OpenMed 异步 Python API 实战指南在 FastAPI 与批量场景中安全使用 asyncio 包装器【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmedOpenMed 为阻塞式 Python API 提供了一等公民的协程包装器aextract_pii、adeidentify、aanalyze_text、abatch它们在 asyncio 的 worker 线程池中运行既有同步实现从而让应用事件循环在模型推理或批量处理期间始终保持响应。本文以 docs/async-api.md 为骨架结合 openmed/aio.py、openmed/init.py 与 tests/unit/test_async_api.py 的源码实现系统讲解这些包装器的设计原理、FastAPI 集成方式、批量并发控制与优雅关闭策略帮助你写出现场可用的异步去标识化服务。一、异步 API 的设计定位与核心机制OpenMed 的异步封装遵循一个简单而明确的原则不重新实现任何推理逻辑只负责把阻塞调用安全地移出事件循环线程。同步版本的全部能力PII 实体提取、多种去标识化方法、临床文本分析、批量处理都被原样保留异步层只提供await语法糖。1.1 包装器与同步实现的对应关系四个顶层懒加载导出与同步实现的映射如下见 docs/async-api.md 与 openmed/init.py 中的_LAZY_IMPORTS异步包装器同步实现默认模型关键默认值openmed.aextract_pii(...)openmed.extract_pii(...)OpenMed/OpenMed-PII-SuperClinical-Small-44M-v1confidence_threshold0.5、use_smart_mergingTrueopenmed.adeidentify(...)openmed.deidentify(...)同上methodmask、confidence_threshold0.7、use_safety_sweepTrueopenmed.aanalyze_text(...)openmed.analyze_text(...)disease_detection_superclinicaloutput_formatdict、sentence_detectionTrueopenmed.abatch(...)openmed.process_batch(...)—对任意可调用操作max_concurrencyNone不设上限默认模型与默认阈值可直接在 openmed/aio.py 与各包装器签名中核实extract_pii、deidentify的完整参数契约见 openmed/core/pii.py 与 openmed/core/pii.py。1.2 每个包装器接受相同参数、返回相同结果这是异步 API 最核心的契约参数签名与同步函数完全一致返回值类型也完全一致异常原样传播。测试 tests/unit/test_async_api.py 用inspect.signature逐一断言了三个包装器与同步 API 的签名相等并验证了aextract_pii返回的就是同步的PredictionResult实例def test_async_wrappers_match_sync_signatures(): assert inspect.signature(openmed.aextract_pii) inspect.signature(openmed.extract_pii) assert inspect.signature(openmed.adeidentify) inspect.signature(openmed.deidentify) assert inspect.signature(openmed.aanalyze_text) inspect.signature(openmed.analyze_text)这意味着你可以在同步与异步调用之间自由切换迁移代码时无需调整任何参数、默认值或结果字段只需在调用前加上await。1.3 懒加载导入 openmed 不会触碰 asyncio一个值得注意的工程细节是懒加载。import openmed本身既不会导入asyncio也不会导入openmed.aio模块更不会创建事件循环——只有当你首次访问某个a*辅助函数时.aio模块才会被加载见 docs/async-api.md 与 openmed/init.py 的__getattr__实现。测试 tests/unit/test_async_api.py 在一个独立子进程中验证了这一点probe ( import sys; import openmed; assert asyncio not in sys.modules; assert openmed.aio not in sys.modules ) subprocess.run([sys.executable, -c, probe], checkTrue)因此纯同步的程序不会因为import openmed而背上任何 asyncio 开销只有真正使用异步 API 时才付出这一成本。二、快速上手第一个 await 调用最简单的用法是直接把同步调用替换为带await的异步版本import openmed result await openmed.adeidentify( Synthetic patient Casey Example called 555-0100., methodmask, ) print(result.deidentified_text)该调用在 worker 线程中执行完整的 PII 检测与掩码化流程返回的DeidentificationResult与同步deidentify完全一致。由于是协程运行环境需要 iscoroutine 上下文如asyncio.run、FastAPI 路由或 Jupyter 的await。