Bạn có thể xóa dữ liệu nhạy cảm khỏi tài liệu bằng cách yêu cầu một tác nhân AI bằng ngôn ngữ tự nhiên, và quá trình xóa sẽ chạy cục bộ, bên trong tệp, trên máy của bạn. Với GroupDocs.Redaction.Mcp kết nối với Claude Desktop, Claude Code, Cursor hoặc GitHub Copilot, chỉ cần một lời nhắc:

Xóa mọi địa chỉ email trong case-file.pdf và cho tôi biết tệp nào bạn đã lưu.

Phiên bản từng bước với cấu hình và khắc phục sự cố có trong tài liệu: Cách xóa dữ liệu nhạy cảm khỏi tài liệu bằng các tác nhân AI.

Tại sao mô hình trò chuyện không thể tự xóa tài liệu cho bạn?

Một mô hình ngôn ngữ đọc tài liệu và viết một bản mới chỉ tạo ra một bản viết lại, không phải một việc xóa. Bản viết lại có thể bỏ sót một lần xuất hiện, thay đổi cách diễn đạt mà bạn không yêu cầu, và nó không bao giờ chạm vào tệp gốc. Một hình chữ nhật đen được vẽ trong trình xem PDF có khuyết điểm tương tự: văn bản dưới hộp vẫn còn trong tệp và có thể được sao chép ra. Tác nhân không nên thực hiện việc xóa. Nó nên đề xuất mẫu và gọi một công cụ, và engine sẽ thay thế văn bản khớp trong tài liệu.

Đó là cách phân chia công việc trong GroupDocs.Redaction.Mcp. Tác nhân đề xuất các mẫu và điều khiển các lời gọi. Engine áp dụng chúng một cách chính xác. Không có bộ phân loại nào quyết định gì là nhạy cảm, vì vậy hành vi có thể được xem xét, và quyết định về những gì được coi là nhạy cảm vẫn ở tay bạn.

Cách 1: Thay thế văn bản bằng mẫu

Sử dụng cách này cho bất kỳ thứ nào bạn có thể mô tả bằng biểu thức chính quy: địa chỉ email, số CMND, số điện thoại, số tài khoản, tên khách hàng. Tác nhân gọi redact_text, công cụ này thay thế văn bản khớp với mẫu trong tài liệu và lưu một bản sao đã xóa. Tệp gốc không bị thay đổi.

Xóa mọi thứ khớp với \b\d{3}-\d{2}-\d{4}\b, số an sinh xã hội của Mỹ, trong case-file.pdf. Cho tôi xem mẫu trước khi bạn chạy.

Yêu cầu xem mẫu trước là đáng giá một lượt thêm. Một regex bạn đã đọc là một việc xóa mà bạn có thể biện hộ, và một regex lỏng lẻo sẽ xóa nhiều hơn dự định trong khi một regex chặt chẽ sẽ để lại dữ liệu. Tham số replacement mặc định là [REDACTED], giúp kết quả dễ xem xét.

Kết quả mong đợi: một bản sao đã xóa trong thư mục đầu ra, và một tin nhắn từ tác nhân ghi tên tệp đã lưu.

Cách 2: Xóa các vị trí mà mẫu văn bản không thể tiếp cận

Làm sạch văn bản chính và gửi một tệp mà các chú thích lề và trường tác giả vẫn chứa tên người là cách phổ biến nhất khiến việc xóa thất bại. Dữ liệu nhạy cảm nằm ở bốn vị trí, và mỗi vị trí có công cụ riêng:

Vị trí dữ liệu Công cụ
Văn bản chính redact_text
Quét, ảnh, chữ ký redact_image_area
Bình luận và ghi chú dính redact_annotations
Tác giả, công ty, ngày trong thuộc tính erase_metadata

Xóa tất cả các chú thích trong case-file.docx, sau đó xóa các thuộc tính tác giả, công ty và ngày. Áp dụng mỗi bước vào tệp được tạo ra bởi bước trước.

redact_annotations có thể thay thế văn bản chú thích hoặc, với deleteAll, xóa hoàn toàn các chú thích. erase_metadata chấp nhận danh sách các trường phân tách bằng dấu phẩy như Author,Company,CreatedTime, và mặc định là All. Lệnh chuỗi các bước rất quan trọng: mỗi lời gọi ghi một tệp mới, vì vậy một tác nhân đưa tệp gốc vào bước hai sẽ bỏ qua bước một.

Kết quả mong đợi: một tệp cuối cùng được tạo ra bởi bước cuối cùng trong chuỗi, với tên của mọi tệp trung gian hiển thị trong bản ghi.

