最近，在做几个落地的 AI 项目，发现"隐私"是无法绕开的一个关键挑战。
不是简单的达到"合规"，而是真正的避免客户的手机号、姓名等个人信息上传到云端大模型。
本文暂不讨论私有部署大模型和端侧模型------它们虽理想，但并非所有场景都适用。
我也了解了挺多方案，但是感觉都不那么自然或者简单，直到我看到 OneAIFW （一个AI防火墙？）。
OneAIFW
连名字都是那么的朴实无华。
OneAIFW 开源在 GitHub 上，采用 MIT 协议。
虽然目前 star 还不多，但我感觉前途可期。
它的原理简单概括就是：
- 脱敏：将发给大模型的文字中的隐私数据替换为为结构化占位符。
- 大模型接收的数据依然保留原有结构，不影响语义理解。
- 还原：将大模型返回的文字中的为结构化占位符替换为原始文字。
是不是很简单，了解原理后我只有一个感觉：这么简单的思路，我为什么没有想出来。
保护内容
目前支持脱敏的内容：
- 物理地址
- 邮箱地址
- 姓名 / 用户名
- 公司 / 组织名
- 电话号码
- 银行账户 / 卡号
- 支付信息
- 验证码
- 密码
- 随机种子
- 私钥
- URL 地址
在线体验
光说不练假把式，不如直接上手试试。
官方提供了一个线上 demo，可以在线体验。
地址：https://oneaifw.com/
可以直接分析敏感信息，也可以直接尝试脱敏的效果。
使用方式
该项目另一个很赞的点就是，它提供了我们常用的各种方式使用，包括本地 Web、浏览器插件、本地 API、本地命令行。
本地 Web
一个轻量前端，依赖 @oneaifw/aifw-js 库，在浏览器里跑完整流程。
适合快速验证或嵌入现有 Web 应用。
浏览器插件
提供 Chrome/Edge 扩展示例，可以注入到各类大模型网站，在你点击"发送"前自动脱敏。
这个估计是日常使用最佳的方式了。
本地 API
通过 py-origin 或 cli/python 启动一个本地 HTTP 服务，提供 /api/mask_text、/api/restore_text、/api/call 等接口。
如果你和我一样正在开发 AI 项目，可以考虑通过 API 方式接入。
本地命令行
装好 Python 包后，支持命令行直接调用，比如：
perl
python -m aifw call "请把如下文本翻译为中文: My email address is test@example.com, and my phone number is 18744325579."非常适合脚本调用或自动化流程。
结语
今天主要给大家分享了一个 AI 项目中解决隐私问题的产品，重点是设计思路，希望可以帮到大家。
我已经在跑通了 Web 版本，部署体验将在后续更新。
基座模型或许遥不可及，但 AI 时代的真正机会，往往藏在像 OneAIFW 这样的"小而关键"的环节里------它不炫技，只是让智能变得更安全、更可用。而这，正是我们每个人都能参与的方向。