前言¶

把聊天記錄、工單或日誌交給大模型分析時，姓名、手機號、身份證號等個人信息往往會一併進入模型上下文。常見做法是手動刪改，或在提示詞裏要求模型「不要泄露」——前者費時且易漏，後者無法阻止數據已經出境。若希望 Agent 照常理解語義，又儘量不讓明文 PII 長期留在模型側，需要在請求發出前脫敏、在結果回到用戶前再還原。

下面介紹 SkillHub 社區技能「個人敏感信息無感脫敏」（座標 @user_d4c41464/pii-redact），面向「發往 LLM 前脫敏、返回用戶時回填」這一鏈路。

這是什麼¶

個人敏感信息無感脫敏 是 SkillHub 上分類爲 ai-agent 的社區技能，當前頁面標註版本爲 v1.0.2，發佈者爲 user_d4c41464，來源爲 community。官方簡介說明：該技能主要應用於個人信息在發送到 LLM 之前進行脫敏，並且在信息返回用戶時回填被脫敏的信息，使用戶無感的情況下保護個人隱私信息。

技能基於通用 SKILL.md 格式，供 Cursor、Claude Code、Codex 等支持 Skills 的 Agent 加載。SkillHub 標籤標明 requires_api_key=false，即不依賴額外 API Key 即可完成安裝與啓用（具體脫敏規則以技能包內 SKILL.md 爲準）。

• 技能頁：https://www.skillhub.cn/skills/user_d4c41464/pii-redact
• 座標引用：https://api.skillhub.cn/user_d4c41464/pii-redact

核心功能¶

根據官方簡介，可覈實的能力邊界如下：

1. 出站脫敏：在用戶或 Agent 將內容提交給 LLM 之前，對個人信息做脫敏處理，降低明文 PII 進入模型上下文的概率。
2. 入站回填：模型返回結果後，將此前替換掉的敏感片段還原到面向用戶的文本中，使閱讀與交互體驗儘量與未脫敏時一致（「無感」指用戶側仍看到真實信息，而非模型側長期保存明文）。
3. Agent 場景：歸類爲 ai-agent，適合掛在對話型、工具調用型 Agent 的工作流裏，而不是單獨替代應用層加密或合規審計系統。

官方公開資料未列出具體識別的字段類型（如是否覆蓋郵箱、銀行卡等）及脫敏佔位符格式；啓用後應以技能包說明與 Agent 實際行爲爲準。

安裝與啓用¶

安裝方式遵循 SkillHub 統一文檔 SkillHub 安裝與優先源配置。技能頁提示：請根據該文檔安裝 @user_d4c41464/pii-redact。

1、安裝 SkillHub CLI（若尚未安裝）¶

先檢查是否已有 CLI：

command -v skillhub && skillhub --version

未安裝時，可使用官方推薦的一鍵腳本（完整安裝含 CLI 與默認 Skill）：

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

僅需 CLI 時：

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

2、安裝本技能到當前 Agent 的 skills 目錄¶

官方強調：安裝時必須用 --dir 指向當前 Agent 實際讀取的 skills 目錄，否則默認會裝到 ./skills/，Agent 可能無法加載。

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

常用路徑（摘自 SkillHub 安裝文檔，按你使用的客戶端擇一）：

安裝完成後，按所用 Agent 的要求重啓或刷新技能列表，使 SKILL.md 被加載。

典型用法¶

公開頁面未提供獨立的可複製對話示例或腳本；結合官方簡介，可復現的理解性流程如下（具體觸發條件、指令措辭以技能包內 SKILL.md 爲準）：

1. 在 Agent 中啓用本技能後，用戶輸入或 Agent 組裝的上下文中若含個人信息，技能在調用 LLM 之前介入，將敏感片段替換爲脫敏形式再發送。
2. LLM 基於脫敏後的文本生成回答或工具計劃。
3. 技能在將最終結果呈現給用戶之前，把脫敏佔位內容回填爲原始信息，用戶側看到的內容與業務語義保持一致。

若需驗證是否生效，可在測試環境中構造含明顯 PII 的短句，觀察發往模型的 payload（若 Agent 提供日誌）與用戶可見回覆是否分別呈現脫敏與回填行爲；勿在生產環境用真實客戶數據做試驗。

適用場景與注意¶

更適合：

• 個人或小團隊在 Cursor、Claude Code 等環境中調試 Agent，希望降低聊天記錄裏明文 PII 進入第三方模型的暴露面。
• 需要在「仍要讓模型理解上下文」與「儘量不長期留存明文」之間做折中的對話類工作流。

限制與注意：

• 脫敏與回填由技能邏輯驅動，不能替代組織的合規評審、數據分類分級或出境評估；高敏感場景應疊加網關脫敏、專用私有化模型等方案。
• 識別與替換的準確率取決於技能實現與用戶文本形態；格式異常、多語言混排或刻意規避模式可能導致漏脫敏或錯誤回填，關鍵業務應有人工抽檢。
• 無感回填意味着用戶終端仍接觸真實 PII；保護的是模型側與日誌側的風險敞口，而非消除終端存儲義務。
• 版本以 SkillHub 頁面爲準（當前爲 v1.0.2）；升級可用 skillhub 對應更新命令，並再次確認 --dir 指向正確目錄。

結尾¶

「個人敏感信息無感脫敏」把 PII 處理嵌進 Agent 與 LLM 之間的往返路徑：出站脫敏、入站回填，在官方描述的目標下減少用戶手動改稿的負擔。安裝時記住 SkillHub 的 --dir 要求，並在技能頁覈對版本與說明。

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