Anonimizacja PII · prywatność · praca z LLM
Zanonimizuj dokument,
zanim trafi do LLM-a.
pii.tools wykrywa 35 typów danych osobowych w polskich dokumentach — szczególnie prawnych i administracyjnych. Obsługuje tekst, PDF, DOCX, skany i obrazy; modele działają lokalnie w przeglądarce na WASM, z opcjonalnym WebNN/GPU. Oryginały i klucz anonimizacji zostają u Ciebie.
lokalnie
oryginały i klucz anonimizacji zostają w przeglądarce
tokeny
LLM dostaje tekst po anonimizacji
35
typów wykrywanych encji
PDF/DOCX
plus obrazy i skany z OCR
01 ·
jak to działa
Pięć rzeczy, które robi pii.tools.
Lokalna detekcja, wybór encji, edycja adnotacji, import plików z OCR i integracja z LLM-ami — wszystko w jednym narzędziu.
01
Działa lokalnie
Modele Transformers.js działają w przeglądarce. Oryginalne dokumenty i legenda anonimizacji zostają lokalnie — bez backendu do analizy i bez telemetrii.
02
Wybierz, co chronisz
Pełna kontrola nad każdą z 7 grup i 35 typów encji. Wyłącz to, co nieistotne dla Twojego przypadku — np. zostaw kwoty, zanonimizuj nazwiska.
03
Edytor adnotacji
Zaznacz brakujące encje, popraw fałszywe trafienia, dodaj własne. Każda adnotacja zachowuje token i typ przy deanonimizacji.
04
PDF, DOCX, obrazy — z OCR
Wklej tekst albo wrzuć pliki: PDF, DOCX, JPG, PNG, skany. Wbudowany OCR czyta zdjęcia i strony bez warstwy tekstowej. Tokeny są spójne między dokumentami — ta sama osoba dostaje ten sam token w całej paczce.
05
WebMCP dla LLM-ów
Połącz klienta MCP z narzędziem. LLM pracuje na tokenach, a oryginały i klucz anonimizacji zostają w przeglądarce.
gotowe do pracy
Otwórz narzędzie i zacznij.
Wklej, prześlij lub przeciągnij dokument. Modele ładują się raz — analiza działa lokalnie w przeglądarce.
02 ·
integracja
LLM pracuje na tokenach.
Klucz zostaje u Ciebie.
pii.tools wystawia pięć narzędzi MCP do klientów zgodnych z MCP — Claude Desktop, Cursor, własny agent. Sources to zanonimizowane dokumenty wejściowe, outcomes to odpowiedzi modelu — przez MCP przechodzi tekst po anonimizacji, bez legendy i bez oryginałów.
WebMCP — sources & outcomes w pętli z LLM-em
Wygeneruj token w kliencie MCP, wklej go w widget pii.tools. Od tego momentu klient MCP listuje i czyta zanonimizowane źródła, a swoje odpowiedzi zapisuje z powrotem w formie tokenów. Deanonimizacja zachodzi tylko w Twojej przeglądarce, tylko dla Ciebie.
sources →
list_sources
read_source
outcomes ↔
list_outcomes
read_outcome
write_outcome
1
Użytkownik wrzuca dokumenty — pipeline anonimizuje je lokalnie do sources
browser · wasm
2
LLM woła
list_sources / read_source — czyta tekst tokenizowanymcp
3
LLM zapisuje odpowiedź przez
write_outcome — nadal w formie tokenówmcp
4
Kolejne kroki agenta czytają poprzednie outcomes (
read_outcome) bez kontaktu z legendą PIImcp
5
Przeglądarka deanonimizuje outcome wyłącznie w UI — dla Ciebie, nie dla modelu
browser