現在使用 ChatGPT、Claude 等生成式 AI 協助處理工作內容已經越來越普遍。
但如果是行政、公文、教育或社福相關工作，資料裡經常會包含：
問題就變成：
「AI 很好用，但工作資料裡有個資，到底要怎麼用？」
如果每次使用 AI 前，都要人工逐一檢查並刪除個資，不但麻煩，也很容易因為疏忽而漏掉。
因此我開始思考，能不能做一個很簡單的中間層：
原始資料 → 個資去識別化 → AI 處理 → 個資還原
這就是 EduShield 最初的想法。
EduShield 是一個免費、開源的資料去識別化工具。
它的核心工作流程不是單純「把個資打碼」，而是希望建立一個可以實際融入 AI 工作流程的閉環。
使用者將原始資料貼入 EduShield，系統會協助辨識可能的個資並替換成 placeholder。
例如：
王小明 → {{PERSON_1}}
原本：
王小明於 8 月 20 日提交申請……
處理後：
{{PERSON_1}} 於 8 月 20 日提交申請……
去識別化後的內容就可以交給 AI 進行後續處理，例如：
這時 AI 接觸到的是去識別化後的內容，而不是原始姓名等資訊。
AI 完成處理後，再將結果貼回 EduShield。
EduShield 會依照原本建立的對應關係，把 placeholder 還原成原始資料。
例如：
{{PERSON_1}} → 王小明
因此最後不需要人工逐一尋找並替換。
這也是我認為這個專案最重要的地方：
EduShield 不只是去識別化工具，而是嘗試建立「遮蔽 → AI → 還原」的完整工作流。
這個專案其中一個核心設計原則是：
能不把資料送到遠端，就不要送。
因此目前的核心工具可以直接以 單一 HTML 檔案執行，不需要另外架設後端伺服器。
整體可以簡化理解成：
oasgrow
使用者
│
▼
EduShield
│
├─ Regex / 規則辨識
│
├─ 本機 AI（Ollama）
│
├─ Placeholder Mapping
│
└─ 還原機制
資料處理主要發生在使用者端。
如果需要使用 AI 協助辨識比較複雜的個資，也可以搭配 Ollama 使用本機模型。
因此我希望它可以同時兼顧：
易用性 × 隱私 × 可攜性
這是開發過程中我覺得比較有意思的一個問題。
如果完全依賴 LLM 來判斷個資，確實可以處理比較複雜的自然語言情境，但同時會帶來：
所以目前採用的是 規則 + AI 的混合方式。
對於姓名、電話、Email、身分識別碼等具有明確格式的資料，可以先透過 Regex 等規則處理。
比較難單純靠格式判斷的內容，再交由本機 AI 協助。
概念上是：
能用規則解決的，就不要浪費 AI。
這個專案對我來說還有一個特殊的地方。
這是我第一次大量使用 AI 協作開發一個相對完整的軟體專案。
從架構設計、程式碼撰寫，到功能實作，我都大量使用 AI 協助。
這讓我可以在相對短的時間內，把原本只是想法的東西做成一個可以實際操作的版本。
但同時也產生一個很現實的問題：
AI 幫我把功能做出來，不代表我就知道它有沒有問題。
例如：
這些都是我目前持續驗證的部分。
所以我沒有把 EduShield 當成「已經完成的產品」。
比較準確的說法是：
我先把一個真的能運作的版本做出來，接下來希望透過開源與實際使用，把我自己沒有發現的問題找出來。
除了基本的個資辨識之外，目前也針對部分特定敏感資訊設計較嚴格的防護與阻斷機制。
這部分的想法不是單純「提醒使用者」，而是在某些情況下直接提高操作門檻，降低使用者誤把敏感資料交給 AI 的風險。
不過我也不希望把 EduShield 包裝成「使用後就絕對安全」的工具。
去識別化本身就不存在可以輕易保證 100% 完整的情況。
因此目前比較希望把 EduShield 定位成：
在使用 AI 前，多一道資料檢查與去識別化的防護層。
而不是取代組織本身的個資管理政策、資安規範或人工判斷。
目前已經完成可以實際使用的初版，包括：
目前則持續進行：
因為我覺得這個專案最需要的其實不是再多幾個功能，而是：
更多人幫我找問題。
如果你是前端、JavaScript、資安、隱私保護、NLP、LLM 或資料去識別化相關的開發者，很歡迎直接看原始碼。
如果發現：
都歡迎直接提出 Issue 或 Pull Request。
甚至如果你覺得這個架構適合自己的學校、公司或組織，也可以直接 Fork 回去修改。
我做 EduShield 的出發點其實很簡單：
我不希望「怕個資外洩」最後變成完全不用 AI 的理由。
但同時，也不希望大家因為 AI 很方便，就直接把原始工作資料全部貼上去。
我比較希望中間多一道很簡單的流程：
資料 → EduShield → AI → 還原
如果這個專案最後能讓更多人在使用 AI 前，養成「先過一下去識別化」的習慣，我就覺得它有達到最初的目的。
GitHub：
https://github.com/oas114/EduShield
歡迎 Review，也歡迎直接抓 Bug。
畢竟這是我第一次用這種方式完成一個完整專案，現在最需要的是大家告訴我：
「這裡有問題，你沒想到。」
iThome鐵人賽
看影片追技術