在如今这个AI几乎无处不在的时代，使用AI既是趋势，也是当下的一种热门和常见。
但是，有一个问题不知道大家有没想过，每当我们输入自己想要的内容给AI时，一些敏感的数据同样也会暴漏给AI背后的大模型。如果一些不良的商家拿这些数据再去训练，必然会造成安全和个人隐私方面的一些问题。
哦，也许有人会说，这些AI大模型企业不是说了，这些数据不会被用来训练吗？
呵呵，这些话根本不足为信。
很简单的一个道理，之前大模型用来训练的很多数据，都是来源于一些主流平台，那些平台也做了不准爬取的限制，但是结果又如何呢？还不是照爬不误。
有些平台上的内容比如git上的一些私人仓库，都被拿去做训练了。可见，所谓的隐私和限制，在这些大模型跟前完全如同纸糊的浆糊，熟视无睹。
chatGPT、codex等下也有所谓的临时聊天，隐私保护模式，但根本不足为信
既然这样，我们在跟AI打交道的过程中，就要注意避免将隐私或重要数据发给它。
日常的沟通交流还好说，但碰到一些文件内容处理，就很难避免了。通常做法就是将文件一股脑丢给AI，至于里边有没有敏感或重要数据，有时候还真顾不上查看了。
好在有个privacy-filter （隐私过滤），专门用来脱敏敏感数据。
所谓脱敏，这是专业的一个叫法，通俗地讲，就是把你文件里涉及到的一些敏感数据，比如给客服记录、医疗档案、金融日志去隐私化，才能拿去分析或共享。
这样我们在发给AI大模型前，先用这个privacy-filter （隐私过滤）简单过滤下即可。
嗯，privacy-filter （隐私过滤） 是本地安装的，也就是说，本地处理完成，不涉及联网。
安装的方法很简单：
1. 进入你想放项目的目录（比如 C:\git）
cd C:\git
2. 克隆项目
git clone https://github.com/openai/privacy-filter.git
3. 进入项目目录
cd privacy-filter
4. 安装（这时当前目录下有 setup.py 或 pyproject.toml）
pip install -e .
5. 验证安装
opf "Alice was born on 1990-01-02."
安装完成后，使用非常简单，就是调用 opf即可，如下，
opf "Alice was born on 1990-01-02."
第一次运行时，因为要下载大模型，因此慢些。
我尝试了下，
PS C:\git\privacy-filter> opf --device cpu 'username: rivalhw password: 123456'
username: <PRIVATE_PERSON> password:
用项目自带的文件再测试下直接过滤文件，
opf --device cpu C:\git\privacy-filter\examples\data\sample_eval_five_examples.jsonl
有了privacy-filter ，下次再有大文件丢给大模型前，用它来帮你过滤（脱敏）下就放心多了。:)
戏剧的是，这个 privacy-filter 竟然还是 OpenAI它自己推出的。。。囧