下载

Skill UI

浏览并发现 15856+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索 PII ，共找到 21 条记录

默认排序最新上传最多下载

Azure AI文本分析Python客户端

azure-ai-textanalytics-py

sickn33/antigravity-awesome-skills

这是一个用于访问Azure AI语言服务能力的Python SDK。它提供了全面的自然语言处理（NLP）功能，包括情感分析、命名实体识别（NER）、关键短语提取、语言检测和个人身份信息（PII）检测等。适用于构建复杂的文本分析应用和数据处理流程。

Azure AI文本分析Python客户端

azure-ai-textanalytics-py

sickn33/antigravity-awesome-skills

这是一个用于访问Azure AI语言服务能力的Python SDK。它提供了全面的自然语言处理（NLP）功能，包括情感分析、命名实体识别（NER）、关键短语提取、语言检测和个人身份信息（PII）检测等。适用于构建复杂的文本分析应用和数据处理流程。

LangChain生产环境就绪度清单

langchain-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

这是一份全面的LangChain应用程序生产环境就绪度清单。它系统性地覆盖了从配置管理、错误处理、可观测性（如LangSmith）、性能优化、安全加固（防止提示注入、处理PII）到严格测试和部署策略等多个维度，帮助开发者确保AI应用具备高可靠性和可维护性，适用于应用上线前或现有系统的审计。

AI智能体数据处理与合规指南

lindy-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一套全面的指南，用于管理AI智能体工作流中的数据。内容涵盖数据分类（包括PII和PHI）、提示词控制、安全记忆使用以及数据隔离技术。帮助用户确保在使用AI代理处理敏感或受监管数据时，能够符合GDPR、HIPAA、CCPA等全球法规要求。

LLM可编程安全防护

nemo-guardrails

Orchestra-Research/AI-Research-SKILLs

NVIDIA 的 NeMo Guardrails 为 LLM 应用提供运行时安全机制，通过 Colang 2.0 可编程规则实现越狱检测、自查输入输出、事实核查、PII 屏蔽与毒性过滤，便于在 T4 生产环境中部署。

Perplexity数据处理与优化

perplexity-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在管理Perplexity搜索工作流中的复杂数据流。它实现了关键的安全功能，如查询中的个人身份信息（PII）脱敏，用于验证外部引用源的准确性，通过设置数据新鲜度策略进行结果缓存优化，并管理对话上下文，确保AI应用的健壮性、合规性与高可靠性。

Perplexity API安全防护与使用策略

perplexity-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

本教程提供了Perplexity Sonar API的完整安全防护机制。它涵盖了查询内容审核、个人信息脱敏、用户使用配额限制、模型等级控制，以及来源引用质量评分，旨在构建一套安全、合规、可靠的AI应用流程。

AWS Macie数据敏感信息分类

implementing-aws-macie-for-data-classification

mukul975/Anthropic-Cybersecurity-Skills

Amazon Macie是AWS提供的全托管服务，它利用机器学习和模式匹配技术，用于发现、分类和保护存储在Amazon S3中的敏感数据（如PII、财务信息和凭证）。该工具能自动识别多种敏感数据类型，帮助用户进行深入的云数据防泄漏和合规审计。

自动化GDPR数据主体访问权处理

implementing-gdpr-data-subject-access-request

mukul975/Anthropic-Cybersecurity-Skills

本工具提供端到端的GDPR数据主体访问请求（DSAR）自动化解决方案。它涵盖身份验证、利用正则表达式和NER在不同数据源（数据库、文件）中发现个人身份信息（PII），并将数据映射到GDPR第15条要求的七大信息点，从而确保合规且可审计地响应数据主体请求。

LLM护栏：输入输出安全防护

implementing-llm-guardrails-for-security

mukul975/Anthropic-Cybersecurity-Skills

用于为大型语言模型（LLM）应用添加安全护栏。它能拦截和验证用户输入（如提示注入、敏感信息）和模型输出（如幻觉、有害内容），确保内容符合预设的业务规则和Schema。适用于构建安全、可靠的聊天机器人或RAG系统。

敏感信息泄露检测

data-leakage-detection

Tencent/AI-Infra-Guard

这是一个用于安全审计的框架，旨在系统性地检测大型语言模型（LLM）是否存在敏感信息泄露。它通过分阶段、递进式的对话探针，测试和捕获包括系统提示词、API密钥、个人身份信息（PII）以及内部配置等多种敏感数据。适用于红队测试和模型安全评估。

大型语言模型安全防护层

anth-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

该技能提供了一套完整的AI应用级安全防护机制。它用于增强与Claude等大型语言模型API的集成安全性，覆盖输入数据（如PII检测、长度）校验、系统提示词（Scope）限制、输出结果敏感信息过滤、成本预算控制以及模型访问权限管理，确保AI应用的可靠性和合规性。

语言