aia-generation

name	aia-generation
description	为AI系统或模型生成风险定级和合规概要评估——涵盖数据、公平性、 透明度、安全性和监管注册表。在用例分类为"附条件-高"后使用， 产品或工程团队提出"我们需要做AI影响评估"时使用，或定期重新 认证已部署系统时使用。采用快速/全面双轨制。
argument-hint	[系统名称或AI用例描述]

/aia-generation

1. 读取 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md → 监管注册表（适用法规、阈值、义务）、AI系统清单、科技伦理审查配置。
2. 运行以下工作流。
3. 判定走快速轨还是全面轨。提取系统描述 → 确定监管角色和风险等级 → 生成评估。
4. 输出：定级 + 评估文件，包含具体行动项、负责人和截止日期。

/ai-governance-legal:aia-generation "客户信用评分模型 v2"

---

AI系统评估生成

事务上下文

事务上下文。 检查实践级 CLAUDE.md 中的 ## 事务工作区。如果 已启用 为 ✗（法务内部用户的默认值），跳过本段其余部分——技能使用实践级上下文，事务机制不可见。如果已启用且无活跃事务，询问："此事务属于哪个事务？运行 /ai-governance-legal:matter-workspace switch <slug> 或回答 实践级。" 加载活跃事务的 matter.md 获取事务特定上下文和覆盖项。将输出写入事务文件夹 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/matters/<matter-slug>/。除非 跨事务上下文 为 开，否则绝不读取其他事务的文件。

---

目的

有些AI法规要求进行正式评估——在部署高风险系统之前、在商业模式变更之前、在训练数据或决策逻辑发生实质性变更时。此技能生成评估，并按法规要求保留记录。

适用法规

中国的AI治理框架由多个法规和规范性文件构成，根据系统类型和风险等级适用不同的评估要求：

• 《生成式人工智能服务管理办法》：面向公众提供生成式AI服务的，需进行安全评估和算法备案（第17条 [法条原文]）
• 《科技伦理审查办法（试行）》：涉及生命健康、个人信息、社会公共利益等的科技活动需进行伦理审查 [法条原文]
• 《互联网信息服务算法推荐管理规定》：使用算法推荐技术的，需进行算法备案（第24条 [法条原文]）和安全评估（第27条 [法条原文]）
• 《互联网信息服务深度合成管理规定》：提供深度合成服务的，需进行安全评估（第15条 [法条原文]）
• 《个人信息保护法》：涉及个人信息处理的AI系统，需进行个人信息保护影响评估（第55-56条 [法条原文]）

加载当前状态

读取 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md：

• ## AI系统清单 — 系统中每个AI系统的角色和等级
• ## 监管注册表 — 适用的法规及阈值
• ## 科技伦理审查配置 — 伦理审查委员会设置和审查触发条件

工作流

第1步：轨道判定

特征	快速轨	全面轨
系统类型	低风险内部工具（非面向公众）	高风险系统或面向公众的系统
数据处理	不涉及个人信息或仅涉及内部员工数据	涉及用户个人信息、敏感个人信息或大规模数据处理
算法备案	无需备案	需要或可能需要进行算法备案
深度合成/生成式	不涉及	涉及生成合成内容或深度合成
评估历史	已有近期全面评估记录，仅作小幅更新	首次评估或实质性变更

如果系统明确匹配左列所有特征 → 快速轨。否则 → 全面轨。

第2步：监管角色判定

根据系统性质确定监管角色：

角色	定义	典型场景
AI服务提供者	自主研发并向公众提供AI服务的主体	自研模型/SaaS AI产品
AI服务使用者	使用第三方AI服务进行内部业务活动的主体	采购第三方AI能力嵌入自有业务流程
双重角色	同时具备提供者和使用者属性	基于第三方模型微调后对外提供服务

角色判定影响后续义务范围：

• 提供者：需进行算法备案、安全评估、内容标识，承担更重的合规义务（《生成式人工智能服务管理办法》第7-17条 [法条原文]）
• 使用者：需确保合规使用、进行供应商尽职调查，但备案义务较轻

第3步：风险等级判定

等级	典型系统特征	评估要求
高风险	用于信贷审核、保险定价、招聘筛选、教育评估；涉及敏感个人信息；面向未成年人；安全关键场景	全面轨，算法安全评估 + 科技伦理审查 + 个人信息保护影响评估（《个人信息保护法》第55条 [法条原文]）
中风险	面向公众的内容推荐、客户服务AI；涉及个人信息但非敏感	全面轨，算法备案（如适用）+ 个人信息保护影响评估
低风险	内部生产力工具、仅处理非个人信息、不面向公众	快速轨，内部记录即可

第4步：快速轨评估

[工作成果头 — 按照插件配置 ## 输出]

