LLMask：用大语言模型改写写作风格，保护文本作者身份

LLMask是一款开源的命令行工具，利用大语言模型（LLM）改写文本的写作风格，实现作者身份匿名化。本文将介绍其技术原理、应用场景、使用方法及局限性等核心内容。项目由top-on维护，2024年1月17日创建于GitHub，持续更新。

在数字时代，每个人的写作有独特"指纹"，风格计量学可通过用词习惯、句式结构等识别作者身份。对记者、举报人等需保护身份的人来说，恶意分析者可利用该技术追踪，而对抗性风格计量学技术能帮助隐藏写作特征。

LLMask基于Python开发，通过深度改写句子结构和表达方式改变"风格指纹"，核心功能包括： 1.简化转换：将复杂文本改写成通俗易懂的表达； 2.塞拉风格：用正式/文学化词汇替换常见表达； 3.人格模仿：默认模仿海明威风格，可指定其他作者； 4.转换链：串联多种转换，实现深度改写。

LLMask设计简洁高效： -本地优先：默认用Ollama框架运行本地模型（如Nous Hermes2），数据不离开本地； -灵活API：支持兼容OpenAI API的远程服务，可指定自定义端点； -命令行界面：提供丰富选项（输入、转换链、人格、模型、随机性等）； -管道支持：可通过Unix管道处理大规模文本（如cat input.txt | llmask > output.txt）。

系统要求：普通CPU可运行，GPU加速提升速度，主要在Apple Silicon测试。 安装方式： 1.pipx安装：pipx install llmask 2.源码安装：git clone https://github.com/top-on/llmask.git && cd llmask && poetry install 快速开始： 1.启动Ollama服务：ollama serve 2.运行模型：ollama run nous-hermes2:10.7b-solar-q6_K 3.转换文本：llmask -v -i "这是一次巨大的成功，我要记录下来"

1.举报人保护：记者和举报人发布敏感信息前改写文本，降低被风格分析追踪风险； 2.学术写作辅助：研究人员改写草稿，探索不同表达方式或检查自我重复； 3.内容创作多样化：生成同一主题多种风格版本，适配不同受众和平台； 4.隐私意识教育：展示风格计量学风险，帮助用户理解写作风格如何暴露身份。

1.实验性质：尚无强证据表明能击败最先进去匿名化方法； 2.转换数量有限：当前仅实现有限转换类型； 3.长链转换问题：过长转换链可能导致LLM幻觉或输出质量下降； 4.敏感内容审查：某些敏感内容可能触发LLM安全审查，建议用未审查模型； 5.专有名词保留：当前版本不会自动移除或匿名化地点、人名等专有名词。

LLMask通过语义改写隐藏身份特征，改写后文本可读且语义完整，但机器难以关联原作者。未来发展方向包括：文件读写支持、混淆效果评估、GPTZero检测、测试套件。项目采用MIT许可证开源，欢迎社区贡献。