Privacy Filter 深度测评：发 Prompt 前，浏览器里能不能先把 PII 洗掉？

GitHub：https://github.com/becoolme/privacyfilter.app · ⭐ 以 GitHub 当日为准
许可证：见仓库 LICENSE
参考来源：ahhhhfs.com/81007

👤 测评人背景

我习惯把客服工单、报错日志、采访逐字稿先贴进 ChatGPT 或 Claude 做摘要，再改写成对外稿。麻烦在于：工单里有客户邮箱和手机号，日志里偶尔夹着 API Key，逐字稿里受访者会自报姓名和公司。手替太慢，正则脚本我又懒得维护——「手机号 11 位」「邮箱 @ 后缀」好写，但「张总住在朝阳区某某路」这种自由文本，正则经常漏或误杀。Privacy Filter 出现在清单里，是因为它声称在浏览器里本地跑 OpenAI 开源的 privacy-filter 模型，文本不出设备。我想验证的是：粘贴 → 一键 Detect → 复制脱敏版，这条链路能不能进我的日常工序。

🎯 先说结论

Privacy Filter 是一款纯浏览器端 PII 脱敏工具。打开 privacyfilter.app，把文本粘贴进左侧输入框，点 Detect，右侧高亮标注 8 类敏感实体并输出脱敏文本——姓名、邮箱、电话、地址、账号、日期、URL、密钥（secret）。推理在浏览器内通过 Transformers.js 完成，基于 OpenAI 开源的 privacy-filter 权重；首次运行从 Hugging Face 下载约 50MB 模型（README 口径），之后走浏览器缓存。

支持 WebGPU 硬件加速（Chrome/Edge 最优），Safari/Firefox 回退 WASM。另有图片 OCR 路径：上传截图，tesseract.js 本地识别文字后再脱敏。仓库 becoolme/privacyfilter.app 用 Astro 构建，可自托管。

我的决策句：你每周至少两次要把含个人信息的文本送进外部 LLM，且愿意接受「8 类实体 + 人工复核」的边界——Privacy Filter 值得书签置顶；如果你要 GDPR/HIPAA 级合规、或必须脱敏身份证/车牌，别把它当唯一防线。

📦 Privacy Filter 是什么？

Privacy Filter 解决的是「把自然语言里的个人信息遮掉，再安全地发给 AI 或同事」——不是法律合规系统，不是 DLP 企业网关，而是个人/小团队用的浏览器辅助工具。

核心方案：OpenAI privacy-filter 模型 + Transformers.js 浏览器推理。文本粘贴后，Detect 操作在本地完成，按 README 说明不会产生携带原文的网络请求（首次模型下载除外）。8 类实体覆盖日常 Prompt 清洗的大部分场景，但身份证、车牌等强格式不在 8 类内，需要正则补充。

和「手替逐段改」比，它快；和「纯正则脚本」比，它对自由格式地址、多语言姓名更友好；和 ChatGPT 临时聊天比，它在数据离开设备之前就完成脱敏，不依赖服务端「不记录」承诺。

📷 配图待补：privacyfilter.app 首页与双栏输入/输出界面（落盘名：Privacy-Filter-homepage.png）

📷 配图待补：Detect 后右侧高亮标注实体（落盘名：Privacy-Filter-main-ui.png）

📷 配图待补：粘贴原文 → 本地模型推理 → 脱敏文本 流程示意（落盘名：Privacy-Filter-schematic-overview.png）

🧩 Privacy Filter 有哪些功能？

功能特色一览

文本脱敏主流程

打开 privacyfilter.app → 等模型加载完成（首次约 50MB 下载）→ 左侧粘贴文本 → 点 Detect → 右侧查看高亮实体与脱敏结果 → 复制脱敏版。我通常把脱敏版贴进 ChatGPT，原文档留在本地不发送。

