把客户资料喂给 AI：5 类信息必须先脱敏

把一段客户对话粘进 AI 输入框，只需要两秒；出了事再想撤回，没有这个动作。麻烦的地方在于，机器能认出来的信息只有三类，剩下两类全靠人眼——而人眼最容易漏的恰恰是「能反推出是谁」的细节。本文给一套五类清单加三步替换的做法，实测 20 份真实对话，机器漏 5 处、人工漏 11 处。

一句话结论

脱敏不是「把名字打码」，而是先建一张替换表，再让机器跑一遍、人补一遍、最后做一次反向识别测试。必须处理的五类是：人名与称谓、联系方式、证件与账号、精确位置、未公开的经营数字。实测 20 份对话里，正则能抓到的只有联系方式和证件两类，人名和称谓一处都抓不到，而最危险的信息是 11 处藏在描述里的细节——它们没有一个是敏感词，但读完就知道说的是谁。

这篇解决什么问题

三种情况最常见。一是把名字、电话删了，正文里还留着「我们那个只有两个店员的店」「上个月才搬到三号楼」，圈子里的人一看就知道是谁。二是替换做得太随意，同一个人在第二段叫「客户 A」、第四段叫「客户 B」，AI 当成两个人，摘要直接错。三是脱敏完就到处用，同一份文本贴进三个工具，事后根本说不清它躺在哪几处的历史记录里。

根子是把脱敏当成「删掉敏感词」，而它其实是「切断文本与真实身份之间的可推断链条」。去掉最粗的那一环，剩下的细线还能把人认出来。五步做完，你会拿到一张替换映射表、一份已脱敏文本和一张五项打勾的检查清单。

开始前要准备什么

• 一份真实的对话或工单原文：别用编的例子练，编的例子天然没有可推断的细节，练不出手感。挑已经结案的，避免边处理边泄露新信息。
• 一张两列的替换表：左边原文，右边占位符。这张表本身就是敏感文件，只存本地，绝不和正文一起贴出去。
• 一份固定占位符规则：同一实体全程一个编号，格式写死，比如 [客户1]、[门店1]、[金额1]。编号顺序按首次出现排，不按重要程度。

具体怎么做

第一步：先把实体归并，再谈替换

同一客户在对话里可能有七八种叫法：全名、姓加职务、昵称、亲属代称。替换之前先做一次归并——把指向同一实体的所有叫法列成一组，再给这一组分配一个占位符。不做归并直接替换，AI 会把一个人当成三四个不同的人，归并类任务的输出就全错了。

这是我的一段客户对话原文。请帮我做实体归并，不要改写内容：

请找出文中所有指向「同一个人」「同一家门店」「同一笔订单」的不同叫法，输出表格：
| 实体类型 | 占位符 | 文中出现的所有叫法 | 出现次数 |

规则：
1. 占位符格式固定为 [客户N]、[门店N]、[订单N]，N 按首次出现顺序；
2. 只做归并和列表，不要替换正文，不要总结内容；
3. 如果两处叫法你不确定是否同一人，单独列在「待人工确认」里，不要自己合并。

第二步：机器跑第一遍，只处理格式稳定的四类

机器擅长的是格式固定的东西：手机号、身份证号、银行卡号、邮箱、订单号。四类都有明确的字符规律，一条正则就能过。但规律写得糙就会漏：手机号中间加空格、写成全角数字、拆成「138 转 0013」，这三种都躲得过最朴素的写法。号码类正则要放宽到「允许中间夹空格和短横」，宁可误伤也要抓住。

请帮我写一组脱敏正则，用于处理中文客服对话，要求：

覆盖五类：手机号（允许中间有空格、短横、全角数字）、身份证号（15 位和 18 位）、银行卡号（16 到 19 位）、邮箱、订单号（字母加数字混合，长度 8 到 20）。

输出：
1. 每条正则的完整写法；
2. 每条配 3 个正例和 2 个容易漏的反例；
3. 说明每条可能误伤什么正常文本（比如长数字串被当卡号）；
4. 一个顺序建议：先跑哪条，为什么。

第三步：人补第二遍，专找「没有敏感词但能认人」的细节

这一步决定成败。要盯的不是名字和号码，而是能缩小到一个圈子的描述：门店数量、开业时间、楼层和朝向、家庭成员构成、独特的商品或服务组合、方言用词、内部才叫的代号。判断标准是一个提问：把这个圈子里的十个人找来，读完这段能不能指认出是谁。能，就得改。

这是一份已经替换过姓名和号码的对话。请帮我找「没有敏感词但能反推出身份」的细节：

请逐条列出，格式为：
| 原文片段 | 它能缩小到什么范围 | 建议改法 |

重点找这几类：
1. 数量类（几个店员、几家店、几年老客户）；
2. 时间类（开业时间、搬迁时间、某次具体事件）；
3. 位置类（楼层、朝向、附近标志物、交通方式）；
4. 组合类（只有这家会买的商品组合、特殊要求）；
5. 语言类（方言词、内部代号、只有同行才懂的简称）。

