匿名化資料
操作規範的 oai-trial 專案。請勿在此技能中複製其比對器、格式適配器、驗證器、結構或錯誤處理。專案現有的 argparse CLI 特意保留；此包裝器不添加 Python CLI 或服務。
設定與主要操作
ANONYMIZE_DATA_ROOT 會覆蓋上述預設的主要檢出目錄。設定需要 uv 並安裝專案所宣告的開發/發現擴展。執行時期操作不需要記憶體、提供者憑證、LLM、網路或資料庫服務。
./run.sh setup
./run.sh --input /data/exports --policy /data/policy.json --output /data/release
./run.sh anonymize --input /data/export.sqlite --policy /data/policy.json --output /data/release
輸入可以是單一 .csv、.json、.txt 或 .sqlite 檔案，或包含這些檔案的目錄。政策必須是一個獨立的常規檔案。在輸入目錄外部使用一個專用的空輸出目錄。原始檔案會被複製到私有的臨時快照中；成功的輸出僅包含 corpus/ 和 report.json。
現有的套件介面仍可使用：
./run.sh run --input /data/bundle --output /data/release
./run.sh verify --input /data/bundle --output /data/release
./run.sh inspect /data/release
一個套件包含 policy.json 和 corpus/。政策、規範識別碼、保護值規則、類型化失敗和報告結構屬於專案擁有。在解讀它們時，請閱讀專案的 README.md、docs/ANONYMIZATION_SEMANTICS.md 和 schemas/report.schema.json。不要僅根據退出碼就宣告成功：請閱讀實際報告，驗證其就緒狀態欄位，並檢查輸出是否為要求的格式。損壞或缺失的報告視為未就緒 (NOT READY)。
可選的 RapidFuzz 發現：絕非自動取代
./run.sh discover --input /data/exports --policy /data/policy.json --output /data/work/review.json
./run.sh approve-discovery --input /data/exports --policy /data/policy.json \
--review /data/work/review.json --approve CANDIDATE_ID --output /data/work/approved-policy.json
./run.sh --input /data/exports --policy /data/work/approved-policy.json --output /data/release
發現過程會將整個結構化字串值和整個文字行與 name 類型的政策條目進行比較。這不是 NLP 實體提取或一般的 PII 掃描器。預設值：相似度閾值 90，分離邊際 5；可使用 --threshold 和 --margin 進行配置。並列、接近並列、受保護的值、包含數字或標識符標點符號（例如 @、/、_）的值以及已知的字面量將不會被提出。在類似名稱的文字中允許使用撇號、連字號和句點；相似度永遠不是證明兩個人是同一人的證據。
要求操作者批准特定的候選 ID。 切勿僅根據相似度分數進行批准。批准會根據當前政策/語料庫重新推導提議，拒絕過時的/已編輯的審查，並編譯一個完全比對的政策。未經批准的提議永遠不會影響匿名化。在發現/批准收據上，release_ready: false 是強制性的。
審查和已批准的政策檔案包含原始名稱：請將它們保持在發行版、日誌和共享報告之外。它們以模式 0600 建立，且絕不會覆蓋現有檔案。臨時快照預設使用工件磁碟機；必要時可使用 ANONYMIZE_DATA_WORK_DIR 覆蓋。
Docker 仍然是獨立介面
從專案檢出目錄中執行：
docker build -t anonymization-trial .
docker run --rm anonymization-trial
# 可選的啟用發現功能的映像；預設映像保持精確引擎無依賴關係。
docker build --build-arg INCLUDE_DISCOVERY=1 -t anonymization-trial:discovery .