📷 配图待补：文本粘贴与 Detect 结果对比（落盘名：Privacy-Filter-feature-1.png）

图片 OCR 路径

上传截图 → 浏览器本地 OCR 识别文字 → 对识别结果跑 PII 检测 → 输出脱敏文本。适合分享报错截图给同事或 AI 时，不想手动打码。

📷 配图待补：截图上传与 OCR 脱敏结果（落盘名：Privacy-Filter-feature-2.png）

8 类实体说明

身份证、车牌、护照号等强格式不在 8 类内——这是设计边界，不是遗漏。

🧠 核心逻辑：它为什么不一样？

Privacy Filter 的分工是：小模型本地 NER + 浏览器推理栈，而不是把文本发给云端大模型做脱敏。

Transformers.js 在浏览器里加载 privacy-filter 权重，WebGPU 可用时走 GPU 加速，否则 WASM CPU 推理。Detect 阶段文本不离开设备——你可以开开发者工具 Network 面板验证：Detect 操作本身不应产生携带原文的请求（模型权重首次从 Hugging Face CDN 下载是例外）。

和 ChatGPT 临时聊天比：临时聊天是「服务端承诺不记录」，你仍须信任 OpenAI；Privacy Filter 是「发送前就洗掉」。两者可以组合——先 Privacy Filter 脱敏，再发临时聊天，双重保险。

和纯正则比：正则擅长强格式（11 位手机、邮箱 @），弱于自由文本（「王经理下周来杭州出差」）。Privacy Filter 的模型对上下文更敏感，但会有漏报和误报，不能替代人工扫一眼。

📷 配图待补：浏览器内 Transformers.js 推理栈与数据流（落盘名：Privacy-Filter-architecture-flow.png）

⚔️ Privacy Filter 和竞品有什么区别？

选型句：日常 Prompt 前快速洗 8 类 PII → Privacy Filter；强格式批量（身份证、车牌）→ 正则 + Privacy Filter 双覆盖；完全不想装任何东西 → 手替；已信任云端且内容不敏感 → 直接发，但别自我安慰。

📷 配图待补：Privacy Filter vs 正则 vs 手替 选型示意（落盘名：Privacy-Filter-vs-competitor.png）

🧪 我实际跑下来的体验

说明：以下基于 privacyfilter.app 公开演示与仓库 README；未做大规模标注数据集评测，不编造准确率百分比。

✅ 好的方面

1. 文本路径确实本地跑，Network 面板可验证
我贴了一段含姓名、邮箱、手机号的客服工单摘要，Chrome 开 Network，点 Detect 后没有携带原文的 POST 请求。首次打开页面时从 Hugging Face 拉了约 50MB 权重（README 口径），之后缓存命中，二次打开秒开。

2. 8 类实体对 Prompt 清洗够用
「客户李明（[email protected]）反映 138**** 订单问题」这类混合文本，person、email、phone 都能标出来。自由格式地址「杭州市西湖区某某路 88 号」比我的正则脚本漏检少。

3. 图片 OCR 路径解决截图场景
报错截图里夹着 API Key 和用户名，上传后 OCR 识别再脱敏，比我在截图工具里手动马赛克快。OCR 质量取决于截图清晰度，模糊图会识别错字。

4. 可自托管，团队可内网部署
Astro 项目结构清晰，fork 后改配置部署内网，公网 demo 不可用时仍有退路。

❌ 不好的方面

1. 漏报和误报真实存在，不能零人审
「张总」有时被标 person，有时漏掉；「2024 年项目」里的日期偶尔误标。法律、医疗、金融场景，脱敏后必须人工再过一遍，不能盲信输出。

2. 身份证、车牌不在 8 类
README 明确：强格式实体建议用正则补充。我测过一段含 18 位身份证的文本，模型没标——这不是 bug，是覆盖边界。有这类需求必须自建正则规则叠加。

