Menu
将新的或修订的AI法规与当前AI政策和实践进行差异分析—— 输出差距清单和整改计划，含负责人和日期。适用于新法规 出台、用户询问"[某法规]是否影响我们"、" AI法规差距分析"或粘贴法规文本时。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
按系统逐一定义AI角色、风险等级和监管义务——判定每个系统是 AI服务提供者还是使用者，分配风险层级，并映射至中国AI法规 的义务要求。适用于建立AI系统清单、进行年度AI审计、或新法 规要求重新分类时。
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。
首次运行访谈以建立AI治理实践配置：适用法规、 AI系统清单、红线、审批工作流和输出偏好。 在插件首次安装时自动运行。使用 --redo 可重新运行。
对提议的AI用例进行分类和风险排序：检索现有注册表、检查红线、 对残余风险进行分级。输出为经核准/附条件/不核准，并附书面理由。 适用于收到新的AI用例提案、产品团队询问"这个AI功能可以上线吗"、 或需要运行AI用例审批委员会流程时。
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。
运行冷启动访谈以了解你的商事合同实务并写入团队业务领域配置。在首次使用插件时、 配置文件缺失或仍为模板占位符时、或当用户说"设置插件""配置商事合同" "引导我""我们开始吧"时使用。这是全新安装时应运行的唯一技能。
| name | reg-gap-analysis |
| description | 将新的或修订的AI法规与当前AI政策和实践进行差异分析—— 输出差距清单和整改计划，含负责人和日期。适用于新法规 出台、用户询问"[某法规]是否影响我们"、" AI法规差距分析"或粘贴法规文本时。 |
| argument-hint | [法规名称，或粘贴法规文本/摘要] |
~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md → AI系统清单、监管注册表、AI政策承诺。/ai-governance-legal:reg-gap-analysis "生成式人工智能服务管理办法"
网信办发布新的AI管理规定。科技部更新伦理审查标准。某省出台AI治理细则。法规有所变化——现在你需要知道哪些地方需要跟进。
此技能将新要求与你当前的AI实践（按照 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md → AI系统清单 + AI使用政策承诺 + 已完成的评估记录）进行对比，产出差距清单和整改计划。
读取 ~/.claude/plugins/config/claude-for-legal/ai-governance-legal/CLAUDE.md：
## AI系统清单 — 已部署、在评估和已退役的系统## 监管注册表 — 已经适用的法规## AI使用政策 — 已对外公开的AI使用承诺或内部AI治理政策## 科技伦理审查配置 — 伦理审查委员会的设置和流程如果该法规不适用于你（错误管辖权、低于阈值、不同行业），差距分析只有一行："不适用。理由：[原因]。无需行动。"
在对比之前，先回答：
[法条原文]）[法条原文]）[法条原文]）[法条原文]）阅读法规文本（或摘要/指南）。将每项实质性要求列为离散条目：
| # | 要求 | 法条引用 | 类别 |
|---|---|---|---|
| 1 | [要求原文或摘要] | [条款] | [训练数据 / 透明度 / 安全 / 备案 / 伦理 / 其他] |
类别：
对每项要求：
### [要求 #N]：[简短名称]
**法规要求：** [要求原文或概述]
**我方现状：** [当前AI系统清单 / 政策 / 实践显示的现状]
**差距：** [无 / 部分 / 完全]
**如为部分/完全差距——缺什么：** [具体说明]
**弥补难度：** [仅政策更新 / 产品变更 / 供应商重新谈判 / 新流程建设]
**违规风险：** [行政处罚/责令整改/罚款幅度、执法可能性、声誉影响]
中国AI法规的行政处罚参考：
[法条原文][法条原文][法条原文]并非每个差距都同等重要。按以下排序：
[工作成果头 — 按照插件配置 ## 输出]
## 整改计划：[法规名称]
**生效日期：** [日期]
**执法开始：** [日期]
### 必须在执法开始前完成
| 差距 | 整改措施 | 负责人 | 截止日期 | 状态 |
|------|----------|--------|----------|------|
| [差距] | [具体措施] | [姓名] | [日期] | [ ] |
### 应当完成（风险较低，不阻碍业务）
[同上表格]
### 已经合规
[列出差距为"无"的要求——对"我们基本没问题"的信息有用]
### 已接受的差距（风险已接受，不整改）
[如有——附书面理由和风险接受人]
在对新法规进行增量差异分析时，将其归入大致类别有助于聚焦：
[法条原文]）[联网检索 — 需复核]）[联网检索 — 需复核]）对与新法规相关的每个类别，在起草差距分析之前研究当前有效的具体要求。引述一手来源。验证时效性——新法规每届人大/行政立法周期都有出台，监管机构发布解释性指导意见会改变特定控制措施的"合规"含义。对不确定之处标记为需律师验证，而非断言你未确认的规则。
不得静默填补。 如果对配置的法律研究工具（元典MCP、网信办/科技部网站或律所平台）的检索返回结果很少或没有，报告已发现的内容并停止。不要在不询问的情况下用联网搜索或模型知识填补空白。说明："检索从[工具]返回[N]条结果。[制度/主题]的覆盖面似乎较薄。选项：(1) 扩大检索范围，(2) 尝试不同的研究工具，(3) 搜索网络——结果将标记为
[联网检索 — 需复核]并应在依赖前向发布机构核实，或 (4) 标记为未核实并停止。你希望选择哪一个？" 由律师决定是否接受可信度较低的信息来源。来源溯源层级。 对差距分析中的每条引注标记其来源。对于模型知识引注，使用三个层级而非单一的统一"需核实"标记：
[稳定]— 稳定、众所周知的法定和监管引用，不太可能改变（例如个保法第55条、生成式人工智能服务管理办法第4条）。在提交前仍需核实，但优先级较低。[需核实]— 真实的模型知识引用但应核实：具体实施细则、监管机构指引、案例裁定、阈值、生效日期、新颁布的法规。[需核实-精确定位]— 精确定位引用（具体款字母、卷/页码、段落编号、监管子部分引用）具有最高的编造风险，应始终对照一手来源进行核实。工具检索获得的引用保留其来源标签（
[元典MCP]、[发布机构网站]或MCP工具名称）；联网搜索引用保持[联网检索 — 需复核]；用户提供的引用保持[用户提供]。分层标注体现真正的核实工作——一个"全部核实"的读者等于什么都没核实。绝不要剥离或折叠标签。
来自AI系统评估： AI评估标记的合规差距 → 在此处输入，当新法规影响已评估的系统时。
到达规监测插件（如已安装）： 此技能是手动版本。监测插件监控法规动态，并在有变化时自动触发此分析。
保存为注明日期的markdown文档。整改计划表成为跟踪器——随着项目关闭更新状态。
如果差距分析结论为"无差距，我们合规"，仍然要写文档——这是以后证明你确实审视过的有用证据。
以引注核实说明收尾：
本输出中的引注由AI模型生成，未经对照一手来源核实。在依赖任何法规、规章、指导意见或执法行动之前，请通过法律研究工具（元典MCP、你的律所研究平台或发布机构的官方网站）核实其准确性和当前状态。AI生成的引注有时是虚构或引用错误的。每条引注上的来源标签（例如
[联网检索 — 需复核]）标明其出处；需核实标签具有更高的编造风险，应优先检查。
以 CLAUDE.md ## 输出 规定的下一步决策树收尾。定制选项以覆盖此技能的具体产出——五个默认分支（起草X、升级、获取更多事实、观察等待、其他）为起点，不可锁定。决策树是输出；律师来选择。