本文へ移動
cccskills
無料GitHub で公開

bootstrap-ai-data-compliance

律师驱动的 AI 数据合规冷启动工作流:律师描述 AI+产业合规需求后,Skill 四步引导完成冷启动——产业信息收集 → 知识库构建 → 数据流图与评估报告 → 以《生成式AI行业网络数据安全风险评估工作手册》为指引的进企调研前文件包。

适用于内部律师或 AI 协作代理快速搭建任意 AI 产业(客服/知识助手/营销生成/合同审查/医疗等)的数据合规项目;不用于自动出具正式法律意见、绕过律师复核、未经授权开展外部检索或处理非本项目数据。

インストール方法を見る

含まれるファイル(51)

  • SKILL.md11.0 KB
  • agents/openai.yaml314 B
  • assets/dfd-scenes/ai-companion-dataflow.json6.1 KB
  • assets/dfd-scenes/retail-ecommerce-dataflow.json4.0 KB
  • assets/dfd-scenes/retail-ecommerce.json2.8 KB
  • assets/field-extensions.json14.4 KB
  • assets/fontconfig-word-render.xml297 B
  • assets/intake-questions/generic.json3.5 KB
  • assets/intake-questions/retail-ecommerce-customer-service.json2.1 KB
  • assets/model/generic-industry-model.schema.json7.4 KB
  • assets/profiles/bci-medical-ai.json5.3 KB
  • assets/profiles/customer-service-agent.json5.5 KB
  • assets/profiles/internal-knowledge-assistant.json5.4 KB
  • assets/profiles/marketing-generation.json6.3 KB
  • assets/profiles/retail-ecommerce-customer-service.json17.7 KB
  • assets/project-template.json326 B
  • assets/word-style.json630 B
  • LICENSE1.0 KB
  • README.md5.1 KB
  • references/delivery-standard.md1.1 KB
  • references/evidence-schema.md1.1 KB
  • references/harness-contract.md1.3 KB
  • references/profile-bci-medical-ai.md426 B
  • references/profile-customer-service-agent.md292 B
  • references/profile-internal-knowledge-assistant.md252 B
  • references/workflow-and-gates.md1.4 KB
  • scripts/common.py12.2 KB
  • scripts/dataflow_builder.py24.1 KB
  • scripts/dfd_builder.py17.6 KB
  • scripts/flow.py89.7 KB
  • scripts/generic_render.mjs1.2 KB
  • scripts/generic_v4_renderer.mjs18.6 KB
  • scripts/orthogonal_router.mjs5.6 KB
  • scripts/processmap_builder.py13.7 KB
  • scripts/run_acceptance.py12.0 KB
  • scripts/run_coldstart_acceptance.py5.6 KB
  • scripts/run_stability.py9.9 KB
  • scripts/validate_config.py7.1 KB
  • scripts/validator.py14.3 KB
  • scripts/verify_geometry.py4.3 KB
  • scripts/word_builder.py66.0 KB
  • vendor/diagram-design/assets/example-data-flow-full.html15.5 KB
  • vendor/diagram-design/assets/example-data-flow.html12.5 KB
  • vendor/diagram-design/assets/template.html3.2 KB
  • vendor/diagram-design/LICENSE1.0 KB
  • vendor/diagram-design/references/output-spec.md10.7 KB
  • vendor/diagram-design/references/style-guide.md8.5 KB
  • vendor/diagram-design/references/type-data-flow.md20.8 KB
  • vendor/diagram-design/scripts/self_check.py16.4 KB
  • vendor/diagram-design/SKILL.md36.9 KB
  • vendor/diagram-design/VENDORED.md1.9 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

AI数据合规冷启动(四步工作流 v0.3.0-candidate)

工作方式:四步冷启动

--target 语义:所有命令的 --target 均指向项目根目录(任意空目录即可,如 ./projects/ai-companion);工作区为 <target>/ai_compliance/。不要传 ai_compliance 子目录本身,否则会嵌套一层。

律师收到 AI+产业合规需求后,按以下四步引导完成冷启动:

第一步:产业信息收集(对话式引导)

  1. 律师用自然语言描述产业工作流程(业务用例、数据来源、模型供应商、用户范围等)。
  2. Skill 按问题集逐项询问,补充缺失信息:
    • python scripts/flow.py intake --target <项目目录> --question-set <产业> --project-id <编号>
    • python scripts/flow.py intake-record --target <项目目录> --question-id <编号> --answer <回答>
  3. 信息足够(必填问题答完)或律师表示"没有更多信息"时收口:
    • python scripts/flow.py intake-close --target <项目目录>
    • 收口后生成 intake.json,作为后续所有步骤的事实基础。

