把日志、聊天记录、报错截图直接粘给 AI 工具，已经成了不少开发者、运营、客服和内容团队的日常流程。问题在于，很多人会在不经意间把邮箱、手机号、API Key、客户姓名甚至内部地址一并发送出去。一旦内容离开当前设备，后续如何保存、分析或共享，往往就超出了原来的控制范围。
Privacy Filter 就是为了解决这种“分享前检查”需求而设计的本地隐私脱敏工具。它可以在浏览器端识别文本中的敏感信息，并自动替换成占位符。相比手动查找替换，它更适合处理长日志、复杂报错信息以及包含多种字段的聊天记录。对于经常需要把内容发送给 ChatGPT、Claude、GitHub Issue、论坛或工单系统的人来说，Privacy Filter 能在正式分享之前，先完成一次本地隐私清洗。
Privacy Filter 是什么？
Privacy Filter 是一个基于浏览器运行的 PII（个人敏感信息）识别与脱敏工具。它的主要用途，是在文本或截图对外分享前，自动识别并隐藏姓名、邮箱、手机号、地址、账号、URL、日期以及密钥等敏感字段。
它底层基于 OpenAI 开源的 privacy-filter 模型，并通过 Transformers.js 在浏览器本地完成推理。整个识别过程主要发生在当前设备上，而不是把原始内容上传到第三方服务器处理。对于担心日志、内部文档或截图泄露的人来说，这种本地化处理方式更容易接受。
除了文本脱敏之外，Privacy Filter 还支持 OCR 图片识别，可以对聊天截图、报错截图等内容进行本地扫描，并自动对敏感字段打码。
核心功能
Privacy Filter 的重点并不是“加密”或“权限管理”，而是帮助用户在分享内容前快速完成敏感信息筛查。它更适合日常协作、AI 提示词整理以及日志共享等场景。
- PII 自动识别——自动检测姓名、邮箱、手机号、地址等个人信息字段。
- API Key 与 Token 检测——识别开发日志中常见的密钥、访问凭证和连接参数。
- 本地浏览器推理——文本处理主要在当前设备完成，不依赖远程云端识别。
- OCR 截图识别——支持上传截图并自动提取文字内容进行脱敏。
- 占位符替换——将敏感字段替换为 [EMAIL]、[KEY] 等标记，方便继续阅读上下文。
- 长文本日志处理——适合服务器日志、报错信息和调试输出等复杂文本。
- WebGPU 加速——支持浏览器 GPU 推理，减少本地处理等待时间。
- 静态页面部署——支持部署到 Cloudflare Pages、Vercel 等静态平台内部使用。
使用场景
Privacy Filter 更适合那些频繁需要“复制内容给外部系统”的工作流程。相比手工检查，它能减少遗漏敏感字段的风险，也能提升共享效率。
| 人群/角色 | 场景描述 | 推荐指数 |
|---|---|---|
| 开发者 | 提交 GitHub Issue 前清理日志中的 Token 与连接参数 | ★★★★★ |
| 运维人员 | 分享服务器报错日志前隐藏账号、URL 和配置字段 | ★★★★★ |
| AI 工具重度用户 | 将内部文档发送给 ChatGPT 或 Claude 前做本地脱敏 | ★★★★★ |
| 客服人员 | 处理聊天记录或订单截图时隐藏用户隐私信息 | ★★★★☆ |
| 运营团队 | 对用户反馈、表格和活动截图进行敏感字段遮盖 | ★★★★☆ |
| 企业内部团队 | 搭建轻量级内部脱敏检查页面 | ★★★★☆ |
操作指南
Privacy Filter 的使用方式比较直接，第一次加载模型后，后续操作基本可以在浏览器里完成。
- 打开「Privacy Filter」网页并等待模型初始化。
- 首次使用时，浏览器会自动下载本地识别模型（约 50MB）。
- 在输入区域粘贴日志、文本或聊天记录。
- 如果需要处理截图，可上传图片文件进行 OCR 识别。
- 点击「开始检测」扫描敏感字段。
- 系统会自动标记邮箱、手机号、Token、URL 等内容。
- 点击「替换脱敏」生成占位符版本文本。
- 检查结果后再复制到 AI 工具、论坛或工单系统中（建议高敏感内容再人工复查一次）。
官方入口：Privacy Filter
支持平台
Privacy Filter 主要以 Web 网页形式运行，支持现代浏览器访问。桌面端 Chrome、Edge 等 Chromium 浏览器兼容性较好，并支持 WebGPU 加速。移动端浏览器也能运行，但在大型文本或 OCR 场景下，处理速度可能受到设备性能影响。
由于核心能力基于浏览器本地推理，因此无需安装客户端，也不依赖特定操作系统。团队如果有内部需求，也可以部署为静态页面工具使用。
产品定价
目前 Privacy Filter 以浏览器端本地工具形式提供，核心功能可直接使用。
其底层模型与前端方案基于开源生态构建，适合个人用户、小团队以及开发协作场景。对于希望内部部署的团队，也可以基于源码自行搭建和维护。
常见问题
Q1：Privacy Filter 会把文本上传到服务器吗？
Privacy Filter 的主要识别流程在浏览器本地完成。首次访问时需要下载模型文件，后续文本处理通常不需要再次上传原始内容。不过，具体部署方式仍建议自行检查项目说明与网络请求情况。
Q2：它能完全替代企业级数据防泄漏系统吗？
不能。Privacy Filter 更适合作为分享前的辅助检查工具，用来减少人工遗漏。对于生产环境密钥、财务信息、合同原文等高敏感内容，仍然需要权限管理、审计和企业级 DLP 配合使用。
Q3：识别结果一定准确吗？
模型识别存在误报和漏报的可能。面对非标准格式的密钥、多语言混排内容或口语化表达时，仍建议人工复核。它更适合日常轻量脱敏，而不是完全自动化的合规审查系统。
开发者小结
Privacy Filter 的价值不在于复杂的数据安全体系，而在于把“分享前检查”这一步做得更简单。对于经常把日志、截图、会议记录或内部资料发送给 AI 工具的人来说，本地脱敏能降低意外泄露敏感字段的风险，也能帮助团队逐步形成更规范的共享习惯。
它适合开发者、运维、客服、运营以及 AI 工具高频用户，用来快速清理文本中的邮箱、电话、Token 和账号信息。不适合把它当作完整的数据安全方案，也不建议对极高敏感级别的数据完全依赖自动识别。作为一个浏览器端的轻量隐私过滤工具，它已经能够覆盖大量日常共享场景。
相关文章
