```html MaskFlow AI：100%客户端隐私脱敏工具 MaskFlow AI：100%客户端隐私脱敏工具

每天用 ChatGPT、Claude、Gemini 分析错误日志、审代码、起草邮件，几乎成了开发者的固定动作。但每次粘贴之前，都有一道繁琐的仪式：手动把 sk_live_...、AIza... 这类 API 密钥替换成 xxxx，再逐个遮掉客户名、私人邮箱和电话号码。

打开网易新闻 查看精彩图片

最麻烦的一步在最后：AI 返回结果后，还得把响应里所有 xxxx 占位符，一个个换回真实的生产密钥和名字。有人会转向云端 PII 脱敏服务，但把敏感代码、内部日志和客户邮箱发到第三方服务器，本身就与隐私保护的初衷相悖。

为了解决自己和同行开发者的这个痛点，作者做了 MaskFlow AI——一个 100% 客户端运行的工具，全部逻辑跑在浏览器内存里。没有网络请求，没有服务器上传，API 密钥不会被发往任何地方。网页版无需登录即可使用。

不止是正则替换

MaskFlow 并不是简单的字符串替换脚本，它针对重度的开发者工作流做了四件事。

1. 香农熵分析识别未知密钥

并非所有密钥都有 sk_live_ 这样的规整前缀。MaskFlow 实时计算香农熵（阈值 H(X) ≥ 3.85 bits/char）并结合字符类别切换，自动检测并遮蔽高熵的未知 token，同时在映射表中显示熵分数，例如 H=4.42b。

2. 合成别名模式保住代码准确性

不用 {{EMAIL_1}} 这类通用占位符，而是换成语法合法的假数据，比如 user01@example.org 或 10.240.0.1。这样发给 LLM 的代码不会破坏 TypeScript 类型检查、JSON schema 或 SQL 查询。当 AI 返回含 user01@example.org 的代码时，一键即可还原成真实邮箱。

3. 提示词注入与自定义正则构建器

“Prompt Formatting”标签页会自动把系统指令（针对代码审查、合同谈判或日志分析定制）与脱敏后的文本组合，让 LLM 知道不要改动这些 token。也可以即时注入自定义正则规则，例如 EMP-\d{5} 这类内部员工 ID 格式。

4. CLI 与离线 Pro Pack

面向想在终端里直接清洗本地源码仓库或大日志文件的工程师，Pro Pack 包含一个零依赖的 Python CLI（maskflow_cli.py）、一个预置 50+ 条美/日正则规则的离线 Studio，以及附赠工具 SchemaSlim AI——只从庞大的 JSON/CSV 载荷中提取类型定义，最高可削减 90% 的 token 消耗。

讨论与判断

正方会说，这类工具把脱敏和还原的往返成本压到了一次点击，还顺带解决了占位符破坏代码语法这个老问题；反方则会追问，纯浏览器方案在规则覆盖面上能走多远，自定义正则和熵阈值终究要用户自己调。

作者的判断很直接：隐私工具的底线是不把数据交出去，剩下的检测精度问题，交给可配置的规则和熵分析去补。Pro Pack 已在 Gumroad 上架，作者也在征集下一步想看到的检测模式或功能。