能力上限受限于本地正则和熵检测的准确率——高熵检测可能误报正常的长字符串，自定义规则也需要人工维护。作者在文末向社区征集检测模式和功能建议，说明这套规则库仍在迭代中。

如果你每天都要和 LLM 打交道，又不想在隐私和效率之间二选一，这类客户端工具值得放进书签栏试试。