第二步:构建知识库(引用复用)

  1. 从原论文库/实务文章库/法律法规库按产业关键词筛选,生成引用索引(不复制文件):
    • python scripts/flow.py kb-build --target <项目目录>
  2. 产业特有资料引导律师补充:
    • python scripts/flow.py kb-add --target <项目目录> --collection <论文库/实务文章库/法律法规库> --source <资料路径>

第三步:数据流图 + 评估报告

  1. Skill 基于 intake 自动生成通用产业全景模型 JSON:
    • python scripts/flow.py model-generate --target <项目目录>
    • 模型 meta 含 industry(问题集标识)与 scene(产业场景标识,默认=industry;用 generic 问题集但需要专属 DFD 场景视图的项目,手动把 meta.scene 改为专属标识,如 ai-companion)。注意:重跑 model-generate 会重置 meta,需重设 scene。
    • RF-01(风险关注)答案自动解析注入模型 risks(certainty="客户陈述"),进入访谈重点核查问题与评估报告风险清单。
  2. 渲染三层流程图 + 数据流图与评估报告(HTML):
    • python scripts/flow.py render --target <项目目录>
    • 渲染全部基于 diagram-design 规范(vendor/diagram-design/),模型结构见 assets/model/generic-industry-model.schema.json:
      • process-map.html:三层流程图(标准交付),Swimlane 类型(业务/技术/数据 3 泳道 × 阶段列),scripts/processmap_builder.py 直接从模型生成——stages→列、三层节点→泳道格、layerLinks→层间映射(业务→数据自动链式化为 业务→技术→数据,避免穿过技术层)。节点 factStatus="待核实" 视为无状态(不显示)。
      • data-flow-map.html:数据流图(标准交付),Data flow 类型(角色泳道 × 阶段列),scripts/dataflow_builder.py,场景视图查找顺序 meta.scene → meta.industry → 零售模板回退(回退时显式警告,不静默)。场景视图 assets/dfd-scenes/<scene>-dataflow.json。
      • 几何自检(自动门禁):render 后自动跑 scripts/verify_geometry.py——检测箭头 path 穿节点矩形、accent label 压节点,发现即失败(与 self_check.py 互补:self_check 管 HTML 契约,verify_geometry 管几何布局)。
      • 评估报告.html:深度评估报告,_build_report_html(model, intake) 从 intake 事实 + 模型生成 6 节(业务全景/重点合规义务核对/核心风险分析/合规差距与行动建议/已发生风险事件/待核验事项);义务核对表按关键词命中自动标注现状(存在缺口/已有机制/待核实),法规引用为元典核验条款。
      • process-map.svg / data-flow-map.svg:保留的原 panorama/拓扑视角 SVG(兜底,非标准交付)。

数据流图(角色泳道视图)场景视图填写指南

新增产业时按以下约定填写 assets/dfd-scenes/<industry>-dataflow.json(参照 retail-ecommerce-dataflow.json):

  • lanes(角色泳道,≤4):如 用户/客户、数据平台、专业人员、治理/合规。每条含 3 字母 key 与两行 name。
  • steps(阶段列,≤6):数据生命周期阶段(采集→存储→处理→训练→推理→退出)。恰好 1 个阶段声明 focal: true(核心风险点)。
  • nodes(节点,每格一个):lane + step 定位;sub(数据转换说明)、tool(系统/载体);chips: {in, out} 用数据类型码(WB/DB/TB/FL/LS)标记入/出数据形态;治理/归档节点可用 color(≤3 个自定义色);恰好 1 个节点声明 focal: true(接收关键移交的节点)。
  • arrows(流,≤12):style 为 muted(标准移交)/trigger(治理/审核触发,虚线)/accent(恰好 1 条,带 label,关键移交)/link(对外交付)。同泳道水平直连,同阶段跨泳道垂直直连,跨两者走正交直角。
  • 渲染器 fail-fast:泳道/阶段/流数量、focal 唯一性、芯片码合法性任一不满足即报错不出图。

第四步:手册指引文件包

以《生成式人工智能行业网络数据安全风险评估工作手册》为指引,生成进企实地调研前全套文件:

  • python scripts/flow.py field-pack --target <项目目录> --project-name <名称>

最终成果目录:render 与 field-pack 完成后,最终交付物(全景交付.html + 7 份 Word)自动聚合至 <target>/ai_compliance/07_final_deliverables/;其余文件(SVG 兜底、模型 JSON、kb 索引、intake 等)为过程性产物,保留在各自目录。

