name	vendor-ai-review
description	审查AI供应商条款——重点核查训练数据来源合规性、责任分配、模型变更通知、合规义务向下传导。适用于审查AI SaaS协议、 AI模型授权、AI API服务条款，或采购团队提出"这个AI供应商合同有问题吗"时使用。
argument-hint	[粘贴AI供应商合同条款]

/vendor-ai-review

读取 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md → 合同审查立场、可接受风险阈值、红线条款。
运行以下工作流。
逐项核查AI特定风险——训练数据→责任→模型变更→合规传导。
输出：风险总结 + 红线标记 + 谈判立场（经核准/附条件/阻止）。

/ai-governance-legal:vendor-ai-review
[paste the vendor AI terms]

AI供应商合同审查

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 ✗，跳过本段其余部分。如果已启用且无活跃事务，询问事务归属。加载活跃事务的 matter.md。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

AI供应商合同引入了传统技术合同没有的风险维度——供应商是否使用你的数据训练模型、模型变更时你会不会得到通知、如果AI产生了侵权内容谁承担风险、供应商是否完成了法定的算法备案和安全评估（《生成式人工智能服务管理办法》第17条 [法条原文]）。此技能系统性地审查这些风险。

加载当前状态

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

## 合同审查配置 — 公司立场、风险偏好、红线
## 监管注册表 — 适用的法规框架
## 已批准的供应商 — 既有关系和已通过审查的条款

审查框架

第1步：服务定性

首先明确供应商提供的是什么：

模型提供方式	说明	关键风险
API接口	通过云端API调用模型	数据传输安全、数据是否被记录用于训练
本地部署	模型部署在自有服务器	安全可控性高，但更新和升级依赖供应商
SaaS产品	使用供应商的AI功能产品	使用条款可能不清晰，数据用途条款需特别关注
模型授权/定制	授权基础模型进行微调	知识产权归属、模型更新的兼容性

第2步：训练数据检查

这是AI合同审查中最重要的部分。

核心问题链

供应商是否使用客户数据训练模型？
如果是，客户是否知情并同意？
训练数据中是否包含个人信息或敏感个人信息？
客户数据流出后是否可以追回（"遗忘权"的实操可行性）？

审查清单

检查项	理想状态	风险标记
训练数据条款	明确约定不将客户数据用于模型训练，或经客户明确书面同意	🔴 合同沉默、或条款笼统声称供应商可"使用数据进行服务改进"
个人信息训练	不将包含个人信息的数据用于训练，或已取得个人单独同意（《个人信息保护法》第23条 `[法条原文]`）	🔴 未区分数据类型，一刀切授权
训练数据合法性保证	供应商保证其训练数据来源合法，不侵犯第三方知识产权（《生成式人工智能服务管理办法》第7条 `[法条原文]`）	🟠 供应商仅提供"尽力"保证或不提供保证
数据删除	合同终止后供应商删除客户数据并销毁包含客户数据的模型副本	🟠 仅承诺"停止使用"而不承诺删除
知识产权归属	明确约定微调模型的权属（客户拥有/供应商拥有/共享）	🟠 合同沉默

训练数据条款的红线

供应商单方面保留"为改进服务目的"使用客户全部数据的权利，且不可协商
供应商拒绝就训练数据的合法来源提供任何保证
涉及个人信息且供应商拒绝签署数据处理协议（参照《个人信息保护法》第21条 [法条原文]）

第3步：责任分配

AI产出的特殊性使得传统的责任条款可能无法直接适用。需要特别关注：

责任场景	供应商理想立场	风险
AI产出侵权（知识产权）	供应商承担因其训练数据或模型本身导致的侵权责任	🔴 供应商将全部侵权风险转嫁客户
AI产出违法/不良内容	供应商基于《生成式人工智能服务管理办法》承担内容安全责任	🔴 供应商声称仅为"技术中立工具"
AI产出错误导致商业损失	责任分配合理，特殊或间接损失合理排除	🟠 供应商完全免责且客户承担全部损失
模型停机/服务中断	SLA明确，有可用性承诺和服务积分/赔偿机制	🟡 SLA模糊或缺失
模型性能退化	供应商保证模型输出质量不实质性下降	🟠 供应商保留单方修改模型的权利且无通知义务

