核心用法
OpenClaw PII Anonymizer 是一款面向隐私保护的预处理工具，通过本地部署的 Ollama 模型（推荐 phi3:mini）在数据外发前自动识别并脱敏敏感信息。用户将原始文本管道输入 privacy-anonymize.sh，脚本调用本地 LLM 将 PII 替换为占位符（如 [PERSON]、[EMAIL]、[PATH]），再将净化后的内容送往 Grok、OpenRouter 等外部模型。
典型集成场景包括：
- MEMORY.md 检索：在
memory_search或工具调用前执行脱敏 - HEARTBEAT.md 自动化：通过任务编排实现定时 sanitization
- Cron 任务：在
web_search、exec等操作前自动触发
环境配置仅需 OLLAMA_URL（VM 用 localhost:11434，宿主机用 10.0.2.2:11434）及 jq、curl 依赖。
显著优点
1. 完全本地化处理：PII 识别与替换在 Ollama 本地完成，原始敏感数据不出境，阻断外部模型训练数据抓取风险。
2. 轻量快速：phi3:mini 模型资源占用低，适合边缘设备与虚拟机环境。
3. 零代码集成：Shell 脚本即插即用，通过标准输入输出无缝嵌入现有工具链。
4. 占位符标准化：统一 [PERSON]/[PATH]/[EMAIL] 等标记，便于下游系统识别或逆向还原。
潜在局限
- 模型依赖：脱敏质量受限于 phi3:mini 的识别能力，复杂或边缘 PII 格式可能漏检。
- 占位符不可逆：当前实现未内置还原机制，若需原始数据需额外维护映射表。
- 单点瓶颈：所有流量经 Ollama 本地服务，高并发场景需评估延迟与资源。
- 无加密存储：脚本本身不处理 Ollama 通信加密（依赖本地网络隔离）。
适合人群
- 使用 OpenClaw 生态且需对接外部大模型的开发者
- 对数据隐私合规（GDPR、企业保密协议）有严格要求的团队
- 在虚拟机或容器隔离环境中运行的自动化工作流
常规风险
- 模型幻觉误杀：本地 LLM 可能过度脱敏或错误标记非敏感内容。
- 环境配置泄露：
OLLAMA_URL若暴露在公网，可能成为本地服务攻击入口。 - 脚本权限风险：需确保
privacy-anonymize.sh不被恶意替换或注入参数。