关于method参数的取值可在 openmed/core/pii.py 查看到完整的DeidentificationMethod字面量类型DeidentificationMethod Literal[ mask, # 默认用占位符掩码如 [NAME] aadhaar_mask, # Aadhaar 号专用掩码 remove, # 直接移除实体 replace, # 用指定文本替换 hash, # 哈希化 shift_dates, # 日期偏移需配置偏移参数 format_preserve, # 保留格式的替换 ]异步包装器adeidentify的参数默认值methodmask、confidence_threshold0.7、use_safety_sweepTrue与同步deidentify保持一致因此可以直接await openmed.adeidentify(text)获得与同步一致的行为。三、FastAPI 集成不阻塞服务器事件循环当推理保持本地设备端/内网运行、且调用方希望避免阻塞服务器事件循环时这些包装器非常适合放在异步路由里见 docs/async-api.md 的 FastAPI 示例from fastapi import FastAPI from pydantic import BaseModel import openmed app FastAPI() class RedactionRequest(BaseModel): text: str app.post(/redact) async def redact(request: RedactionRequest) - dict[str, str]: result await openmed.adeidentify( request.text, methodmask, use_safety_sweepTrue, ) return {text: result.deidentified_text}在把上面的路由投入生产之前文档明确给出了三条硬性纪律绝不记录敏感内容不要记录请求文本、模型输出或包含源值的异常。异常与日志是 PHI 泄漏的高发通道这一点与仓库整体的 no-PHI 日志约束一脉相承相关文档见 docs/operations/no-phi-telemetry.md。复用预热好的 loader在持续流量下应为每个进程复用同一个ModelLoader通过loader参数传入避免反复加载模型权重。施加应用级并发上限为请求设置并发限制防止无界请求造成 worker 压力具体手段见下文「批量并发」与「取消与关闭」两节。四、批量并发abatch 的顺序保持与并发上限对多个相互独立的输入abatch是推荐的并发工具。它有两个核心保证按输入顺序返回结果、可选并发上限。4.1 基本用法from openmed import abatch, aextract_pii results await abatch(aextract_pii, [Synthetic note one, Synthetic note two])results中的每一项与输入一一对应顺序不变。abatch的operation参数既可以是异步包装器如aextract_pii也可以是任意同步可调用对象——同步操作会被自动通过asyncio.to_thread调度到 worker 线程见 openmed/aio.py因此这个辅助函数同样适用于原有同步 API 的批量并发。4.2 设置并发上限 max_concurrency当模型会话较大或输入集合很大时建议传入max_concurrency对同时调度的操作数量施加硬性边界results await abatch( aextract_pii, [Synthetic note one, Synthetic note two], max_concurrency2, )从实现看openmed/aio.pymax_concurrency的取值必须是正整数bool也会被拒绝否则抛出ValueError(max_concurrency must be positive)当限制值大于等于输入数量时退化为一次性并发。真正有界时abatch使用固定数量的 worker 协程轮流取任务next_index索引游标而不是为每个输入创建独立事件循环任务——测试 tests/unit/test_async_api.py 验证了 50 个输入在max_concurrency3下峰值事件循环任务数不超过 4。4.3 输入物化与敏感值保护abatch有两个隐藏的行为细节输入迭代在事件循环线程之外完成values await asyncio.to_thread(tuple, items)会把惰性迭代器在 worker 线程中物化成元组避免生成器/迭代器在事件循环线程中产生阻塞见 openmed/aio.py。测试 tests/unit/test_async_api.py 断言迭代器确实运行在非调用线程。迭代失败不会泄露敏感值如果输入迭代过程抛异常abatch统一包装为ValueError(items could not be read)原始异常内容可能包含敏感文本不会被透传。测试 tests/unit/test_async_api.py 用含敏感标记的RuntimeError验证了这一点。这两点对医疗文本尤其重要任何异常路径都不应回显患者数据。五、取消与优雅关闭协作式预算的正确姿势5.1 取消的边界asyncio的Task.cancel()语义在 OpenMed 的异步包装器面前有一个明确的边界取消正在等待的任务只会停止等待结果却无法强制停止已经在 worker 线程中运行的同步函数见 docs/async-api.md 的「Cancellation and shutdown」一节。这是因为 Python 线程无法被外部强制中断——被取消后worker 线程中的推理仍会跑完只是其结果不再被接收。因此文档给出的策略是不要依赖取消来做资源回收而要用有界的工作量 优雅关闭。5.2 用 RequestBudget 给请求上「保险丝」OpenMed 提供了RequestBudget见 openmed/core/budget.py作为每请求的协作式资源预算它是「有界工作」的标准实现。