Skip to content

CSlawyer1985/legal-skillhub / skills/ai-governance-reviewer-carl-ditzler

ai-governance-reviewer-carl-ditzler

Verified

当用户希望对内部 AI 用例、AI 产品功能、LLM 工作流或第三方 AI 供应商进行 AI 治理、法律风险、隐私、合规、采购或供应商风险审查时,使用本技能。当事实或证据缺失时,技能首先提出受理和澄清问题,识别所需的文件和缺失的证据,将用例映射到 AI 治理框架和适用的法律领域,并产出带记分卡、发现、责任方、补救行动和后续问题的初步或最终治理审查。

FileKindSize
LICENSE.TXTmarkdown11.1 KB
README.mdmarkdown399 B
SKILL.mdskill md15.2 KB
references/example-outputs.mdmarkdown2.4 KB
references/frameworks.mdmarkdown5.5 KB
references/official/EU AI ACT.pdfbinary2.5 MB
references/official/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Copyright_Chapter.pdfbinary436.4 KB
references/official/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Safety_and_Security_Chapter.pdfbinary1.0 MB
references/official/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Transparency_Chapter.pdfbinary430.8 KB
references/official/GDPR.pdfbinary959.3 KB
references/official/Model_Documentation_Form_lE0Ni71wAwnEx7l2v9xbxbwbCTs_118118.docxbinary102.2 KB
references/official/NIST AI RMF 100-1.pdfbinary1.9 MB
references/official/OECD-LEGAL-0449-en.pdfbinary662.5 KB
references/output-template.mdmarkdown9.6 KB
references/responsible-ai-practice.mdmarkdown4.6 KB
references/scenarios-internal.mdmarkdown1.9 KB
references/scenarios-product.mdmarkdown2.1 KB
references/scenarios-vendor.mdmarkdown2.0 KB
references/working/EU AI ACT.mdmarkdown443.5 KB
references/working/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Copyright_Chapter.mdmarkdown10.1 KB
references/working/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Safety_and_Security_Chapter.mdmarkdown85.2 KB
references/working/EU GPAI Code_of_Practice_for_GeneralPurpose_AI_Models_Transparency_Chapter.mdmarkdown8.7 KB
references/working/GDPR.mdmarkdown257.5 KB
references/working/NIST AI RMF 100-1.mdmarkdown86.8 KB
references/working/OECD-LEGAL-0449-en.mdmarkdown25.1 KB

references/responsible-ai-practice.md

View on GitHub
# 负责任人工智能实践参考

对与法律和标准分析并行的运营最佳实践使用本文件。

## 如何使用本参考

- 使用本文件塑造审查工作流、上报决定、文件化期望和治理计划设计。
- 不要将本文件视为有约束力法律义务的来源。
- 与 [frameworks.md](frameworks.md) 一起使用,而非替代它。

## 提炼的最佳实践

### 1. 将原则与实际实践联系起来

负责任的人工智能治理应将组织价值观和原则与具体的审查实践、文件、控制和所有权联系起来。审查不应仅仅是价值观声明。

### 2. 使审查成为活记录

将治理审查视为活文件。在以下情况重新审查:
- 用例发生变化,
- 模型、供应商或部署发生变化,
- 用户群体发生变化,
- 功能从试点转向广泛发布,
- 出现事件、投诉或监控信号。

### 3. 建立在既有治理计划之上

不要重新发明隐私、安全、采购、数据治理或风险管理计划。AI 治理应与这些职能协作,填补 AI 特定的缺口。

### 4. 使用风险分级审查深度

并非每个 AI 用例都需要相同级别的审查。对所有用例使用一致的基线接入,然后对高风险、面向客户、有重大后果、敏感数据或不透明供应商情景深入审查。

### 5. 要求跨职能所有权

负责任的人工智能治理是跨职能的。审查应确定负责任的业务所有者,并在相关时让法律、隐私、安全、产品、采购、数据、模型风险和支助利益相关方参与。

### 6. 核查用户期望和透明度

询问用户是否会知道 AI 在使用中、他们可能错误地假定什么,以及他们需要什么披露、指示、限制或质疑渠道。透明度应帮助用户安全使用系统,而不仅仅是宣布 AI 的存在。

