把 AI 写的东西发出去之前，我先让机器扫一遍：零依赖发布前自检脚本 #WorkBuddy#

我上了年纪，电脑水平一般，用 AI 助手干活有两个月了。前面写了几篇怎么让它替我填表单、怎么让它出报告，这篇换个方向——讲一件更吓人的事：AI 帮你写出来的东西，本身可能是新的泄密口。

这话不是吓唬人，是我自己踩出来的。

一、出事那天

我平时让 AI 帮我写点小脚本，抓数据、填表、生成报告这类。有一次脚本跑完，终端里刷出来一行日志，是它自己加的调试输出，长这样：

已加载凭据：开头 eyJ，后面跟着一百多个看不懂的字符

后面还跟着一长串。我当时没反应过来，还挺高兴，觉得它干得挺细致。后来才想明白：那串东西叫 accessToken，等同于账号密码。 谁拿到它，就能以我的身份去调接口、花我的额度、看我的会话记录。

更要命的是，那次我正在写一篇准备发到公开社区的文章，正文里要贴一段脚本。AI 很贴心地把我本地脚本"脱敏"了一遍再贴进去——它把 token 改成了「前 15 位 + 省略号 + 后 8 位」。看着挺专业对吧？其实这等于没脱。后 8 位虽然不能直接用，但配上前面那段，就是给人家递了个把手；再说，把"我们内部是这么处理的"写进公开文章，等于教别人犯错。

那天这篇稿子最后没发出去，是我自己又读了一遍捞出来的。事后我一身冷汗：如果那天我懒一点，直接点了发布呢？

二、我试过三种办法，都不行

第一种：自己用眼睛看。

最开始的办法。看一次要十几分钟，眼睛在几百行里找几个可疑词，跟大海捞针一样。而且看着看着就麻了，越看越觉得"应该没问题"。人眼做这种重复筛查，天生就不靠谱。

第二种：让 AI 自己检查它写的东西。

我试过跟它说"把全文检查一遍，有没有敏感信息"。它每次都回"检查完毕，未发现问题"，态度还特别好。

这个办法有个致命的逻辑错误：让它检查它自己，等于让嫌疑犯自查。 它不是不认真，是它的注意力在语义上，不在字符上——它觉得"前 15 后 8"已经是脱敏了，所以报没问题。它没错，是它的标准跟我想要的不一样。

第三种：写个正则扫一遍正文。

这个进了一大步，我用了好几天。但扫到第三次就发现一个大窟窿：

正则扫的是正文，扫不到代码块。

我那篇文章里嵌了四段 Python。正文里的敏感词我全清干净了，可代码块里还留着旧版本的实现——就是那个"只露前 15 后 8"的脱敏函数。正文的扫描规则够不着它。结果正文干干净净，代码里明明白白写着怎么泄露。

这就是我最想说的一点：只要你的文章里有代码，代码就是独立的风险面，得单独过一遍。

三、最后定下来的办法：本地脚本，五道关

我现在的规矩是：任何要发出去的东西——文章、代码、日志、报错信息——落盘之后、发出去之前，先跑一遍这个脚本。

几个原则我先说清楚，这些比代码本身重要：

• 零依赖。 不装任何第三方库，标准库就够。装库这件事本身就有供应链风险，为一个安检脚本再引一个包，不划算。
• 只读。 脚本只读文件，绝不修改、绝不删除、绝不联网。安检员不该有手。
• 敏感词不写在脚本里。 这一点我单独说，因为我自己在这上面翻过车。

脚本拆成五关：

关卡，查什么，为什么

第 1 关，中文字数（不含代码块），平台有字数门槛，不够直接不过审

第 2 关，代码块围栏配对、语言标识，围栏落单会把后半个页面全吞成代码

第 3 关，脱敏扫描，正文和代码块分别报，代码块是独立风险面

第 4 关，占位符残留，留着"（此处配图）"的文章看着就残

第 5 关，头尾标签，平台靠标签认活动文章，少了不计分

核心代码在下面，直接复制就能用。

# -*- coding: utf-8 -*-

"""

外发自检 —— 发布/分享之前跑一遍

用法： python 外发自检.py 你的文件.md

零依赖，只读，不联网，不改动任何文件。

"""

import re, sys, json, os

FENCE = chr(96) * 3 # 三个反引号组成的代码围栏标记（用变量，避免在正文里出现裸字符）

# 规则放外部文件，脚本本身不写具体敏感词

RULES_FILE = "外发规则.json"

DEFAULT_RULES = {

    "系统用户名路径": r"[A-Za-z]:\\+Users\\+[^\\\s\"']+",

    "手机号": r"(?<!\d)1[3-9]\d{9}(?!\d)",

    "邮箱": r"[\w.+-]+@[\w-]+\.[\w.]+",

    "令牌JWT": r"eyJ[A-Za-z0-9_-]{10,}",

    "键值型密钥": r"(?i)(api[_-]?key|secret|passwd|password|token)\s*[:=]\s*['\"][^'\"]{8,}"

}

PLACEHOLDERS = ["此处配图", "待补充", "TODO", "XXX占位", "（图）"]

def load_rules():

    if os.path.exists(RULES_FILE):

        return json.load(open(RULES_FILE, encoding="utf-8"))

    return DEFAULT_RULES

def split_code(text):

    """把正文和代码块拆开，分别返回。"""

    body, code, in_code = [], [], False

    for line in text.splitlines():

        if line.strip().startswith(FENCE):

            in_code = not in_code

            continue

        (code if in_code else body).append(line)

    return "\n".join(body), "\n".join(code)

def main(path):

    if not os.path.exists(path):

        print("文件不存在：", path); return 1

    text = open(path, encoding="utf-8").read()

    body, code = split_code(text)

    rules = load_rules()

    fail = []

