个人脱敏
概述
本技能用于在用户本机对常见办公文档（PDF / Word / Excel）做个人敏感信息脱敏：自动找出姓名、身份证号、手机号、固定电话、邮箱、银行卡号等，统一替换为掩码（默认 xxxx），并保存为在原文件名末尾加 -脱敏 的新文件。
隐私铁律（必须遵守）：全部处理在本地用 Python 脚本完成。不要读取文件正文到对话/模型上下文中，不要调用任何云端大模型、云 API、联网搜索或上传工具，不要通过企业微信/邮件/网盘等把源文件或产物发出去。
何时使用
- 用户说"帮我把这份 PDF/Word/Excel 里的姓名和身份证打码""脱敏一下""匿名化""隐藏个人信息"。
- 用户要分享、提交、归档一份含个人隐私的文档，需要先去掉敏感字段。
- 用户要批量处理一个目录下的多份文档。
支持格式：.pdf、.docx、.xlsx、.xls。输入也可以是目录（批量处理目录下所有支持的文档）。
工作流程
第 1 步：确认输入与范围
- 询问或确认要处理的单个文件或目录路径。
- 若需要更高姓名识别准确率，可向用户索要确切姓名列表（如"张三,李四"），用于精确匹配（比启发式更准、零误伤）。
- 不需要把文件内容读进模型。直接拿到路径即可。
第 2 步：准备本地运行环境
脱敏由 scripts/desensitize.py 完成，依赖 PyMuPDF、python-docx、openpyxl（均为本地库，不涉及网络与云端）。
优先使用本机受管 Python 的虚拟环境（已预装依赖）：
PY=/Users/hbw/.workbuddy/binaries/python/envs/default/bin/python
若该路径不存在或缺少依赖，按以下方式就地补齐（仅安装本地库，不传输任何用户数据）：
# 创建受管虚拟环境并安装依赖
/Users/hbw/.workbuddy/binaries/python/versions/3.13.12/bin/python3 -m venv /Users/hbw/.workbuddy/binaries/python/envs/default
/Users/hbw/.workbuddy/binaries/python/envs/default/bin/python -m pip install --quiet PyMuPDF python-docx openpyxl
第 3 步：运行脱敏脚本
基本用法（单文件或目录均可）：
"$PY" "$SKILL_DIR/scripts/desensitize.py" <输入文件或目录>
常用参数：
--names 张三,李四：追加精确姓名列表（逗号分隔），用于精准脱敏，避免误伤。--no-name：关闭"姓名"启发式识别（仅脱敏证件号/手机/邮箱/银行卡等结构化信息）。在姓名误伤较多时使用。--types id,phone,landline,email,bank,name：指定开启的敏感类型（默认全开）。例如只想脱敏手机和身份证：--types phone,id。--mask xxxx：自定义掩码文本，默认xxxx（例如--mask 【已隐藏】）。--output 路径：指定输出路径（仅在输入为单文件时有效）。
示例：
# 处理单个 PDF，并按精确姓名列表脱敏
"$PY" "$SKILL_DIR/scripts/desensitize.py" "/路径/简历.pdf" --names 王小明
# 批量处理整个目录
"$PY" "$SKILL_DIR/scripts/desensitize.py" "/路径/待处理文件夹"
# 只脱敏手机号和身份证，掩码用【保密】
"$PY" "$SKILL_DIR/scripts/desensitize.py" "/路径/数据.xlsx" --types phone,id --mask 【保密】
> 说明：$SKILL_DIR 为本技能目录，即 ~/.workbuddy/skills/personal-desensitize。实际执行时替换为绝对路径。
第 4 步：核对产物并汇报（不回显敏感原文）
脚本会在控制台输出每类替换条数统计与输出文件路径，不会打印任何敏感原文。向用户汇报时只说：
- 生成了哪个脱敏文件（路径）。
- 各类型分别替换了几处（来自脚本输出）。
- 提示用户抽查确认；如有遗漏或误伤，用
--names/--no-name/--types调整后再跑一次。
输出文件命名规则：在原文件名扩展名前插入 -脱敏，例如 报告.pdf → 报告-脱敏.pdf，保存在同一目录。
识别能力说明（重要，影响准确性预期）
- 高置信（正则精确匹配）：身份证号（18 位严格校验出生日期结构；另含 15 位旧号）、手机号（1[3-9] 开头的 11 位）、固定电话（带区号）、邮箱、银行卡号（15–19 位）。
- 启发式（可能误伤/漏判）：中文姓名。基于"百家姓+复姓"前缀 + 2–4 个中文字，并排除明显是地名/机构名的结尾（市/省/县/区/局/院/公司…）。
- 局限：纯规则无法像人/大模型那样理解语义，可能漏掉生僻姓名，也可能误伤少量以姓氏开头的人名式词组。
- 提升准确率的方法：用
--names提供确切姓名（最稳）；或对纯结构化脱敏场景加--no-name。 - PDF 限制：依赖文本层。扫描件/图片型 PDF（无文本层）无法脱敏，此类文件需先做 OCR（OCR 通常需联网/云端，违反本技能离线约束，故不在范围内）；脚本会正常处理有文本层的 PDF。
隐私与离线约束（再次强调）
- 脚本只做本地文件读写，不发起任何网络请求。
- 运行本技能时，不要使用 WebFetch / 联网搜索 / 云端大模型 / 上传类工具去"理解"或"处理"文档内容。
- 不要将源文件或脱敏产物通过任何渠道外发，除非用户明确要求在本地打开/预览。
资源
scripts/desensitize.py：脱敏主程序（纯本地 Python，含全部识别规则与三种格式的读写/重涂逻辑）。
