前言¶

把聊天记录、工单或日志交给大模型分析时，姓名、手机号、身份证号等个人信息往往会一并进入模型上下文。常见做法是手动删改，或在提示词里要求模型「不要泄露」——前者费时且易漏，后者无法阻止数据已经出境。若希望 Agent 照常理解语义，又尽量不让明文 PII 长期留在模型侧，需要在请求发出前脱敏、在结果回到用户前再还原。

下面介绍 SkillHub 社区技能「个人敏感信息无感脱敏」（坐标 @user_d4c41464/pii-redact），面向「发往 LLM 前脱敏、返回用户时回填」这一链路。

这是什么¶

个人敏感信息无感脱敏 是 SkillHub 上分类为 ai-agent 的社区技能，当前页面标注版本为 v1.0.2，发布者为 user_d4c41464，来源为 community。官方简介说明：该技能主要应用于个人信息在发送到 LLM 之前进行脱敏，并且在信息返回用户时回填被脱敏的信息，使用户无感的情况下保护个人隐私信息。

技能基于通用 SKILL.md 格式，供 Cursor、Claude Code、Codex 等支持 Skills 的 Agent 加载。SkillHub 标签标明 requires_api_key=false，即不依赖额外 API Key 即可完成安装与启用（具体脱敏规则以技能包内 SKILL.md 为准）。

• 技能页：https://www.skillhub.cn/skills/user_d4c41464/pii-redact
• 坐标引用：https://api.skillhub.cn/user_d4c41464/pii-redact

核心功能¶

根据官方简介，可核实的能力边界如下：

1. 出站脱敏：在用户或 Agent 将内容提交给 LLM 之前，对个人信息做脱敏处理，降低明文 PII 进入模型上下文的概率。
2. 入站回填：模型返回结果后，将此前替换掉的敏感片段还原到面向用户的文本中，使阅读与交互体验尽量与未脱敏时一致（「无感」指用户侧仍看到真实信息，而非模型侧长期保存明文）。
3. Agent 场景：归类为 ai-agent，适合挂在对话型、工具调用型 Agent 的工作流里，而不是单独替代应用层加密或合规审计系统。

官方公开资料未列出具体识别的字段类型（如是否覆盖邮箱、银行卡等）及脱敏占位符格式；启用后应以技能包说明与 Agent 实际行为为准。

安装与启用¶

安装方式遵循 SkillHub 统一文档 SkillHub 安装与优先源配置。技能页提示：请根据该文档安装 @user_d4c41464/pii-redact。

1、安装 SkillHub CLI（若尚未安装）¶

先检查是否已有 CLI：

command -v skillhub && skillhub --version

未安装时，可使用官方推荐的一键脚本（完整安装含 CLI 与默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅需 CLI 时：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2、安装本技能到当前 Agent 的 skills 目录¶

官方强调：安装时必须用 --dir 指向当前 Agent 实际读取的 skills 目录，否则默认会装到 ./skills/，Agent 可能无法加载。

skillhub install @user_d4c41464/pii-redact --dir <你的 Agent skills 目录>

常用路径（摘自 SkillHub 安装文档，按你使用的客户端择一）：

安装完成后，按所用 Agent 的要求重启或刷新技能列表，使 SKILL.md 被加载。

典型用法¶

公开页面未提供独立的可复制对话示例或脚本；结合官方简介，可复现的理解性流程如下（具体触发条件、指令措辞以技能包内 SKILL.md 为准）：

1. 在 Agent 中启用本技能后，用户输入或 Agent 组装的上下文中若含个人信息，技能在调用 LLM 之前介入，将敏感片段替换为脱敏形式再发送。
2. LLM 基于脱敏后的文本生成回答或工具计划。
3. 技能在将最终结果呈现给用户之前，把脱敏占位内容回填为原始信息，用户侧看到的内容与业务语义保持一致。

若需验证是否生效，可在测试环境中构造含明显 PII 的短句，观察发往模型的 payload（若 Agent 提供日志）与用户可见回复是否分别呈现脱敏与回填行为；勿在生产环境用真实客户数据做试验。

适用场景与注意¶

更适合：

• 个人或小团队在 Cursor、Claude Code 等环境中调试 Agent，希望降低聊天记录里明文 PII 进入第三方模型的暴露面。
• 需要在「仍要让模型理解上下文」与「尽量不长期留存明文」之间做折中的对话类工作流。

限制与注意：

• 脱敏与回填由技能逻辑驱动，不能替代组织的合规评审、数据分类分级或出境评估；高敏感场景应叠加网关脱敏、专用私有化模型等方案。
• 识别与替换的准确率取决于技能实现与用户文本形态；格式异常、多语言混排或刻意规避模式可能导致漏脱敏或错误回填，关键业务应有人工抽检。
• 无感回填意味着用户终端仍接触真实 PII；保护的是模型侧与日志侧的风险敞口，而非消除终端存储义务。
• 版本以 SkillHub 页面为准（当前为 v1.0.2）；升级可用 skillhub 对应更新命令，并再次确认 --dir 指向正确目录。

结尾¶

「个人敏感信息无感脱敏」把 PII 处理嵌进 Agent 与 LLM 之间的往返路径：出站脱敏、入站回填，在官方描述的目标下减少用户手动改稿的负担。安装时记住 SkillHub 的 --dir 要求，并在技能页核对版本与说明。

• SkillHub 技能页：https://www.skillhub.cn/skills/user_d4c41464/pii-redact
• 坐标：https://api.skillhub.cn/user_d4c41464/pii-redact