# AI系统快速评估：[系统名称]

**日期：** [日期]
**轨道：** 快速
**监管等级：** 低风险
**适用法规：** [列出]

---

## 系统描述
[一段话：系统做什么、用什么数据、谁使用、部署在哪]

## 非高风险自证
- [勾选快速轨的每项标准，附简要说明]

## 合规检查清单

| 检查项 | 状态 | 说明 |
|--------|------|------|
| 数据合法来源 | ✅/⚠️/❌ | [说明] |
| 不涉及敏感个人信息 | ✅/⚠️/❌ | [说明] |
| 不面向未成年人 | ✅/⚠️/❌ | [说明] |
| 不涉及自动化重大决策 | ✅/⚠️/❌ | [说明] |
| 不使用深度合成/生成式 | ✅/⚠️/❌ | [说明] |
| 有内部使用限制 | ✅/⚠️/❌ | [说明] |
| 科技伦理不触发 | ✅/⚠️/❌ | [说明] |

## 结论
[状态：通过 / 附条件通过（列出条件）]

## 审查者
[评估人] | [日期]

第5步：全面轨评估

全面轨评估包含以下部分：

5A：系统画像

• 系统名称、版本、部署日期
• 功能描述和数据流图（输入数据、处理逻辑、输出数据）
• 所涉数据的类别（是否包含个人信息、敏感个人信息、生物识别信息等）
• 受影响人群（规模、特征、是否有未成年人或弱势群体）
• 部署环境（内部/外部、是否通过API开放）
• 模型类型和来源（自主研发/第三方微调/直接采购）

5B：监管义务映射

法规	适用？	触发条件	核心义务
《生成式人工智能服务管理办法》	✅/❌	向公众提供生成式AI服务	安全评估、算法备案、内容标识、训练数据合法性、投诉机制
《互联网信息服务算法推荐管理规定》	✅/❌	使用算法推荐技术	算法备案、安全评估、用户标签管理、未成年人保护
《互联网信息服务深度合成管理规定》	✅/❌	提供深度合成服务	安全评估、内容标识、日志留存
《个人信息保护法》	✅/❌	处理个人信息	个人信息保护影响评估、告知同意、数据最小化、安全措施
《科技伦理审查办法（试行）》	✅/❌	涉及生命健康、社会公共利益等	伦理审查、知情同意、风险管控

5C：逐项评估

对每个适用的法规，逐项评估合规状态：

### 《生成式人工智能服务管理办法》合规评估

| 条款 | 要求 | 合规状态 | 证据/差距 | 整改措施 |
|------|------|----------|-----------|----------|
| 第4条 | 遵守法律、尊重社会公德、不得生成违法和不良信息 | ✅/⚠️/❌ | [说明] | [行动] |
| 第7条 | 训练数据合法来源，不侵害知识产权 | ✅/⚠️/❌ | [说明] | [行动] |
| 第9条 | 生成内容标识 | ✅/⚠️/❌ | [说明] | [行动] |
| 第11条 | 用户信息保护义务 | ✅/⚠️/❌ | [说明] | [行动] |
| 第15条 | 投诉举报机制 | ✅/⚠️/❌ | [说明] | [行动] |

5D：科技伦理审查

如果触发《科技伦理审查办法（试行）》[法条原文]：

## 科技伦理审查

**是否触发：** ✅/❌
**触发依据：** [所涉及的生命健康/社会公共利益/个人信息等具体情形]

### 伦理风险清单

| 风险类别 | 具体风险 | 严重度 | 缓解措施 |
|----------|----------|--------|----------|
| 算法歧视 | [描述] | 🔴/🟠/🟡 | [措施] |
| 隐私侵害 | [描述] | 🔴/🟠/🟡 | [措施] |
| 信息茧房 | [描述] | 🔴/🟠/🟡 | [措施] |
| 算法滥用 | [描述] | 🔴/🟠/🟡 | [措施] |

### 伦理审查结论
[通过 / 附条件通过 / 不予通过 — 附理由]

5E：整改计划

#	差距	法规依据	整改措施	负责人	截止日期	状态
1	[描述]	[法条引用]	[具体行动]	[姓名]	[日期]	[ ]

第6步：输出和归档

将评估文件保存到 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/outputs/aia-[系统简称]-[日期].md。同时更新 ## AI系统清单 中的相应条目——添加评估日期和结论。

重新评估触发条件

已评估的系统在以下情况下应重新评估：

• 训练数据来源发生实质性变化
• 模型架构或算法发生实质性变化
• 使用场景从内部扩展到面向公众
• 开始处理敏感个人信息
• 法规更新：相关法规修订或新法规生效
• 自上次评估起已超过12个月（建议的重新认证周期）

收尾

以 CLAUDE.md ## 输出 规定的下一步决策树收尾。定制选项以覆盖此评估的具体产出——批准/拒绝差距整改、设定整改截止日期、升级法律顾问。

---

来源引用层级

评估中引用的每个法条必须附加来源溯源标签：

• [法条原文] — 直接引用法规条文原文
• [模型知识 — 需验证] — 来源于模型训练数据，未独立核实
• [yuandian检索] — 通过 yuandian MCP 获取
• [联网检索 — 需复核] — 联网搜索获取，未经二次验证

---

本技能不做的事

• 不替代正式的科技伦理审查委员会决议。如果触发《科技伦理审查办法（试行）》，此评估为内部准备材料，正式审查意见以伦理审查委员会决议为准。
• 不执行技术测试——不评估模型准确性、鲁棒性或偏见的技术度量。
• 不完成算法备案提交——此技能识别备案义务，但不填写备案表格。
• 不替代网信办/国家数据局的官方审查——这是内部评估，不是监管批准。