两个独立维度max_wall_time秒墙钟时间上限用time.perf_counter测量max_input_chars字符数输入长度上限在进入模型推理前就拒绝超长输入。预算的检查是协作式的BudgetClock.check()只在安全的检查点如 pipeline 阶段之间、batch 项之间被调用超限时干净地抛出BudgetExceededError——不杀线程、不破坏部分状态。extract_pii内部在入口即调用budget.check_input_length(len(text), checkpointextract_pii.input_guard)见 openmed/core/pii.py超长输入在推理前就被拦截。隐私方面预算对象与BudgetExceededError从不捕获原始输入文本或 PHI——错误只携带计数、限额与检查点名称见 openmed/core/budget.py 的模块文档。coerce_budget同时接受RequestBudget实例、包含max_wall_time/max_input_chars键的映射或None。在异步包装器中传入预算即可实现对长任务的软性超时控制import asyncio import openmed from openmed.core.budget import RequestBudget async def redact_with_budget(text: str) - str: budget RequestBudget(max_wall_time30.0, max_input_chars200_000) result await openmed.adeidentify(text, methodmask, budgetbudget) return result.deidentified_text5.3 优雅关闭让在途调用完成关闭进程时不要依赖asyncio.run()的取消语义去「掐断」推理。正确做法是停止接收新请求等待已提交的在途 worker 调用自然完成它们是有界的待所有调用返回或达到预算上限被BudgetExceededError终止后再退出解释器。由于每个请求都被RequestBudget或应用级并发限制约束为有界工作整个关闭过程的时间上限是可控的。六、源码级原理_run_sync 与懒加载解析最后用两张源码地图收束全文方便你继续深入阅读。异步调度的核心链路openmed/aio.pydef _resolve_sync_export(name: str) - Callable[..., Any]: import openmed return getattr(openmed, name) def _call_sync(name: str, args: tuple[Any, ...], kwargs: dict[str, Any]) - Any: return _resolve_sync_export(name)(*args, **kwargs) async def _run_sync(name: str, *args: Any, **kwargs: Any) - Any: return await asyncio.to_thread(_call_sync, name, args, kwargs)可以看到同步导出是在worker 线程内才被解析的_call_sync内部调用getattr(openmed, name)这保证懒加载解析本身也不会阻塞事件循环线程。测试 tests/unit/test_async_api.py 专门断言了解析动作运行在非调用线程。懒加载导出的注册表openmed/init.py_LAZY_IMPORTS { aanalyze_text: .aio, abatch: .aio, adeidentify: .aio, aextract_pii: .aio, ... }四个异步入口全部指向.aio模块并在 openmed/init.py 的__all__中作为公开导出aio模块自身的__all__openmed/aio.py也正是这四个函数。后续如需确认某个参数的行为直接对照同步实现openmed/core/pii.py 中的extract_pii/deidentifyopenmed/init.py 中的analyze_text即可——异步层不会引入任何参数语义差异。七、小结与使用清单OpenMed 的异步 API 是对同步实现的一次「零语义损耗」封装同样的参数、同样的返回类型、同样的异常不同之处只在于阻塞调用被调度到了 asyncio worker 线程池。落地使用时请遵守以下清单使用await openmed.adeidentify(...)/aextract_pii(...)/aanalyze_text(...)替代同步调用签名无需改动在 FastAPI 异步路由中直接await并通过loader复用预热模型、通过应用级信号量/限流控制并发批量场景用abatch(operation, items, max_concurrencyN)结果顺序有保证max_concurrency必须是正整数永远不要记录请求文本、模型输出或含源值的异常取消只停等待、不停线程——用RequestBudget(max_wall_time..., max_input_chars...)让每次推理有界并在关闭进程时等待在途 worker 调用完成涉及去标识化方法选择时参考DeidentificationMethod的 7 种取值mask/aadhaar_mask/remove/replace/hash/shift_dates/format_preserve按合规需求选用。这些辅助函数只负责卸载阻塞工作不替代临床决策——请始终与同步 API 使用相同的本地模型与隐私配置。【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OpenMed 异步 Python API 实战指南：在 FastAPI 与批量场景中安全使用 asyncio 包装器