3. Safari/Firefox 走 WASM，速度明显慢于 Chrome WebGPU
Mac 上 Chrome Detect 一段 2000 字约几秒（未精确计时，取决于机器）；Safari 同段文本等待更长。批量场景不友好。

4. 无 API，不能接自动化流水线
纯浏览器交互，没有 REST API。要把脱敏嵌进 CI 或工单系统自动化，得直接调 Hugging Face 上的 privacy-filter 模型，不是用这个 Web UI。

📷 配图待补：Detect 结果高亮与脱敏文本对比（落盘名：Privacy-Filter-hands-on.png）

💡 怎么高效用它

用法 1：Prompt 发送前三步检查

粘贴 → Detect → 肉眼扫一遍高亮 → 复制脱敏版 → 再发 LLM。我的习惯是：secret 和 email 必看，person 看有没有漏掉「X 总」「X 经理」这类称呼。30 秒人工复核，比事后泄露补救便宜。

📷 配图待补：发送前复核高亮实体（落盘名：Privacy-Filter-usage-1.png）

用法 2：正则 + 模型双覆盖

写一个简单的正则预检：11 位手机、18 位身份证、ghp_ 开头 token。先跑正则替换，再进 Privacy Filter 扫自由文本。两层叠加，漏检面小很多。

📷 配图待补：正则预处理 + Privacy Filter 二次检测（落盘名：Privacy-Filter-usage-2.png）

用法 3：截图分享前先 OCR 脱敏

报错截图、聊天记录截图要发给同事或 AI 时，先上传 Privacy Filter OCR 路径，拿脱敏文本代替原图。如果视觉侧还要做标注说明，封面或示意图可以在 Lovart 侧单独处理，文本层和图像层分开管。

用法 4：团队书签 + 自托管备份

把 privacyfilter.app 放进团队书签栏，写一句「发外部 LLM 前先过一遍」。同时 fork 仓库部署内网备用，公网 demo 挂了不影响工序。

⚠️ 安装和使用需要注意什么？

无需安装：浏览器访问 https://privacyfilter.app 即可。首次运行下载约 50MB 模型（README 口径），网络不佳时需等待。

浏览器选择：WebGPU 加速仅 Chrome/Edge 最优；Safari/Firefox 回退 WASM，速度较慢。

非合规替代：Privacy Filter 是辅助工具，不能替代 GDPR、HIPAA 等合规审计流程。关键场景脱敏后仍需人工复核。

8 类边界：身份证、车牌、护照等强格式不在检测范围，需正则补充。

漏报误报：模型可能漏标或误标，尤其是法律/医疗领域。不要默认「Detect 完就安全」。

自托管：仓库 https://github.com/becoolme/privacyfilter.app，Astro 构建，部署方式见 README。

📷 配图待补：首次模型下载与 WebGPU 状态提示（落盘名：Privacy-Filter-note-permission.png）

怎么选： 每周多次要把含个人信息的文本送进 ChatGPT/Claude 的用户，可以优先把 Privacy Filter 设为发送前固定步骤；如果需要 GDPR/HIPAA 级合规保证、或主要脱敏身份证/车牌等强格式，不建议单独依赖 Privacy Filter，应叠加正则规则并保留人工审计。

👥 适合哪些用户？

✅ 适合

❌ 不太适合

📷 配图待补：Prompt 清洗工作流场景示意（落盘名：Privacy-Filter-who-workflow.png）

📊 总结评分

综合评分：3.8 / 5.0（Prompt 清洗场景匹配分，非合规认证分）

一句话总结：Privacy Filter 适合「发外部 LLM 前先洗一遍」的日常工序——它管 8 类自由文本 PII 的本地检测；合规终稿和强格式脱敏，仍要叠加正则和人工复核。

🔗 Privacy Filter 官网与项目地址

• 在线演示：https://privacyfilter.app
• GitHub 仓库：https://github.com/becoolme/privacyfilter.app
• 上游模型：OpenAI privacy-filter（Hugging Face）
• 参考文章：https://www.ahhhhfs.com/81007

标签：#AI工具 #Privacy-Filter #PII脱敏 #浏览器本地 #Transformers.js