Local-First 的纯静态 AI 工作流工具，如何优雅处理敏感 Key 的本地安全？

各位 V 友，

最近在做一款纯前端运行、无服务端依赖的轻量级可视化 AI 工作流编排器：PatchCat

打包后只有几 MB 纯静态资源，支持本地/局域网部署（丢在 NAS 、软路由或 OpenWrt 路由器上点开即用），数据和 DAG 拓扑全走浏览器端 LocalStorage/IndexedDB ，自带 Key （ BYOK ）直连模型。

• 做轻的初衷：希望保持真正的 Local-First 和轻量家用，不用专门开一台 NAS 或常开主机拉 Docker/数据库，不给用户增加任何运维心智负担；

• 但明文存储又心存顾虑：

  • 虽然 LocalStorage 本身有浏览器沙箱隔离，但如果放在公用电脑、或者借给他人使用时，明文 Key 几乎没有防窥能力；
  • 编排工具经常需要导入外部社区分享的工作流 JSON ，明文存储容易让整套环境缺乏纵深防御；
  • 想要在多设备间轻量同步配置，明文导出会带来二次泄漏隐患。

想向有类似开发经验的同学真诚请教：

• 单人/家用场景下，仅靠 Web Crypto API + Master Password （主口令）本地解密注入 是否就已经足够优雅？
• 还是说为了真正的安全隔离，必须引入一层极轻量的 Edge Proxy （如 Cloudflare Workers ）来托管 Key 和注入 Header ？但这样是否又偏离了“纯静态、零服务端依赖”的初衷？

想听听大家的选型经验与权衡