用途：对会话记录进行三层 PII（个人身份信息）检测与匿名化，适用于心理咨询、教练、咨询、辅导等场景，支持俄语和英语，默认完全本地运行，数据不离开本机。
主要能力：三层检测依次运行，互相补充。第 1 层 Natasha 识别俄语人名、地点、组织，约 27 MB，速度极快；第 2 层 OpenAI Privacy Filter（opf）识别电话、账号、地址、邮箱，约 2.8 GB，约 1.5 秒；第 3 层 Ollama LLM 识别药物、日期、上下文标识，约 2.5-7 GB，约 10 秒。各层结果合并、解决重叠后输出统一脱敏文本。每层均可选，缺失时脚本会跳过并警告。
使用方式：先安装依赖：pip install natasha setuptools pymorphy2-dicts-ru；pip install 'opf @ git+https://github.com/openai/privacy-filter.git'；ollama pull qwen3:4b。单文件处理：python3 ~/.claude/skills/therapy-anonymizer/scripts/anonymize.py session.txt。标准输入管道：cat session.txt | python3 ~/.claude/skills/therapy-anonymizer/scripts/anonymize.py。批量处理：python3 ~/.claude/skills/therapy-anonymizer/scripts/anonymize.py --batch ~/sessions/ -o ~/sessions_clean/。JSON 报告：加 --json；使用化名而非标签：加 --pseudonyms；选择层或模型：--layers natasha 或 --layers ollama --model gemma4:e2b；加密输出（AES-256）：-o clean.txt --encrypt "password"。在 Claude Code 中可管道调用：echo '<text>' | python3 ~/.claude/skills/therapy-anonymizer/scripts/anonymize.py --json。
限制：上下文标识（如“科斯特罗马唯一红发建筑师”）任何自动工具都无法检测；OPF 以英语为主，俄语覆盖不完整；药物仅由第 3 层检测（需 Ollama）；不评估非 PII 字段组合带来的重识别风险。护栏：绝不将原始记录发送到云服务；仅对已匿名化文本做云端验证；心理治疗数据始终建议人工复核；绝不记录原始 PII 值。