OpenMed 异步 Python API 实战指南在 FastAPI 与批量场景中安全使用 asyncio 包装器【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmedOpenMed 为阻塞式 Python API 提供了一等公民的协程包装器aextract_pii、adeidentify、aanalyze_text、abatch它们在 asyncio 的 worker 线程池中运行既有同步实现从而让应用事件循环在模型推理或批量处理期间始终保持响应。本文以 docs/async-api.md 为骨架结合 openmed/aio.py、openmed/init.py 与 tests/unit/test_async_api.py 的源码实现系统讲解这些包装器的设计原理、FastAPI 集成方式、批量并发控制与优雅关闭策略帮助你写出现场可用的异步去标识化服务。一、异步 API 的设计定位与核心机制OpenMed 的异步封装遵循一个简单而明确的原则不重新实现任何推理逻辑只负责把阻塞调用安全地移出事件循环线程。同步版本的全部能力PII 实体提取、多种去标识化方法、临床文本分析、批量处理都被原样保留异步层只提供await语法糖。1.1 包装器与同步实现的对应关系四个顶层懒加载导出与同步实现的映射如下见 docs/async-api.md 与 openmed/init.py 中的_LAZY_IMPORTS异步包装器同步实现默认模型关键默认值openmed.aextract_pii(...)openmed.extract_pii(...)OpenMed/OpenMed-PII-SuperClinical-Small-44M-v1confidence_threshold0.5、use_smart_mergingTrueopenmed.adeidentify(...)openmed.deidentify(...)同上methodmask、confidence_threshold0.7、use_safety_sweepTrueopenmed.aanalyze_text(...)openmed.analyze_text(...)disease_detection_superclinicaloutput_formatdict、sentence_detectionTrueopenmed.abatch(...)openmed.process_batch(...)—对任意可调用操作max_concurrencyNone不设上限默认模型与默认阈值可直接在 openmed/aio.py 与各包装器签名中核实extract_pii、deidentify的完整参数契约见 openmed/core/pii.py 与 openmed/core/pii.py。1.2 每个包装器接受相同参数、返回相同结果这是异步 API 最核心的契约参数签名与同步函数完全一致返回值类型也完全一致异常原样传播。测试 tests/unit/test_async_api.py 用inspect.signature逐一断言了三个包装器与同步 API 的签名相等并验证了aextract_pii返回的就是同步的PredictionResult实例def test_async_wrappers_match_sync_signatures(): assert inspect.signature(openmed.aextract_pii) inspect.signature(openmed.extract_pii) assert inspect.signature(openmed.adeidentify) inspect.signature(openmed.deidentify) assert inspect.signature(openmed.aanalyze_text) inspect.signature(openmed.analyze_text)这意味着你可以在同步与异步调用之间自由切换迁移代码时无需调整任何参数、默认值或结果字段只需在调用前加上await。1.3 懒加载导入 openmed 不会触碰 asyncio一个值得注意的工程细节是懒加载。import openmed本身既不会导入asyncio也不会导入openmed.aio模块更不会创建事件循环——只有当你首次访问某个a*辅助函数时.aio模块才会被加载见 docs/async-api.md 与 openmed/init.py 的__getattr__实现。测试 tests/unit/test_async_api.py 在一个独立子进程中验证了这一点probe ( import sys; import openmed; assert asyncio not in sys.modules; assert openmed.aio not in sys.modules ) subprocess.run([sys.executable, -c, probe], checkTrue)因此纯同步的程序不会因为import openmed而背上任何 asyncio 开销只有真正使用异步 API 时才付出这一成本。二、快速上手第一个 await 调用最简单的用法是直接把同步调用替换为带await的异步版本import openmed result await openmed.adeidentify( Synthetic patient Casey Example called 555-0100., methodmask, ) print(result.deidentified_text)该调用在 worker 线程中执行完整的 PII 检测与掩码化流程返回的DeidentificationResult与同步deidentify完全一致。由于是协程运行环境需要 iscoroutine 上下文如asyncio.run、FastAPI 路由或 Jupyter 的await。