Cách 3: Xóa trước khi bạn đưa ra lời nhắc, và giữ các giá trị ra khỏi cuộc trò chuyện

Việc xóa trước khi dùng LLM có nghĩa là các chuỗi nhạy cảm không bao giờ tới mô hình được lưu trữ. Các tài liệu vẫn ở trên máy của bạn, nhưng cuộc trò chuyện không. Với mô hình lưu trữ trên đám mây, những gì tác nhân nói sẽ được truyền tới nhà cung cấp mô hình, và trong công việc xóa điều này có thể bao gồm các chuỗi bạn đang loại bỏ. “I redacted jane.smith@example.com” vừa mới gửi địa chỉ mà bạn đang bảo vệ.

Xóa tên khách hàng bằng mẫu tiêu chuẩn của chúng tôi. Không lặp lại văn bản khớp trong câu trả lời của bạn.

Các công cụ xóa trả về tên tệp đã lưu, không phải số lượng khớp. Một số trong câu trả lời của tác nhân là kết quả đọc của nó, ví dụ từ việc tìm kiếm văn bản trước khi xóa, vì vậy hãy coi nó là một kiểm tra chéo chứ không phải đầu ra của công cụ. Để có cài đặt mạnh nhất, chạy mô hình cục bộ để không có gì rời khỏi biên giới của bạn, điều này cũng cung cấp tự động hoá xóa tài liệu hoàn toàn cục bộ.

Kết quả mong đợi: một tên tệp đã lưu trong câu trả lời, không có chuỗi nhạy cảm nào trong bản ghi.

Phiên làm việc mẫu (rút gọn)

You:    Redact every email address in case-file.pdf and tell me which file you saved.
Agent:  I will use this pattern: [\w.+-]+@[\w-]+\.[\w.]+
        -> redact_text(file: case-file.pdf, pattern: ..., replacement: "[REDACTED]")
Agent:  Saved case-file_redacted.pdf.
You:    For case-file.docx, delete all annotations and clear the document properties.
Agent:  -> redact_annotations(file: case-file.docx, deleteAll: true)
        Saved the output file.
        -> erase_metadata(file: the file saved by the previous step, fields: "All")
        Saved the output file.

Giới hạn của chế độ đánh giá là gì?

Nêu rõ điều này trước bất kỳ lần chạy nào quan trọng. Không có giấy phép, máy chủ chạy ở chế độ đánh giá: một tài liệu mỗi tiến trình, một lần xóa, giới hạn tối đa 4 lần thay thế, cộng thêm các huy hiệu dùng thử. Một mẫu xuất hiện mười lần sẽ chỉ được xóa bốn lần và còn lại sáu lần, và kết quả có thể trông sạch sẽ. Giới hạn này chỉ dành cho demo. Không bao giờ phát hành kết quả của một lần chạy không có giấy phép, và hãy hỏi get_license_status trước: “What is the license status of the redaction server?”

Việc kết quả có phù hợp với quy định như GDPR hay không là quyết định của bạn. Máy chủ sẽ xóa những gì bạn yêu cầu, trong tệp bạn cung cấp.

  • PDF trên Linux. Trên Linux, bao gồm cả hình ảnh Docker, redact_image_area và erase_metadata hiện đang không hoạt động với các tệp PDF (xử lý hình ảnh của engine PDF phụ thuộc vào System.Drawing, mà .NET chỉ hỗ trợ trên Windows); cả hai công cụ đều hoạt động với tài liệu Word, và redact_text hoạt động với PDF. Thực hiện xóa vùng PDF và xóa metadata trên Windows bằng dnx.

Câu hỏi thường gặp

Claude có thể xóa PII khỏi PDF mà không tải lên không? Có. Máy chủ MCP chạy như một tiến trình con của khách hàng AI của bạn qua stdio cục bộ và đọc/ghi các tệp trong thư mục bạn cấu hình. Hãy lưu ý rằng bất kỳ gì tác nhân nói trong trò chuyện vẫn được gửi tới nhà cung cấp mô hình đám mây.

Tác nhân quyết định gì là nhạy cảm? Không. Tác nhân đề xuất các mẫu và bạn xem xét chúng. Engine áp dụng chính xác những gì được cung cấp.

Làm sao để cài đặt? Với .NET 10 SDK, chạy dnx GroupDocs.Redaction.Mcp --yes và đặt GROUPDOCS_MCP_STORAGE_PATH tới thư mục chứa tài liệu của bạn. Docker là lựa chọn khác: ghcr.io/groupdocs-redaction/redaction-net-mcp.

Tìm hiểu sâu hơn