  • 产出 7 份:
    1. 信息调研表(手册附录1,107 项,★必查标注)
    2. 风险识别表(手册附录2,319 指标,★必查标注)
    3. 访谈提纲(5 角色 × 12–14 问,含追问要点/证据锚点 + 模型注入的本场景重点核查问题)
    4. 进企前文件与证据清单(8 主题分类 + 证据标准/获取渠道 + 现场核查动作)
    5. 数据资产盘点清单(字段级,进企第一动作)
    6. 现场核查表(系统演示/日志抽查/安全测试)
    7. 保密承诺与进场授权函(两份文书模板)
  • ★必查标注:由模型风险清单关键词自动推导(scripts/word_builder.py REQUIRED_KEYWORDS)。
  • 法律依据列:按来源表/安全子类映射现行有效条款(元典核验,2026-08-20;word_builder.py SURVEY_LAW_MAP / LAW_BASIS_RULES)。
  • 适用性裁剪:intake 答案确认"不涉及"时(无跨境/无生物识别/不面向未成年人),相关项状态标"不适用(理由)",不物理删除、可恢复。
  • 领域扩充:assets/field-extensions.json 规则库——AI 嵌入领域(医疗健康范例已建)命中 match 关键词时,自动向 01/02 追加领域专项调研项/评估指标及领域法规说明;新增领域按 JSON 内结构复制扩展。
  • 数据源:原知识库 04_handbook_structured/(手册已结构化 CSV)。

原有状态机命令(内部能力,保留兼容)

以下命令为 v0.2.0 状态机保留(用于已有项目的证据中台/候选交付/验收归档):

python scripts/flow.py init|adopt|preflight|advance|status|validate|package|validate-config|law-update|migrate ...

强制边界

<!-- skill-lint:constraint AIDC-001 -->
  • 禁止覆盖原始资料、正式成果和既有归档;同名异内容时停止并报告冲突。
<!-- skill-lint:constraint AIDC-002 -->
  • 只允许“文件明确记载 / 多个文件归纳 / 需律师确认 / 无直接法源 / 客户事实待核实”五类证据标签。
<!-- skill-lint:constraint AIDC-003 -->
  • 客户事实门禁未通过时,只输出缺失项;禁止生成候选风险结论或候选交付包。
<!-- skill-lint:constraint AIDC-004 -->
  • 只生成候选材料;禁止自动生成或标记正式法律意见,候选材料必须显示“候选版/需律师确认”。
<!-- skill-lint:constraint AIDC-005 -->
  • 默认仅使用本地资料。外部检索必须另获授权,且不得发送项目正文、客户资料或非公开业务信息。
<!-- skill-lint:constraint AIDC-006 -->
  • 活跃配置、索引和交付包只记录项目相对路径;不得写入操作者电脑绝对路径。
<!-- skill-lint:constraint AIDC-007 -->
  • 论文、公众号、工作手册和实务指南不得单独证明强制性法律义务。
<!-- skill-lint:constraint AIDC-008 -->
  • 生产器不得给自己签发最终通过状态;只有独立验证器检查真实产物后,才能确认完成。

停止条件

  • intake 必填问题未答完且未强制收口时,停在第一步。
  • 原知识库目录不可用时,停止 kb-build/field-pack。
  • 模型 risks/sources 引用未收录法源时,标"待补充",不虚构。
  • 律师复核状态不明确时,所有评估材料保持候选状态。

验收

  • 四步端到端验收:python scripts/run_coldstart_acceptance.py --target-root <临时目录>
  • 原有三场景回归:python scripts/run_acceptance.py --bci-source-root <知识库根>
  • 三轮稳定性:python scripts/run_stability.py --bci-source-root <知识库根>
  • 数据流图几何自检(独立门禁):python scripts/verify_geometry.py <data-flow-map.html>(render 已自动执行;正负样本验证:穿节点 HTML 应 FAIL exit=3)

真实场景测试(首次/新领域跑四步时)

用户以业务描述开场(一句话即可,如"帮我启动一个AI数据合规项目,产品是XX")后,按四步完整运行。执行时:

  1. 每个命令执行后检查产物真实性:Word 用 python-docx 抽查表格行数与关键列(调研表 106+ 行、风险表 319+ 行、访谈提纲含 5 角色问题表与重点核查段);HTML 图跑 vendor/diagram-design/scripts/self_check.py。
  2. 问题台账:将运行中的命令报错、产物异常、逻辑偏差、缺漏项记录到项目 workspace/测试问题台账.md,每条标注【现象/根因假设/严重程度】。
  3. 领域规则:若场景触发未建领域(如拟人化互动类 AI 的深度合成/未成年人保护),在测试报告中标注"待补领域规则",按 ai-data-compliance-field-rules 的 SKILL.md 步骤补充。
  4. 测试结束输出测试报告:四步产物清单、通过/失败项、问题清单、对 Skill 的改进建议。