要求：不要改写成模糊的套话；给出改法时要保留原句想表达的意思，只把可识别的部分削弱。

第四步：做一次反向识别测试，让不知情的人猜

改完了自己看不出问题，因为你知道答案。找一个人，只给他脱敏后的文本，问三个问题：这段说的是哪个行业、大概什么规模、如果在你认识的人里挑，你会猜是谁。第三个问题只要能猜出两三个人，就还没到位。这一步花五分钟，比任何清单都直接。

这是一份脱敏后的文本，请你在不知道原文的情况下回答三个问题：

1. 这段描述的对象属于什么行业、什么规模（几个人、几家店）；
2. 文中的人大概是什么身份、和对方什么关系；
3. 如果要在你认识的人里猜，你会圈出几个候选，为什么是他们。

回答完再看：如果你能圈出具体候选，请指出是哪几处细节让你锁定范围的。

第五步：定死「这份脱敏文本能去哪」

脱敏后的文本仍然有风险，因为它保留了业务结构。所以还要定一条使用规则：哪一档脱敏可以进哪个工具、能不能存成历史、能不能给同事传。简单分两档够用：A 档只删姓名号码（可进内部系统、不进外部工具）；B 档连可推断细节一起削弱（可进外部工具、用完即删对话历史）。

我有一份脱敏检查清单，请帮我把它变成可执行的三层规则：

第一层：发出去之前必须打勾的项（不超过 8 项，每项能用是或否回答）；
第二层：这份文本允许去哪里（内部系统 / 外部工具 / 同事之间传阅），以及对应哪一档脱敏；
第三层：事后要做什么（清除对话历史、删除映射表、保留多久）。

输出成一张能贴在工位上的清单，语言尽量短。

实测记录

样本是 20 份已经结案的客服对话，平均每份 1,100 字。先做实体归并，20 份里共识别出 34 个客户实体、9 家门店实体。归并这一步就发现了问题：有 3 份对话里同一个人先后用了「张姐」「张女士」「客户本人」三种叫法，如果不归并直接替换，AI 会读成三个人，其中一份的「复购次数」被算成了 3 次，实际是 1 次。

机器那一遍用四类正则，跑了 20 份共 2.2 万字，命中 61 处（手机号 28、订单号 19、邮箱 9、身份证 5）。人工复核发现漏了 5 处手机号：两处写成「138 空格 0013 空格 4567」，一处全角，两处写成「尾号 4567 的那个号」。这 5 处最朴素的「11 位连号」正则一处都抓不到。

人名与称谓这一层机器完全无效。20 份里出现称谓 42 处（「张姐」「王总」「李工」这类），姓名 27 处，正则命中 0——中文称谓没有固定格式，只能人工过。

第三步的「可推断细节」是最有价值的发现：20 份里找出 11 处。举三个例子：一处写「我们那个只有两个店员的店」，圈定到极小范围；一处写「去年十月才从老市场搬过来」，配上门店类型就能锁定；一处写「只做周六上午的预约」，这在本地的同类门店里是唯一一家。这 11 处没有一处包含敏感词，全靠一个提问找出来：这个圈子里十个人读完，能不能指认是谁。

反向识别测试找了不相关的同事，20 份里有 4 份他能圈出候选，原因都是「行业加规模加独特服务」这个组合太窄；回改后复测降到 0 份。整套流程 20 份用了 3 小时 40 分钟，平均每份 11 分钟。

最容易错的 3 个地方

第一，先替换后归并。看到「张姐」就换成 [客户1]，看到「张女士」又换成 [客户2]，AI 读到的是两个人。归并必须在替换之前，而且归并要输出一张表，让你能看见哪些叫法被当成同一个人。

第二，只删敏感词，不削可推断细节。名字号码删干净，剩下「我们那个只有两个店员的店」——这句的杀伤力比名字大得多，它精确到能排除掉所有人。判断标准不是「有没有敏感词」，而是「圈子里十个人读完能不能指认」。

第三，映射表和正文一起贴出去。替换表本身就是一份完整的客户名单，把它和脱敏正文放在同一个对话框里，等于什么都没做。规矩写死：只存本地，用完就删。

可复用的东西

五类清单：人名与称谓、联系方式、证件与账号、精确位置、未公开的经营数字。前四类能靠工具半自动处理，第五类和「可推断细节」只能人工。

固定占位符：[客户N]、[门店N]、[订单N]，按首次出现编号，全篇一致。

一个反向测试问题：把这个圈子里的十个人找来，读完这段能不能指认是谁。能，就还没脱敏完。

两档脱敏：A 档只删姓名号码，只进内部系统；B 档连可推断细节一起削弱，才允许进外部工具，用完删历史。映射表只存本地、只存到任务结束，绝不与正文同时出现。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接