体检报告长什么样?逐项解读每个风险标签
体检报告(footprint report)是你上传 X(Twitter)归档、跑完一次数字足迹体检后看到的第一样东西。它把你几年的旧推文压缩成一个隐私健康分,外加一份被标记的高风险推文清单。问题是,大多数人打开报告,看到"手机号""定位""敏感话题"这类标签,却根本不知道哪个真要紧。这篇就把一份体检报告的每个板块拆开讲,把每个风险标签都翻译清楚,让你知道该清什么,而不是瞎猜。
一份体检报告到底由什么组成
报告完全由你的 X 数据导出文件在本机解析生成,不会再去 X 服务器拉任何新数据。真正有分量的是两个数字:0-100 的健康分(越高越安全),以及按标签分组统计的被标记推文数量。往下是你会花最多时间的逐条推文列表。整个过程都在本地,这也是隐私体检的核心。
体检报告解读:从上往下怎么看
按顺序读报告最省时间。头部是健康分和总标记数;分类汇总把标记分组,让你一眼看出风险集中在联系方式、定位还是内容;推文列表按严重程度排序,最危险的排在前面;最后是筛选栏,可以按标签、年份、关键词收窄范围。如果你已经知道要找什么,直接跳到筛选栏。
每个风险标签到底是什么意思
下面是各标签的含义,以及大致该担心的程度:
| 风险标签 | 抓到什么 | 典型风险 |
|---|---|---|
| 手机号 | 推文正文或图片里的电话号码 | 高——诈骗和垃圾信息的直接入口 |
| 邮箱 | 邮箱地址,包括已经弃用的 | 高——账号被盗风险 |
| 住址 | 家庭或公司地址 | 高——现实安全 |
| 定位 | 打卡、城市标签、出行帖 | 中——生活规律暴露 |
| 敏感话题 | 吐槽前公司、政治、身份相关内容 | 中——求职与名誉 |
这些标签是模式匹配出来的猜测,不是判决。一条"打我电话 555"的玩笑被标成"手机号",就是可以无视的误报;住址和邮箱的命中才是要认真处理的。
风险标签在 Twitter 上为什么专挑旧推文
报告标记出来的推文,绝大多数都是旧的。Twitter 把你的历史一直保留并能被搜索引擎索引,2015 年一条带旧住址的推文,今天照样能被 Google 搜到。所以报告翻出来的,往往是你早忘了发过的东西。风险标签盯的不是你现在发的,而是这些年一直公开挂在那里的历史。招聘者或陌生人能读到,而你完全不知道。
该先处理哪些
先动手机号、邮箱、住址这三类,它们是具体、可被利用的。定位次之,尤其是你发过固定日常路线的话。敏感话题帖在你求职或处在公众视角时最要紧,所以结合自己的情况权衡,别恐慌式全删。用筛选功能把真正危险的批量挑出来,剩下的再慢慢判断。
体检报告会删东西吗?
不会。报告是只读的,只告诉你有什么、风险多高。删除是另一个你主动选择的步骤,一条条来,随时能停。
报告能离线打开吗?
可以。解析在本机完成,不需要联网,报告也不会存到任何云端。
风险标签准吗?
够你行动,但不完美。模式匹配抓真实手机号和住址相当可靠,也会把玩笑式的引用一起标出来。清理前每条都看一眼。
我的报告会被别人看到吗?
不会。报告只存在你的浏览器内存和本机下载里,不上传,工具方也没有你归档的服务器副本。
想看看自己的体检报告长什么样?在 digital-footprint-health.shop 首页 上传你的 X 归档,几分钟拿到隐私评分和带标签的风险清单,全程在本机处理,数据不出你的电脑。
常见问题
数字足迹体检报告包含什么?
报告包含 0-100 健康评分、风险推文清单(按手机号/邮箱/地址/定位/敏感话题分类)、时间与关键词筛选器,以及清理优先级建议。
风险标签有什么区别?
🔴 高风险(手机号、住址、定位)直接影响现实安全与诈骗风险;🟡 中风险(敏感话题、身份信息)影响求职与名誉。
拿到报告后第一步做什么?
先清理 🔴 高风险类别(联系方式、住址、定位),再处理敏感话题;清理完成可重新解析归档复查分数变化。
检查你自己的 X/Twitter 数字足迹
免费本机扫描,你的归档永不离开电脑。
免费开始体检相关阅读
你的 X 账号有"数字足迹"吗?什么是隐私体检
你在 X(Twitter)上发过的每一条推文,都可能留下手机号、住址、定位等隐私痕迹——这就是你的"数字足迹"。数字足迹体检通过解析你的 X 数据归档,在本机生成 0-100 健康评分与风险清单。100% 本机处理,数据不出你的电脑。
如何删除 X (Twitter) 上的旧推文 — 2026 完整指南
想知道如何批量删除 X/Twitter 上那些陈年旧推文吗?本文详解 5 种方法,从手动删除到本地归档解析,帮你找到最安全高效的方案。
归档文件里到底有什么?tweets.js 大揭秘
X 数据归档解压后,tweets.js 是最重要的文件——里面是全部推文的结构化数据。本文拆解它的内部格式(window.YTD.tweets 数组、每条的 createdAt/full_text/entities 字段),以及它如何支撑隐私体检。