只掛載請求的唯讀輸入/政策目錄以及一個專用的輸出目錄。相同的專案 CLI 在映像內部執行；評估器不需要此技能。請參閱專案的 docs/DISCOVERY.md 以獲得完整的掛載命令範例。
失敗與證明邊界
此包裝器保留專案退出碼和清理過的錯誤碼。缺少專案/設定和錯誤的已安裝套件路徑會在處理開始前失敗。請使用 --help 獲取實際的引數合約。發現是審查材料，而非發行版、匿名保證、信心機率或人類授權。
./sanity.sh 執行真實的正向、負向和對抗性 CLI 檢查。保留的 fixtures/agentic_eval.json 重複這些檢查並需要工件回讀。先前的試驗資格不會自動使這些試驗後擴展符合資格。
表示形式規則（操作者，2026-09-11）
PII 必須根據值而非字串進行比對：在任何 JSON/SQL 標量未經更改地傳遞之前，先以標準方式將其字串化（電話格式的數字使用 E.164 形式），然後對字串化後的形式執行政策比對。測試夾具必須包含每種 JSON 標量類型中的每一類 PII。儲存為整數的電話號碼與格式化的電話號碼是相同的，包括當政策將其寫為格式化字串（例如 555-123-4567）而語料庫儲存為 5551234567 的情況。除非類型特定的標準規則能證明安全等價，否則前導零或浮點數精度損失的數值轉換必須以失敗關閉。請參閱 $best-practices-skills "值表示形式矩陣"。
強化教訓（請勿重新經歷這些困難）
該試驗因儲存為 JSON/SQLite 整數的電話通過了僅限字串的比對器而被取消資格。根本原因是流程錯誤：驗收檢查是根據程式碼的行為撰寫的，而非根據交付的規格。這些規則的存在是為了防止此類錯誤再次發生。
-
根據規格推導檢查，而非程式碼。
policy.json列出了確切的敏感值。正確的驗收檢查是「解碼後的輸出中，以任何表示形式，都不會出現這些值中的任何一個」——從政策檔案讀取值，絕不要使用手寫的清單。透過依賴性探測（翻轉一個政策值 → 結果必須翻轉）來證明檢查依賴於規格。參考實作：專案的scripts/spec_derived_check.py整合到scripts/verify.sh中。 -
獨立驗證器不得與轉換共用任何假設。 原始驗證器與生產者具有相同的僅限字串盲點，因此沒有什麼能以失敗關閉。驗證預言機必須具有表示形式意識且獨立：解析 JSON（解碼
\uXXXX），將數值標量展開為整數/小數形式，對兩側進行 NFC/NFD 正規化，掃描 SQLite 表格+檢視儲存格以及sqlite_masterDDL 以及每個標頭整數，並掃描整個已發佈的邊界，包括report.json——而不僅僅是corpus/。 -
完整的表示形式類別是一個檢查清單，而非單一錯誤。 以下每一項都可能攜帶敏感值通過天真的比對器；專案修復並為每一項保留了防護措施：類型化數值標量（int/float、科學記號）、SQLite BLOB（失敗關閉）、Unicode NFC/NFD、檢視重建、空閒串列殘留、敵意資料庫結構（表達式/部分索引、非確定性檢視、計算的 DEFAULT）、結構 DDL 字面量以及持久性標頭整數。請參閱專案的
docs/SECURITY_REMEDIATION.md以獲得完整表格。 -
透過真實的 Docker 路徑，確定性地證明它。 驗證必須是一個提交的腳本，用來建置映像、執行簡報的確切命令，並以硬性的 PASS/FAIL 退出碼回讀已發佈的位元組——而不是代理人的散文。參考資料：
security/docker_brief_contract.py（建置 + 兩個簡報命令 + 具有表示形式意識的漏洞掃描 + 輸入前提條件）和security/docker_hardening_matrix.py（透過docker run的對抗性漏洞）。記錄 git 提交和已建置的映像 ID。 -
誠實地界定範圍。 確定性的公共命名空間假名會揭露相等性/頻率，且不提供外部連結抵抗能力；執行報告在
key_mode和does_not_establish中說明了這一點。一個等於強制性 SQLite 格式常數的政策值是一個退化輸入，而非真正的 PII；管道會以失敗關閉處理它，且該殘留物被記錄為已界定範圍。