    # 第 1 关 中文字数（不含代码块）

    cn = len(re.findall(r"[\u4e00-\u9fff]", body))

    print(f"[1] 中文字数(不含代码)：{cn}", "OK" if cn >= 1500 else "不足")

    if cn < 1500: fail.append("字数不足")

    # 第 2 关 围栏配对

    fences = re.findall("^" + FENCE + r"(\w*)\s*$", text, re.M)

    opens = [f for i, f in enumerate(fences) if i % 2 == 0]

    if len(fences) % 2:

        print("[2] 围栏数为奇数，有落单的围栏"); fail.append("围栏未配对")

    elif any(f == "" for f in opens):

        print("[2] 有代码块没标语言"); fail.append("缺语言标识")

    else:

        print(f"[2] 代码块 {len(opens)} 段，配对正确")

    # 第 3 关 脱敏（正文、代码分开报）

    for name, pat in rules.items():

        in_body = len(re.findall(pat, body))

        in_code = len(re.findall(pat, code))

        if in_body or in_code:

            fail.append(f"{name}：正文 {in_body} 处 / 代码 {in_code} 处")

    print("[3] 脱敏：", "；".join(fail) if fail else "干净")

    # 第 4 关 占位符

    ph = [p for p in PLACEHOLDERS if p in text]

    print("[4] 占位符残留：", ph if ph else "无")

    if ph: fail.append("有占位符")

    # 第 5 关 头尾标签

    first = text.splitlines()[0] if text.splitlines() else ""

    last = [l.strip() for l in text.strip().splitlines() if l.strip()][-1]

    tag_ok = first.endswith("#WorkBuddy#") and last == "#WorkBuddy#"

    print("[5] 头尾标签：", "OK" if tag_ok else "缺失")

    if not tag_ok: fail.append("头尾标签缺失")

    print("\n" + ("=" * 40))

    print("结论：", "可以发" if not fail else "先别发，上面这些还没过")

    return 0 if not fail else 2

if __name__ == "__main__":

    sys.exit(main(sys.argv[1] if len(sys.argv) > 1 else ""))

四、最阴的一个坑：检测词表本身会泄密

第一版脚本我写得很实在，把要查的东西直接列在代码里：真实昵称、常住的城市名、用过的平台账号、内部的项目代号，一行一个，清清楚楚。

用了没两天我就反应过来——这个脚本我是要贴到文章里的。 词表一贴出去，等于我自己把"我叫什么、住哪个城市、买了什么"报了一遍。安检员自己成了泄密源，挺讽刺的。

改法很简单：词表从脚本里搬出去，放到一个外部的 JSON 文件，脚本只负责读。JSON 不往外发，谁也看不到。

{

  "系统用户名路径": "[A-Za-z]:\\+Users\\+[^\\\s\"']+",

  "令牌JWT": "eyJ[A-Za-z0-9_-]{10,}",

  "你的真实昵称": "这里写只有你自己知道的词",

  "你的常住地": "这里写具体的城市名",

  "内部项目代号": "这里写不方便公开的名称"

}

脚本找不到这个文件，就用内置的通用规则（手机号、邮箱、令牌、键值型密钥那几条）；找到了就并上你自己的。这样脚本能公开，家底不公开。

顺带说一句，这个坑还有个变种：日志。 脚本跑的时候别把命中内容打印出来，只报"第几行、哪一类、命中几处"就够了。我见过不少脚本，扫出问题就把原文整段 echo 出来——本来只有一处泄密，一打印变成两处。

五、我踩过的坑，整理成一张表

坑，表现，怎么躲

让 AI 检查它自己，每次都回"未发现问题"，检查必须独立于生成，用本地脚本

只扫正文不扫代码，旧的不安全实现藏在代码块里，正文和代码块分开统计、分开报

只露"前 15 后 8"，看着像脱敏，实际仍属泄露，要么全隐藏，要么只报"已加载"

敏感词写在脚本里，脚本一贴，家底全出去了，词表放外部 JSON，脚本只读不写死

日志打印命中内容，扫一次泄一次，只报行数与类型，不打印原文

靠眼睛看，看十几分钟就麻了，交给脚本，人只做最后的判断

六、值不值得

算笔账。写这个脚本我花了大概四十分钟，中间还返工了一次（就是词表泄密那次）。

从那以后，每次外发前跑一遍，五秒钟出结果。这两个多月我发了七八篇东西，跑过二十来次自检，抓出来过四次真问题：两次是代码块里的旧实现，一次是文章里混进了系统用户名路径，一次是字数不够。

四次里面任意一次漏出去，后面的麻烦都比四十分钟大得多——尤其是用户名路径那种，发出去就收不回来了。

更实在的收益是心态。以前每次点发布之前我都要犹豫半天，生怕哪里没看清；现在跑一遍脚本，看到"可以发"三个字，手就敢按下去了。把不确定变成确定，这是这个脚本最大的用处。

七、说两句实在话

用 AI 这段时间，我最大的体会不是它有多能干，而是它的能干和它的风险是同一件事的两面。它能帮你写出一堆脚本，也就意味着它能把不该写的东西写进去；它记得住你的习惯和偏好，也就意味着它手里握着你的信息。

我不是说不能用，我自己天天在用。我是说，越顺手的工具，越要在出口处加一道闸。 这道闸不用多复杂，一个几十行的本地脚本就够，关键得是独立的、确定的、不联网的。

如果你也经常把 AI 写的东西发出去，建议照着这个思路弄一个。不用抄我的代码，按你自己的情况改——你怕什么漏出去，就把什么写进那张词表里。

最后提醒一句：脚本跑出来"干净"，不代表可以不过脑子。 它只能查你事先想到的东西，想不到的它查不出来。最终拍板的还得是人。

