← 返回重点项目
查看 GitHub 项目

xiaYuTian11/maskit

一句话定位

LLM 终端侧本地隐私脱敏与还原网关——出网前自动打码、入网时 SSE 流式无感还原，100% 本地零遥测，支持 Cursor / Claude Code / Codex / Pi / OpenCode / ChatGPT 等任意可配 Base URL 的 LLM 工具。

它解决的问题

2025-2026 年 LLM Coding Agent 大爆发，但每次调用都把代码原文发送到远端模型服务——其中可能含数据库连接串（mysql://root:***@192.168.1.50:3306/db）、私有 IP（10.x / 172.16.x / 192.168.x）、API Key（sk-proj-... / ghp_... / 云厂商 AccessKey / JWT / PEM 私钥）、手机号、身份证、企业内部代号等高危信息。企业开发者用 Cursor / Claude Code 写代码时几乎不可能逐条人工过滤。maskit 把「出网打码 + 入网还原 + 工具通用 + 本地部署」打包成透明网关，让 LLM 工具在保留能力的同时不泄露敏感数据。

为什么值得关注（2026-09-12）

热度来源判断

LLM Coding Agent 在 2026 年渗透企业研发全流程，但"代码含凭据"是真痛点——尤其政企 / 金融 / 医疗场景不可能接受原始代码外发。maskit 直击这一痛点，且技术形态成熟（mitmproxy 是 HTTPS MITM 业界标准；Tauri 桌面壳跨平台完整；SSE 流式还原是合理工程实现）。热度来源是「LLM Coding Agent 渗透率 × 企业合规刚需 × 跨工具通用 × 零遥测」四因素叠加。fork/star 16.8% 偏高企服信号，但 AGPL-3.0 也会劝退一部分商业闭源集成方——这是双向筛选。热度真实且具长期价值，但能否进入"基础设施"取决于是否被 IDE / Coding Agent 工具官方接入或内置。

关键技术亮点

  1. mitmproxy MITM 改写：HTTPS 中间人拦截请求体，按规则把数据库连接串 / 内网 IP / API Key / 手机号 / 身份证 / 业务词替换为结构化占位符（如 [DB_CONN_1] / [PRIVATE_IP_2] / [API_KEY_3]）
  2. SSE 流式还原：模型回答流式到达（SSE 协议）时按占位符表毫秒级还原成原文；用户感知不到脱敏存在
  3. 跨 LLM 工具通用：任意可配 Base URL 的工具都可用——Cursor / Claude Code / Codex / Pi / OpenCode / ChatGPT 等
  4. 桌面 + Docker 双形态：Tauri 桌面壳（Windows / macOS）+ Docker 镜像（amd64 / arm64）；CI 完整（GitHub Actions badge 亮）
  5. 结构化占位符：占位符是结构化 token 而非随机字符串——方便模型在脱敏后仍能理解代码语义
  6. 100% 本地零遥测：README 明示无任何外发统计；符合 GDPR / 个人信息保护法对"最小化外发"的要求

架构师速览

决策问题 研究判断 证据边界
系统边界 LLM 客户端 ↔ 远端模型服务之间的透明 MITM 网关；Tauri 桌面壳或 Docker 部署；中间件形态，不替代 LLM 工具本身 仅基于 README 与 GitHub 元数据；mitmproxy 证书安装、Tauri 进程隔离、Docker 端口映射未在档案中给出实现细节
主路径 LLM 工具 → 出站请求 → mitmproxy 拦截 → 占位符替换 → 远端 LLM 服务 → 流式 SSE 响应 → 占位符还原 → LLM 工具 主路径为 README 描述语义；占位符映射表持久化、并发会话隔离、还原顺序保证均待核验
关键权衡 隐私脱敏完整度 vs 模型对脱敏后代码的理解精度 vs 流式还原延迟 vs AGPL-3.0 与商业 fork 兼容性 档案明示 AGPL-3.0 与跨工具通用两点权衡；脱敏准确率 benchmark、流式还原延迟基准均未公开
最小 PoC 在单 LLM 工具（建议 Claude Code）配 Base URL 指 maskit 网关；上传一段含真实凭据的代码让 Agent 重构；检查 (a) 出网请求体是否打码 (b) 回答流是否还原 (c) 代码重构质量是否显著下降 PoC 范围与退出路径由档案"先单渠道、最小化外发、可审计"原则推导；具体脱敏规则可调、模型影响 A/B 指标待核验
依赖与红线 依赖 mitmproxy（TLS 中间人证书需用户在 LLM 客户端信任）；AGPL-3.0 禁止修改后闭源分发；任何中间人网关对企业 IT 都是审计对象 依赖与红线均来自 README + GitHub 元数据；mitmproxy 证书风险、AGPL-3.0 企业内集成影响需 IT 法务独立确认

