用途：对已脱敏输出做残余重识别风险审计，配合 confide:anon 使用，先脱敏再运行 red。
主要能力：单体识别（离线确定性，重跑 detect_regex 及可用的 detect_natasha，统计残留标识符类型）；可链接性（对文件夹内文件两两比较共享准标识符，标记可能可链接的文件对）；推断（可选，需 --inference，调用本地攻击模型 cfg.red_attacker_model 列出仍可推断的属性类别，无模型时优雅降级）。
风险分级：HIGH 为任何直接标识符残留（EMAIL、PHONE、URL、ID、PERSON）；MEDIUM 为仅准标识符残留（LOCATION、ORG、DATE、AGE、PROFESSION、MEDICATION）或存在跨文件可链接对；LOW 为未发现残留标识符，但仍不保证安全。
用法： python3 skills/red/scripts/red.py path/to/file.green.md python3 skills/red/scripts/red.py path/to/redacted_dir/ python3 skills/red/scripts/red.py path/to/file.green.md --inference python3 skills/red/scripts/red.py path/to/file.green.md --json
输出：按文件、按类型的残留标识符计数、总体风险等级、推断类别（若探测）、可链接对数量，以及“未发现不等于安全、仍需人工复核”的提示。不输出 PII 值，也不给出重识别步骤。
限制：仅可用于用户自己的脱敏输出；若被要求去匿名化或重识别第三方/未同意数据应拒绝。默认本地攻击者；--inference 仅限合成或明确同意的数据。报告只给风险类别与计数，不提供重识别配方或猜测隐藏值。弱检测器只是下限而非上限，结果可能低估风险。