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

中国大陆地区法院类案快速检索与《案件检索报告》(DOCX)生成技能。以案件五项要点(案由/法律关系、争议焦点、关键事实、我方诉请与诉讼地位、请求权基础法条)为检索锚点,经一次四问确认即开工(其中**检索地域范围**与**裁判时间范围**为强制选择题,默认范围为「2021年1月1日以后裁判的浙江省范围内的法院案例」,用户点选默认后须回显该范围提示);按**请求权基础、法律关系、案件事实三要素**判定高匹配——用户**指定**检索特定结果的案例时结果相似度计入评分(四要素满分 10 分),用户**未指定**时结果相似度不作为高匹配考虑因素(三要素满分 8 分);r1 判定须**核对法条版本与时间效力**,援引已失效旧法条者不得给满分;以语义向量检索为主召回、精确结构检索为条件兜底,本地脚本加权打分后按「得分率 > 法院层级 > 审判程序 > 裁判日期」排序,并检测**同院同日同标题的重复入库**案件、疑似重复者不占入报名额;截取匹配度最高的 5–10 例类案,逐案调详情核验案号并摘录判词原文,最后直接输出含页脚页码的 DOCX 报告(默认保存至桌面)。全流程人工确认 1 次、检索类调用控制在 2 次召回 + ≤10 次详情以内,报告阶段检索冻结。未指定结果时三要素高匹配而结果相反者亦会入报(逐例标注结果方向),指定结果时结果相反者一律剔除;报告内以两处固定声明披露「未设不利先例定向检索路径」的局限。当用户要求「快速检索类似案例」「找几个正向案例」「快速版案例检索报告」「检索 5 到 10 个类案并出报告」「出一份类案检索报告 docx」时使用。需要四象限归位、反向案例定向检索、补充召回多轮迭代或 14 分制硬软条件精判时,应使用完整版技能「案例检索报告Plus」而非本技能。基于华宇元典法律数据 MCP。

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

88查企业风险查询与分析工具 —— 专注于中国大陆企业的法务风险查询与分析,覆盖经营异常、行政处罚、监管措施、被执行人、失信被执行人、司法案件等风险类型。支持公司名称、统一社会信用代码、companyId 三种输入方式,自动完成风险查询并输出结构化风险分析总结。 触发场景:仅当用户意图为查询企业风险/法务风险时触发。包括但不限于:企业风险查询、公司风险、经营异常、行政处罚、监管措施、被执行人、失信被执行人、司法风险、风险扫描、风险评估、企业合规审查、风险报告、XX公司有什么风险、XX公司安全吗、XX公司有没有处罚、XX公司被执行过吗。 不触发场景:纯粹的企业信息查询(如查公司、搜企业、工商信息、注册资本、法人代表、股东结构、专利商标等)不应触发本技能,请使用其他 cha88 系列工具。

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

Manages Rule 30(b)(6) corporate representative deposition workflows — drafting notice topics with reasonable particularity, building examination outlines, defending designees, handling objections, and preserving binding admissions for summary judgment or trial. Use when drafting or responding to 30(b)(6) notices, selecting and preparing designees, building topic-by-topic outlines, or triaging scope and privilege disputes. Trigger keywords: 30(b)(6), corporate representative deposition, topic list, designee, notice analysis, deposition objections, corporate admissions.

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

Guides taking and defending Rule 30(b)(6) corporate representative depositions. Drafts topic lists with reasonable particularity, builds examination outlines for binding corporate admissions, analyzes noticed topics for objections, and prepares designees. Use when drafting 30(b)(6) notices, preparing corporate deposition topics, selecting or preparing designees, or defending corporate representative depositions.

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

Drafts FDA 510(k) Premarket Notification submissions demonstrating substantial equivalence under 21 CFR Part 807. Supports Traditional, Special, and Abbreviated pathways. Use when preparing Class II medical device regulatory filings, substantial equivalence analyses, or FDA premarket submissions.

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

Drafts a recordable Abstract of Judgment to create a judgment lien on a debtor's real property. Extracts party names, monetary components, and judgment details from case documents, then applies jurisdiction-specific formatting and certification requirements. Use post-judgment in commercial litigation when enforcing monetary awards, perfecting judgment liens, or preparing lien filings with the county recorder.

日本語の概要は準備中です。原文の説明を表示しています。

CSlawyer1985/legal-skillhub152026年9月23日 更新

CSlawyer1985 のスキルをすべて見る

このスキルの問題を報告する