Een openbaarmakingsredactiebeleid kan worden afgedwongen door het als een prompt te schrijven die een AI‑agent uitvoert, in een vaste volgorde, tegen elk bestand, lokaal op uw machine. Met GroupDocs.Redaction.Mcp verbonden met Claude Code, Cursor of GitHub Copilot, past het hele beleid in één instructie:

Neem case-file.docx en bereid het voor openbaarmaking voor: redigeer alle e‑mailadressen en de naam “Jane Smith”, verwijder alle annotaties, maak de documenteigenschappen leeg. Pas elke stap toe op het bestand dat door de vorige stap is geproduceerd, en geef het bestand een naam die door elke stap is geproduceerd.

De stap‑voor‑stap versie met configuratie en probleemoplossing staat in de documentatie: Hoe documenten voor openbaarmaking voor te bereiden met een AI‑agent.

Waarom faalt een handmatige openbaarmakingschecklist?

Openbaarmakingswerk is niet moeilijk, het is opeenvolgend en repetitief. Een archiefmedewerker die een openbaarmaking van openbare documenten voorbereidt, of een juridisch team dat documenten voor discovery voorbereidt, herhaalt dezelfde doorlopen op elk bestand: namen en identificatoren in de tekst, afbeeldingen, beoordelingscommentaren, documenteigenschappen. Een doorloop overslaan is gemakkelijk aan het einde van een lange dag, en een gedeeltelijke redactie is het slechtste resultaat omdat het bestand er voltooid uitziet. Een beleid dat in een prompt leeft, wordt elke keer op dezelfde manier toegepast, en de transcript registreert wat er is uitgevoerd.

Dit is geschiktheid, geen certificering. De server verwijdert wat u haar opdraagt te verwijderen, in het bestand dat u opgeeft. Of het resultaat voldoet aan een FOI‑regime, een discovery‑protocol of een audit, blijft uw beslissing.

Welke stappen voert de agent uit, en in welke volgorde?

Het beleid bestaat uit vijf stappen. Elk van de eerste vier schrijft een nieuw bestand.

  1. Voer redact_text één keer uit voor elk patroon: namen, e‑mailadressen, identificatoren, rekeningnummers.
  2. Voer redact_image_area uit voor handtekeningen, foto’s, stempels en gescande gebieden. Gebruik het op afbeeldingsbestanden zoals PNG‑ of JPEG‑scans.
  3. Voer redact_annotations uit, meestal met deleteAll, omdat interne beoordelingsnotities zelden openbaar gemaakt mogen worden.
  4. Voer erase_metadata uit voor auteur, bedrijf en datums.
  5. Verifieer het uiteindelijke bestand, wat het onderwerp is van een afzonderlijke post over verificatie.

Wat beslist de agent, en wat doet de engine?

Beslissing Wie maakt de beslissing
Welke patronen het beleid uitdrukken U, met de agent die reguliere expressies voorstelt
Welke tool elke locatie verwerkt De agent
Of een tekstmatch wordt verwijderd De engine, precies zoals het patroon aangeeft
Welk bestand wordt doorgegeven aan de volgende stap De agent, daarom vraagt u om bestandsnamen
Of het beleid volledig was U

Er is geen classifier. De engine past de patronen toe die u goedkeurt, en dat maakt de uitvoering controleerbaar.

Hoe behoud je elke stap in het uiteindelijke bestand?

Elke tool schrijft een nieuw bestand in _redacted‑stijl in plaats van in‑place te bewerken. Een agent die het originele bestand doorgeeft aan een latere stap, produceert een document waarop alleen die stap is toegepast en eerdere verwijderingen ontbreken. De instructie “pas elke stap toe op het bestand dat door de vorige stap is geproduceerd” is de controle, en de bestandsnamen in de transcript vormen de audit‑trail.

Vraag om patronen één voor één in plaats van één ondoorzichtige instructie, met de bestandsnaam die elke oproep heeft geproduceerd. De redactie‑tools rapporteren het opgeslagen bestand, niet een aantal matches; elk getal dat de agent geeft is haar eigen interpretatie van de tekst. Meerdere benoemde bestanden vormen een record, en één antwoord van “klaar” doet dat niet.

Voorbeeldsessie (verkort)

You:    Before you start: what is the license status of the redaction server?
Agent:  -> get_license_status()   mode: licensed
You:    Take case-file.docx and prepare it for disclosure: redact all email addresses and the
        name "Jane Smith", delete all annotations, clear the document properties.
        Apply each step to the file produced by the previous one, and name each file.
Agent:  1. redact_text        on case-file.docx       -> saved file
        2. redact_text        on the file from 1      -> saved file
        3. redact_annotations on the file from 2      -> saved file
        4. erase_metadata     on the file from 3      -> saved file
        Final file: the output of step 4, named in the transcript.

Hoe voer je het beleid uit over veel bestanden?

Herhaal dezelfde instructie per bestand, of geef een map op en vraag de agent om deze één document tegelijk te verwerken, waarbij het uitvoerbestand voor elk wordt benoemd. Houd de beleids­tekst identiek tussen runs; de gelijkheid is het punt. Omdat evaluatiemodus één document per proces toestaat, heeft een batch als deze een licentiebestand of meter‑sleutels nodig.

Hoe voorkom je dat de originelen worden vrijgegeven?

Het origineel staat naast de geredigeerde kopie met een bijna identieke naam, en het verkeerde bestand is gemakkelijk bij een e‑mail te voegen. Verplaats voltooide originelen uit de werkmap, of stel een aparte GROUPDOCS_MCP_OUTPUT_PATH in zodat geredigeerde kopieën in hun eigen map terechtkomen. Het vrijgeven van het verkeerde bestand ondermijnt elke eerdere stap.

Wat zijn de beperkingen van de evaluatiemodus?

Evaluatiemodus maakt een openbaarmakingsworkflow riskant, en een volledige openbaarmakingsrun is niet mogelijk zonder een licentie. Zonder licentie staat de server één document per proces toe, één redactie, beperkt tot 4 vervangingen, plus proef‑badges. Het resultaat is een document dat bewerkt lijkt maar nog steeds de gegevens bevat, en niets in de antwoorden geeft dat aan. Maak get_license_status de eerste stap, zoals in de sessie hierboven.

  • PDF op Linux. Op Linux, inclusief de Docker‑image, falen redact_image_area en erase_metadata momenteel op PDF‑bestanden (de beeldverwerking van de PDF‑engine hangt af van System.Drawing, wat .NET alleen op Windows ondersteunt); beide werken op Word‑documenten, en redact_text werkt op PDF. Voer PDF‑gebiedredactie en metadata‑verwijdering uit op Windows met dnx.

Veelgestelde vragen

Hoe bereid ik documenten voor openbaarmaking met een AI‑agent, bijvoorbeeld een FOIA‑verzoek? Het kan de redactie‑doorlopen uitvoeren: tekst per patroon, afbeeldingsgebieden, annotaties en metadata. U definieert nog steeds de patronen, beoordeelt het resultaat, en beslist wat wordt vrijgegeven.

Kan ik dit gebruiken voor e‑discovery‑review? Dezelfde doorlopen gelden voor documenten die voor juridische openbaarmaking zijn voorbereid, en de server draait lokaal. Het beslist niet over relevantie of privilege, en het is geen review‑platform.

Waar komen de geredigeerde kopieën terecht? In de uitvoermap die u configureert. Stel GROUPDOCS_MCP_OUTPUT_PATH in zodat ze gescheiden blijven van de originelen.

Ga dieper