AgentWard Sanitize 是一款专为保护敏感信息而设计的本地文本脱敏工具，能够自动检测并遮蔽文档中的个人身份信息（PII）。该工具支持识别包括信用卡号、社保号码、电子邮箱、API密钥、电话号码、IP地址、邮寄地址、出生日期、护照号码、驾照编号、银行路由号、医疗执照号和保险会员ID在内的15种常见PII类别。所有处理均在用户本地完成，无需联网，且仅依赖Python标准库运行，确保零第三方依赖和最高级别的数据隐私安全。 与其他在线或云端PII扫描服务不同，AgentWard Sanitize 严格遵循‘永不读取原始文件’的安全原则。它不会将原始敏感数据输出到终端或日志中，仅在生成清理后文件时，可选地将原始值与占位符的映射关系写入独立的`.entity-map.json`侧边文件，供后续审计使用。这一设计极大降低了因误操作导致敏感信息泄露的风险，特别适合在AI代理或自动化流程中集成，实现安全的文本预处理。 该工具提供多种使用模式以满足不同需求：推荐使用`–output`参数对原始文件进行清洗并生成新文件；通过`–preview`模式可预览检测结果而不暴露真实数据；也可结合`–json`选项以结构化格式输出结果，便于程序化处理。此外，用户还可通过`–categories`参数指定需要处理的特定PII类型，提升扫描效率与针对性。
核心功能特点
- 支持15类PII检测：涵盖信用卡、SSN、邮箱、API密钥、地址等常见敏感信息
- 完全本地化运行，零网络请求，保障数据不出本地环境
- 仅依赖Python标准库，无外部依赖，代码透明可审计
- 采用占位符替换机制（如[CREDIT_CARD_1]），避免原始PII泄露
- 提供安全预览模式（–preview）和JSON输出（–json），不打印原始敏感值
- 可选实体映射文件记录原始值与占位符对应关系，便于合规审计
适用场景
AgentWard Sanitize 特别适用于需要批量处理包含个人信息的文本文件的场景，例如医疗机构在处理患者病历、客服中心整理用户反馈、软件开发团队分析日志文件时，常需去除其中的敏感字段以符合GDPR、HIPAA等数据保护法规的要求。通过在自动化流水线中集成该工具，可在数据进入训练模型或共享平台前自动完成脱敏，显著降低合规风险。 对于开发者和AI代理工程师而言，该工具是构建安全智能工作流的关键组件。由于其命令行接口简洁且支持脚本调用，可以轻松嵌入CI/CD流程或RAG（检索增强生成）系统中，确保只有经过清洗的非敏感内容被用于下游任务。同时，其严格的输入/输出隔离机制（禁止直接读取原始文件）为构建可信的AI代理提供了可靠的技术基础。 此外，在企业内部知识库建设、客户支持工单归档以及跨部门协作文档分发过程中，使用该工具可有效防止因人为疏忽或系统漏洞导致的敏感信息外泄。无论是临时性的手动检查还是长期运行的自动化数据治理方案，AgentWard Sanitize 都能以轻量级、高安全性的方式满足组织对隐私保护的核心诉求。