先脱敏，再审阅：我常用的混合工作流

把敏感文档直接丢给云端大模型，最省事，也最容易出问题。更稳的做法，是先用本地小模型做脱敏和结构整理，再把处理后的文本交给云端模型做理解、归纳和建议。

1. 先做什么

第一步不是总结，而是识别敏感信息：姓名、电话、地址、合同号、金额、账号、项目代号。

本地小模型适合做两件事：

  • 标出敏感字段
  • 把原文改写成“可理解、不可识别”的版本

比如把“张三，身份证号……，签约金额 12.8 万”改成：

  • 当事人 A
  • 身份信息已隐藏
  • 金额区间保留，具体数值脱敏

2. 再交给云端大模型

云端模型负责：

  • 梳理合同结构
  • 找出权责不对称的条款
  • 生成风险提示清单
  • 输出给业务同事能看懂的版本

这一步的关键是：让模型看见模式，而不是看见隐私。

3. 我会怎么串起来

一个简单的流程就够用：

1. 本地读取原文

2. 本地模型识别并替换敏感字段

3. 输出脱敏版文本

4. 云端模型做审阅

5. 人工最终确认

如果你的文档量不大，这套流程甚至可以手动跑通；一旦有批量需求，就很适合接到脚本里。

4. 为什么这比“直接审阅”更稳

它的价值不只是隐私保护，还有两个现实好处：

  • 上下文更干净：云端模型不会被一堆无关身份信息干扰
  • 结果更容易复用：脱敏后的模板可以沉淀成固定流程

结尾

真正成熟的 AI 工作流，不是把所有问题都交给一个大模型，而是让不同层做不同的事。下一步你可以试试：把“脱敏”“分类”“审阅”拆成三个独立节点，看看整个流程会不会更稳定。