关于method参数的取值可在 openmed/core/pii.py 查看到完整的DeidentificationMethod字面量类型DeidentificationMethod Literal[ mask, # 默认用占位符掩码如 [NAME] aadhaar_mask, # Aadhaar 号专用掩码 remove, # 直接移除实体 replace, # 用指定文本替换 hash, # 哈希化 shift_dates, # 日期偏移需配置偏移参数 format_preserve, # 保留格式的替换 ]异步包装器adeidentify的参数默认值methodmask、confidence_threshold0.7、use_safety_sweepTrue与同步deidentify保持一致因此可以直接await openmed.adeidentify(text)获得与同步一致的行为。三、FastAPI 集成不阻塞服务器事件循环当推理保持本地设备端/内网运行、且调用方希望避免阻塞服务器事件循环时这些包装器非常适合放在异步路由里见 docs/async-api.md 的 FastAPI 示例from fastapi import FastAPI from pydantic import BaseModel import openmed app FastAPI() class RedactionRequest(BaseModel): text: str app.post(/redact) async def redact(request: RedactionRequest) - dict[str, str]: result await openmed.adeidentify( request.text, methodmask, use_safety_sweepTrue, ) return {text: result.deidentified_text}在把上面的路由投入生产之前文档明确给出了三条硬性纪律绝不记录敏感内容不要记录请求文本、模型输出或包含源值的异常。异常与日志是 PHI 泄漏的高发通道这一点与仓库整体的 no-PHI 日志约束一脉相承相关文档见 docs/operations/no-phi-telemetry.md。复用预热好的 loader在持续流量下应为每个进程复用同一个ModelLoader通过loader参数传入避免反复加载模型权重。施加应用级并发上限为请求设置并发限制防止无界请求造成 worker 压力具体手段见下文「批量并发」与「取消与关闭」两节。四、批量并发abatch 的顺序保持与并发上限对多个相互独立的输入abatch是推荐的并发工具。它有两个核心保证按输入顺序返回结果、可选并发上限。4.1 基本用法from openmed import abatch, aextract_pii results await abatch(aextract_pii, [Synthetic note one, Synthetic note two])results中的每一项与输入一一对应顺序不变。abatch的operation参数既可以是异步包装器如aextract_pii也可以是任意同步可调用对象——同步操作会被自动通过asyncio.to_thread调度到 worker 线程见 openmed/aio.py因此这个辅助函数同样适用于原有同步 API 的批量并发。4.2 设置并发上限 max_concurrency当模型会话较大或输入集合很大时建议传入max_concurrency对同时调度的操作数量施加硬性边界results await abatch( aextract_pii, [Synthetic note one, Synthetic note two], max_concurrency2, )从实现看openmed/aio.pymax_concurrency的取值必须是正整数bool也会被拒绝否则抛出ValueError(max_concurrency must be positive)当限制值大于等于输入数量时退化为一次性并发。真正有界时abatch使用固定数量的 worker 协程轮流取任务next_index索引游标而不是为每个输入创建独立事件循环任务——测试 tests/unit/test_async_api.py 验证了 50 个输入在max_concurrency3下峰值事件循环任务数不超过 4。4.3 输入物化与敏感值保护abatch有两个隐藏的行为细节输入迭代在事件循环线程之外完成values await asyncio.to_thread(tuple, items)会把惰性迭代器在 worker 线程中物化成元组避免生成器/迭代器在事件循环线程中产生阻塞见 openmed/aio.py。测试 tests/unit/test_async_api.py 断言迭代器确实运行在非调用线程。迭代失败不会泄露敏感值如果输入迭代过程抛异常abatch统一包装为ValueError(items could not be read)原始异常内容可能包含敏感文本不会被透传。测试 tests/unit/test_async_api.py 用含敏感标记的RuntimeError验证了这一点。这两点对医疗文本尤其重要任何异常路径都不应回显患者数据。五、取消与优雅关闭协作式预算的正确姿势5.1 取消的边界asyncio的Task.cancel()语义在 OpenMed 的异步包装器面前有一个明确的边界取消正在等待的任务只会停止等待结果却无法强制停止已经在 worker 线程中运行的同步函数见 docs/async-api.md 的「Cancellation and shutdown」一节。这是因为 Python 线程无法被外部强制中断——被取消后worker 线程中的推理仍会跑完只是其结果不再被接收。因此文档给出的策略是不要依赖取消来做资源回收而要用有界的工作量 优雅关闭。