架构图（MMD）

证据边界：此图只采用本档案已有可核验描述；“待核验”节点不应视为项目实现事实。

flowchart LR
  LLMClient[LLM 工具
Cursor / Claude Code / Codex / Pi / OpenCode / ChatGPT]
  LLMClient -->|HTTPS 出站请求| MITM[mitmproxy 网关
Tauri 桌面壳或 Docker]
  MITM -->|规则匹配占位符替换| MaskTable[占位符映射表
本地持久化]
  MITM -->|脱敏后请求体| Remote[远端 LLM 服务
OpenAI / Anthropic / DeepSeek / 自托管]
  Remote -->|SSE 流式响应| MITM
  MITM -->|占位符还原| LLMClient
  MITM -.本地零遥测.-> NoExternal[无外部统计上报]
  LLMClient -.用户感知不到脱敏.-> User[开发者]
  MITM -.审计风险边界.-> Audit[企业 IT 中间人网关审计]

架构启发

maskit 的核心启发是 「隐私保护不应是 LLM 工具的责任，而应是中间件的责任」——把脱敏 / 还原做成透明网关，让 LLM 工具和远端服务都不知道中间存在。这样 LLM 工具保持原有 UX、企业保留原有合规边界、用户无需关心凭据过滤。更深层的启发是「结构化占位符 vs 随机字符串」的设计选择——结构化 token 让模型在脱敏后仍能理解代码语义，是关键的工程 trick。最值得借鉴的是「跨工具通用」的产品哲学——不绑定单家 LLM 工具，让用户保留选择权。

定位判断

平台候选型项目（LLM 隐私基础设施）。 maskit 不是单纯的 PII 替换工具，而是把「出网打码 / 入网还原 / 工具通用 / 本地部署」四件事打包成产品。它是 LLM 工具链里"隐私侧"的标准件，类比 SaaS 服务的 zero-trust 网关、API 调用的 API Gateway。能否进入"基础设施"取决于：(a) 是否被 IDE / Coding Agent 工具官方接入或内置（最高优先级）；(b) AGPL-3.0 是否被企业接受（决定商业 fork 空间）；(c) 脱敏准确率与模型影响是否公开 benchmark（决定技术信任度）。当前定位是"最有影响力的本地隐私 LLM 网关"，向基础设施演进是合理路径。

风险 / 局限 / 泡沫点

与同类项目的关系

是否值得持续跟踪

值得跟踪（LLM 隐私基础设施候选）。 maskit 解决了 LLM Coding Agent 时代最关键的合规痛点，且技术形态成熟、产品形态完整（桌面 + Docker）。对企业 / 政企 / 金融 / 医疗场景的 LLM 工具集成方，这是必看项目。建议关注：(a) 是否被 IDE / Coding Agent 工具官方接入（决定基础设施地位）；(b) 脱敏准确率与模型影响是否公开 benchmark（决定技术信任度）；(c) 占位符映射表持久化与备份机制（决定企业采用门槛）；(d) AGPL-3.0 是否会调整为更友好的 dual license（决定商业生态）。

后续观察点

首次记录：2026-09-12