PrivAiTe
AI Skill Hub 强烈推荐：PrivAiTe 是一款优质的AI工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
PrivAiTe 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 PrivAiTe 的版本更新，及时通知重要功能变化。
📋 工具概览
PrivAiTe 是一款基于 Python 开发的开源工具，专注于 ai-gateway、anonymization、chatgpt-privacy 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
PrivAiTe 是一款基于 Python 开发的开源工具，专注于 ai-gateway、anonymization、chatgpt-privacy 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install privaite
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install privaite
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/crp4222/PrivAiTe
cd PrivAiTe
pip install -e .
# 验证安装
python -c "import privaite; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
privaite --help
# 基本用法
privaite input_file -o output_file
# Python 代码中调用
import privaite
# 示例
result = privaite.process("input")
print(result)
# privaite 配置文件示例（config.yml） app: name: "privaite" debug: false log_level: "INFO" # 运行时指定配置文件 privaite --config config.yml # 或通过环境变量配置 export PRIVAITE_API_KEY="your-key" export PRIVAITE_OUTPUT_DIR="./output"
PrivAiTe
A drop-in, self-hosted LLM proxy that reversibly redacts PII before it reaches the provider, including inside tool-call arguments and multimodal content, with zero telemetry.
Keep personal data out of your LLM calls. PrivAiTe is a local proxy that sits between your app and the model provider. It finds names, emails, phone numbers, cards, IBANs, secrets and more, swaps them for stand-ins before anything leaves your machine, and puts the real values back in the reply. It does this across message text, tool-call arguments, and multimodal content, which is where most tools stop looking. Detection runs on your machine and nothing phones home. By default it runs the full ONNX suite, so it also catches secrets and passwords, not just the easy regex entities. Point any OpenAI-compatible client at it.
You type: "Je m'appelle Marie Dupont, email marie@acme.com"
LLM sees: "Je m'appelle <PERSON_1>, email <EMAIL_ADDRESS_1>"
LLM says: "Bonjour <PERSON_1>, votre email <EMAIL_ADDRESS_1> est noté."
You see: "Bonjour Marie Dupont, votre email marie@acme.com est noté."This is local pseudonymization, not anonymization, and detection is best-effort rather than a guarantee. You remain the data controller. The Threat model spells out exactly what it protects against and what it does not.
What's NOT detected by default
The default onnx preset does detect personal addresses (as LOCATION) and personal URLs (as URL) through the Privacy Filter model, and replaces them. What stays off by default are Presidio's broad recognizers for those types, because they cause heavy false positives:
- Generic place names (the Presidio LOCATION recognizer): "Paris" or "London" on their own aren't PII, and spaCy flags ordinary words ("Kubernetes", "Saturday") as locations. The
onnxpreset keeps this recognizer off and relies on the model's context-aware address detection instead. - The Presidio URL regex: it matches code like
logging.getLoggerbecause.geis a valid TLD. Theonnxpreset keeps it off, and the model still catches genuine personal URLs.
On the light preset (Presidio only), addresses and URLs are not detected. Secrets and passwords are detected only by the onnx preset. Any recognizer can be turned on in the YAML config.
1. Install
pip install -e .
python -m spacy download en_core_web_lg
python -m spacy download fr_core_news_mdThe default onnx preset downloads its model the first time the proxy starts. Want the lighter, faster path with no model download? Set preset: "light" in your config.
Docker
docker compose up -dQuick start
2. Configure
cp .env.example .env
cp config/privaite.example.yaml config/privaite.yamlEdit .env with your API keys and config/privaite.yaml with your LLM providers.
Configuration
API
OpenAI-compatible:
| Endpoint | Description |
|---|---|
POST /v1/chat/completions | Chat (streaming + non-streaming) |
POST /v1/completions | Text completions |
POST /v1/embeddings | Embeddings (anonymized, no de-anonymization) |
GET /v1/models | List configured models |
GET /health | Health check |
GET /ready | Readiness check |
GET /stats | PII detection stats per session |
Alternatives
Keeping PII out of LLM calls is a crowded space, and PrivAiTe is not always the right pick. Based on each project's public docs as of June 2026:
- LiteLLM has a built-in Presidio guardrail, the natural choice if you already run the LiteLLM proxy and want PII handling inline (there are a few open bugs around scrubbing requests and responses).
- Managed/cloud options exist too, such as Microsoft PII Shield and LangChain's gateway redaction.
Where PrivAiTe differs: it anonymizes PII inside tool-call arguments and multimodal content, not just message text (LangChain's gateway docs, for instance, note that tool-call arguments are not scanned), it restores the original values in the response, and it ships a reproducible benchmark. If your traffic is agentic or multimodal, that gap is the reason this exists.
PrivAiTe 是一个专注于隐私保护的 AI 工具，旨在通过高效的脱敏技术，在利用大语言模型（LLM）的同时保护敏感数据。该项目支持多种预设模式，能够平衡隐私保护强度与识别准确度，为开发者提供安全的数据处理能力。
PrivAiTe 默认通过 Privacy Filter 模型识别并替换个人地址（LOCATION）和个人 URL（URL）。为了降低误报率（False Positives），系统默认���会启用 Presidio 中过于宽泛的识别器（如识别普通的城市名“Paris”或“London”），确保在保护隐私的同时，不会过度干扰数据的语义完整性。
您可以通过 pip 进行本地安装：执行 `pip install -e .` 并下载必要的 spacy 模型。若需使用默认的 onnx 预设，系统会在首次启动代理时自动下载模型。若追求更轻量、更快速且无需下载模型的体验，请在配置中将 `preset` 设置为 "light"。此外，您也可以通过 Docker Compose 实现快速部署：使用 `docker compose up -d` 命令即可完成容器化启动。
项目提供了快速启动指南，帮助开发者通过简单的指令快速接入 PrivAiTe 的隐私保护能力，实现从数据输入到脱敏输出的完整流程。
在使用前，请先通过 `cp` 命令将 `.env.example` 复制为 `.env`，并将示例配置文件复制为正式的 `config/privaite.yaml`。您需要在 `.env` 文件中配置相关的 API keys，并在 `config/privaite.yaml` 中指定您所使用的 LLM providers，以确保服务能够正确连接到后端模型。
PrivAiTe 提供与 OpenAI 兼容的 API 接口，支持多种交互模式。包括支持流式与非流式输出的 `POST /v1/chat/completions` 聊天接口、用于文本补全的 `POST /v1/completions` 接口，以及专门用于处理匿名化 Embedding 的 `POST /v1/embeddings` 接口。此外，您还可以通过 `GET /v1/models` 接口查看当前已配置的模型列表。
一个有用的开源AI工具，保护聊天记录隐私
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：PrivAiTe 提供官方镜像，docker compose up 一键启动
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +BSD-3-Clause 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ BSD 3-Clause — 宽松协议，可商用修改分发，禁止使用原作者名称进行背书宣传。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，PrivAiTe 是一款质量优秀的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | PrivAiTe |
| 原始描述 | 开源AI工具：Drop-in self-hosted LLM proxy that reversibly redacts PII before OpenAI, ChatGPT。⭐9 · Python |
| Topics | ai-gatewayanonymizationchatgpt-privacydata-masking |
| GitHub | https://github.com/crp4222/PrivAiTe |
| License | BSD-3-Clause |
| 语言 | Python |
收录时间：2026-07-02 · 更新时间：2026-07-03 · License：BSD-3-Clause · AI Skill Hub 不对第三方内容的准确性作法律背书。