菜单
评估产品伦理风险和包容性设计。当用户说"产品伦理"、"暗黑模式"、"隐私"、"包容性设计"、"无障碍"时使用。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
执行用户研究与洞察分析。当用户说"用户调研"、"用户画像"、"用户访谈"、"了解用户"时使用。
进行需求分析与优先级排序。当用户说"需求分析"、"需求优先级"、"需求评审"、"写PRD"时使用。
设计产品峰值体验与关键时刻。当用户说"峰值体验"、"用户体验设计"、"关键时刻"、"MOT"时使用。
用数据驱动产品决策，避免认知偏误。当用户说"数据分析"、"AB测试"、"数据驱动"、"指标解读"时使用。
运用心理学原理设计说服机制。当用户说"说服设计"、"转化率优化"、"行为引导"、"心理学"时使用。
设计并执行 MVP 验证实验。当用户说"MVP"、"最小可行产品"、"快速验证"、"原型测试"时使用。
| name | 32-product-ethics |
| description | 评估产品伦理风险和包容性设计。当用户说"产品伦理"、"暗黑模式"、"隐私"、"包容性设计"、"无障碍"时使用。 |
对产品设计进行伦理审查：
检查产品对多元用户的包容性：
针对发现的问题制定修复计划：
将伦理思维融入产品开发流程：
| # | 原则 | 说明 |
|---|---|---|
| 1 | 默认设置 = 价值观 | 每个默认选项都在替用户做选择。默认应该对用户最有利 |
| 2 | 退出应该和进入一样容易 | 订阅一键开通 → 退订也应一键。这是底线 |
| 3 | 向边缘用户学习 | 为极端场景设计的方案往往对所有人更好 |
| 4 | 透明优先 | 数据收集、算法推荐、AI 生成内容都应明确告知用户 |
| 5 | 定期做偏差审计 | 你的算法对不同性别/种族/年龄的表现一样吗？ |
| 6 | "能做"不等于"该做" | 技术能力不是行动的理由。每个功能都应通过伦理检查 |
# 伦理与包容性设计审查清单
## 项目：[名称]
## 审查日期：YYYY-MM-DD
## 审查人：[姓名]
---
## Part 1：暗黑模式检查
对以下每项回答"是/否"，"是"表示有风险：
| # | 检查项 | 是/否 | 风险等级 | 说明 |
|---|--------|-------|---------|------|
| 1 | 是否有强制用户做某事才能继续使用？ | | 🔴/🟡 | |
| 2 | 退出/退订流程是否比注册复杂？ | | 🔴 | |
| 3 | 是否有默认勾选的营销同意？ | | 🔴 | GDPR 要求 opt-in |
| 4 | 是否使用虚假紧迫感（假倒计时/假库存）？ | | 🔴 | |
| 5 | 是否在用户不知情的情况下收集数据？ | | 🔴 | |
| 6 | 确认/取消按钮是否使用误导性措辞？ | | 🟡 | "不，我不想省钱" |
| 7 | 是否用 UI 视觉引导用户选择对公司有利的选项？ | | 🟡 | |
| 8 | 通知权限请求是否滥用？ | | 🟡 | |
**风险结论**：□ 无暗黑模式 □ 有风险项需修改 □ 严重违规需阻断
---
## Part 2：包容性设计检查（基于 Kat Holmes 框架）
### 谁可能被排斥？
| 排斥类型 | 永久性 | 暂时性 | 情境性 |
|---------|--------|--------|--------|
| 视觉 | 盲人 | 白内障术后 | 强光下 |
| 听觉 | 聋人 | 耳部感染 | 嘈杂环境 |
| 运动 | 截肢 | 手臂骨折 | 抱着婴儿 |
| 认知 | 认知障碍 | 药物影响 | 注意力分散 |
### 无障碍检查
| # | 检查项 | 通过？ | 说明 |
|---|--------|-------|------|
| 1 | 所有图片是否有 alt 文本？ | □ | |
| 2 | 颜色对比度是否满足 WCAG AA (4.5:1)？ | □ | |
| 3 | 是否可以纯键盘操作？ | □ | |
| 4 | 文字大小是否可调？ | □ | |
| 5 | 视频是否有字幕？ | □ | |
| 6 | 表单是否有清晰的错误提示？ | □ | |
| 7 | 动画是否可以关闭？ | □ | |
| 8 | 屏幕阅读器(Screen Reader)测试是否通过？ | □ | |
---
## Part 3：数据伦理与隐私检查
| # | 检查项 | 是/否 | 说明 |
|---|--------|-------|------|
| 1 | 是否只收集实现功能所必需的最少数据？ | | 数据最小化原则 |
| 2 | 隐私政策是否用人话写了（不是法律文书）？ | | |
| 3 | 用户是否可以导出自己的数据？ | | GDPR 数据可携 |
| 4 | 用户是否可以要求删除自己的数据？ | | GDPR 被遗忘权 |
| 5 | 第三方数据共享是否明确告知？ | | |
| 6 | AI/算法推荐是否有透明度说明？ | | |
---
## Part 4：算法偏差审计（如适用）
| 维度 | 检查方法 | 结果 | 行动 |
|------|---------|------|------|
| 性别 | 按性别分组对比模型输出 | | |
| 年龄 | 按年龄段分组对比 | | |
| 地区 | 按地区分组对比 | | |
| 语言 | 多语言表现对比 | | |
---
## 审查结论
- □ **通过**：无重大伦理或包容性问题
- □ **有条件通过**：需修改以下问题后上线
1. [问题 1]
2. [问题 2]
- □ **不通过**：存在严重伦理风险，需重新设计
详细理论基础、原则解析和推荐书目见 references/knowledge.md。