### 7. 测试现实世界可靠性和滥用

审查应涵盖:
- 预期用途,
- 可预见的滥用,
- 失败模式,
- 公平性或差异性影响关切,
- 抗滥用和对抗性测试,
- 变更管理和回归测试,
- 发布后的生产监控。

### 8. 促进 AI 素养和基于角色的理解

负责任的人工智能取决于人类理解系统做什么、哪里可靠、哪里薄弱,以及何时不应依赖。在相关时,询问对构建者、审批者、操作者、支持团队和终端用户的基于角色培训。

### 9. 捕获证据,而不仅仅是结论

强有力的审查记录用于支持结论的证据、仍未知的内容以及审查过的文件。证据缺失应降低置信度并触发问题或整改。

### 10. 使置信度与证据相称

置信度应反映:
- 来源可靠性,
- 文件完整性,
- 测试成熟度,
- 监控就绪度,
- 所有权清晰度,
- 用户是否提供了直接证据或仅有摘要。

## 证据感知置信度指引

- `高`(绿):主要来源或强直接证据支持结论,关键文件存在,测试成熟,所有权清晰
- `中`(黄):存在部分证据,但仍有实质性的事实或控制缺口
- `低`(红):证据缺失、未核实、相互矛盾或太不成熟,不足以支持强结论

关键证据缺失时,绝不呈现高置信度结论。

## 上报触发

当用例涉及以下情况时,上报以深入审查:
- 法律、雇佣、医疗保健、教育、住房、保险、信贷、安全或公共部门后果
- 生物识别、特殊类别数据、PII、机密数据、特权数据或跨境转移
- 脆弱人群或受保护类别
- 用户可能过度信任的类人输出
- 可能实质影响权利、机会、安全或获取的 AI
- 缺失事件响应、测试薄弱或无监控
- 问责不清、所有者不明或供应商承诺不清

## 来源中反映的最佳实践主题

- 生命周期治理和重新审查,而非一次性批准
- 实用、可扩展的治理,而非纯理论
- 跨职能治理和 AI 素养
- 风险分级深度和文件纪律
- 透明度、用户认知和有意义的人工监督
- 迭代学习、监控和问责

## 咨询的来源

- 俄亥俄州立大学莫里茨法学院,负责任 AI 框架和负责任 AI 管理材料:
  - https://moritzlaw.osu.edu/responsible-ai-framework-understanding-ai-law-ethics-and-governance
  - https://moritzlaw.osu.edu/program-data-and-governance-releases-new-report-responsible-ai-management
  - https://moritzlaw.osu.edu/PDG
- 世界经济论坛,《推进负责任 AI 创新:行动手册》:
  - https://reports.weforum.org/docs/WEF_Advancing_Responsible_AI_Innovation_A_Playbook_2025.pdf
- IAPP AI 治理材料:
  - https://iapp.org/certify/aigp//
  - https://iapp.org/resources/article/ai-governance-profession-report//
  - https://iapp.org/l/aigp-study-guide-request/
  - https://iapp.org/about/ai-governance-center/
receiving-code-reviewobra/superpowersUse when receiving code review feedback, before implementing suggestions, especially if feedback seems unclear or technically questionable - requires technical rigor and verification, not performative agreement or blind implementationStars: 323kUpdated Claude CodeCodexVerifiedInstall
requesting-code-reviewobra/superpowersUse when completing tasks, implementing major features, or before merging to verify work meets requirementsStars: 323kUpdated Claude CodeCodexVerifiedInstall
using-git-worktreesobra/superpowersUse when starting feature work that needs isolation from current workspace or before executing implementation plans - ensures an isolated workspace exists via native tools or git worktree fallbackStars: 323kUpdated Claude CodeCodexVerifiedInstall
verification-before-completionobra/superpowersUse when about to claim work is complete, fixed, or passing, before committing or creating PRs - requires running verification commands and confirming output before making any success claims; evidence before assertions alwaysStars: 323kUpdated Claude CodeCodexVerifiedInstall