5.2 用 RequestBudget 给请求上「保险丝」OpenMed 提供了RequestBudget见 openmed/core/budget.py作为每请求的协作式资源预算它是「有界工作」的标准实现。两个独立维度max_wall_time秒墙钟时间上限用time.perf_counter测量max_input_chars字符数输入长度上限在进入模型推理前就拒绝超长输入。预算的检查是协作式的BudgetClock.check()只在安全的检查点如 pipeline 阶段之间、batch 项之间被调用超限时干净地抛出BudgetExceededError——不杀线程、不破坏部分状态。extract_pii内部在入口即调用budget.check_input_length(len(text), checkpointextract_pii.input_guard)见 openmed/core/pii.py超长输入在推理前就被拦截。隐私方面预算对象与BudgetExceededError从不捕获原始输入文本或 PHI——错误只携带计数、限额与检查点名称见 openmed/core/budget.py 的模块文档。coerce_budget同时接受RequestBudget实例、包含max_wall_time/max_input_chars键的映射或None。在异步包装器中传入预算即可实现对长任务的软性超时控制import asyncio import openmed from openmed.core.budget import RequestBudget async def redact_with_budget(text: str) - str: budget RequestBudget(max_wall_time30.0, max_input_chars200_000) result await openmed.adeidentify(text, methodmask, budgetbudget) return result.deidentified_text5.3 优雅关闭让在途调用完成关闭进程时不要依赖asyncio.run()的取消语义去「掐断」推理。正确做法是停止接收新请求等待已提交的在途 worker 调用自然完成它们是有界的待所有调用返回或达到预算上限被BudgetExceededError终止后再退出解释器。由于每个请求都被RequestBudget或应用级并发限制约束为有界工作整个关闭过程的时间上限是可控的。六、源码级原理_run_sync 与懒加载解析最后用两张源码地图收束全文方便你继续深入阅读。异步调度的核心链路openmed/aio.pydef _resolve_sync_export(name: str) - Callable[..., Any]: import openmed return getattr(openmed, name) def _call_sync(name: str, args: tuple[Any, ...], kwargs: dict[str, Any]) - Any: return _resolve_sync_export(name)(*args, **kwargs) async def _run_sync(name: str, *args: Any, **kwargs: Any) - Any: return await asyncio.to_thread(_call_sync, name, args, kwargs)可以看到同步导出是在worker 线程内才被解析的_call_sync内部调用getattr(openmed, name)这保证懒加载解析本身也不会阻塞事件循环线程。测试 tests/unit/test_async_api.py 专门断言了解析动作运行在非调用线程。懒加载导出的注册表openmed/init.py_LAZY_IMPORTS { aanalyze_text: .aio, abatch: .aio, adeidentify: .aio, aextract_pii: .aio, ... }四个异步入口全部指向.aio模块并在 openmed/init.py 的__all__中作为公开导出aio模块自身的__all__openmed/aio.py也正是这四个函数。后续如需确认某个参数的行为直接对照同步实现openmed/core/pii.py 中的extract_pii/deidentifyopenmed/init.py 中的analyze_text即可——异步层不会引入任何参数语义差异。七、小结与使用清单OpenMed 的异步 API 是对同步实现的一次「零语义损耗」封装同样的参数、同样的返回类型、同样的异常不同之处只在于阻塞调用被调度到了 asyncio worker 线程池。落地使用时请遵守以下清单使用await openmed.adeidentify(...)/aextract_pii(...)/aanalyze_text(...)替代同步调用签名无需改动在 FastAPI 异步路由中直接await并通过loader复用预热模型、通过应用级信号量/限流控制并发批量场景用abatch(operation, items, max_concurrencyN)结果顺序有保证max_concurrency必须是正整数永远不要记录请求文本、模型输出或含源值的异常取消只停等待、不停线程——用RequestBudget(max_wall_time..., max_input_chars...)让每次推理有界并在关闭进程时等待在途 worker 调用完成涉及去标识化方法选择时参考DeidentificationMethod的 7 种取值mask/aadhaar_mask/remove/replace/hash/shift_dates/format_preserve按合规需求选用。这些辅助函数只负责卸载阻塞工作不替代临床决策——请始终与同步 API 使用相同的本地模型与隐私配置。【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考