中国法特别关注：《生成式人工智能服务管理办法》第9条要求提供者承担生成内容的生产者责任 [法条原文]——如果供应商声称自己仅提供"技术工具"而不对AI产出负责，该立场在法规层面的支撑较弱。但实践中，供应商可能通过合同条款将部分风险转移给使用者，需逐案分析。

第4步：模型变更通知

供应商是否可以单方修改模型？（通常可以——关键在于通知和影响评估）
模型变更需要提前多久通知？（行业惯例：30-90天）
如果变更实质性降低性能或合规性，客户是否有终止权？
如果供应商停止支持某个模型版本，是否有合理的退出机制？

检查项	最低可接受标准
实质性变更通知	至少30天提前书面通知
性能退化补救	如变更导致性能退化>X%，供应商需在合理期限内补救
终止权	如供应商无法补救或变更影响合规状态，客户有权终止
合规影响评估	供应商应在变更前提供合规影响摘要（至少概要说明）

第5步：合规义务传导

作为AI服务使用者，需要确保供应商有能力支持你的合规义务：

法规合规要求	供应商应尽的义务	合同核查点
算法备案（《互联网信息服务算法推荐管理规定》第24条 `[法条原文]`）	供应商已完成备案并提供备案号	合同是否明确供应商的算法备案状态？是否有持续合规保证？
安全评估（《生成式人工智能服务管理办法》第17条 `[法条原文]`）	供应商已进行安全评估	是否可以获取评估结论摘要（不要求完整报告，但需要确认已完成）
科技伦理审查（《科技伦理审查办法（试行）》`[法条原文]`）	供应商已完成伦理审查（如适用）	是否涉及需伦理审查的场景？
个人信息保护（《个人信息保护法》`[法条原文]`）	如涉及数据处理，应签署数据处理协议	数据处理协议的充分性
安全措施（《个人信息保护法》第51条 `[法条原文]`）	供应商承诺采取必要的安全措施	SOC2/等保报告、安全事件通知时限、数据泄露通知义务
审计权	供应商应接受审计或提供第三方审计报告	审计权的范围和频率
内容安全	供应商应有违法和不良信息识别和处置机制	信息安全管理能力描述或认证

第6步：评估和输出

风险汇总表

类别	法律风险	商业摩擦	关键风险点
训练数据	🔴🟠🟡⚪	🔴🟠🟡⚪	[要点]
责任分配	🔴🟠🟡⚪	🔴🟠🟡⚪	[要点]
模型变更	🔴🟠🟡⚪	🔴🟠🟡⚪	[要点]
合规传导	🔴🟠🟡⚪	🔴🟠🟡⚪	[要点]

输出格式

[工作成果头 — 按照插件配置 ## 输出]

# AI供应商合同审查：[供应商名称] — [服务类型]

**日期：** [日期]
**供应商：** [名称]
**服务：** [API / SaaS / 本地部署 / 模型授权]
**总体结论：** [经核准 / 附条件核准 / 不适合当前条款]

---

## 一、服务概况

[一段话]

## 二、训练数据风险

### 发现
[具体条款语言及风险分析]

### 建议
[谈判立场 + 备选条款语言]

## 三、责任分配风险

### 发现
[参照第3步清单]

### 建议
[谈判立场 + 备选条款语言]

## 四、模型变更风险

### 发现
[参照第4步清单]

### 建议
[谈判立场 + 备选条款语言]

## 五、合规传导风险

### 发现
供应商是否具备支持客户合规义务的能力：[描述]

### 建议
[需要供应商补充的材料、条款修订建议]

## 六、谈判立场

| 条款 | 当前 | 我方立场 | 最低接受标准 | 谈判优先级 |
|------|------|----------|-------------|-----------|
| [条款] | [现状] | [理想] | [底线] | 致命/高/中/低 |

## 七、红线标记

[列出触发红线的条款——需升级法律顾问]

收尾

以 CLAUDE.md ## 输出 规定的下一步决策树收尾。定制选项：按审查意见与供应商谈判、升级红线条款至法律顾问决策、接受当前条款（如无红线）、获取更多供应商信息。

本技能不做的事

不覆盖通用的合同审查要素（管辖法、争议解决、保密条款等）——仅聚焦AI特定风险
不评估模型的技术性能——这是一个法律和合规审查，不是技术尽职调查
不替代算法备案核查——本技能检查供应商的备案承诺，但不验证备案信息的真实性（应通过网信办公开渠道或供应商的备案号自行验证）