人工智能供应商审查

审查AI供应商的数据使用、模型训练、知识产权、安全、审计、责任和退出安排。 本页详解核对输入输出与训练再利用权限、检查模型变更、安全、审计和退出安排,以及材料准备、软件操作、中国案例核验和成果验收。

适合用它做什么

审查AI供应商的数据使用、模型训练、知识产权、安全、审计、责任和退出安排。 这项技能主要回答:购买AI服务时,协议中哪些数据和责任条款要细查?

围绕用户本轮真实目标完成“人工智能供应商审查”:审查AI供应商的数据使用、模型训练、知识产权、安全、审计、责任和退出安排。

形成可直接复核和继续编辑的“要求—现状—差距—整改链”。

功能详解

先确定要求是否适用,再把规范中的条件逐一对应现状证据。条文摘要、差距判断与整改动作分别记录;没有运行证据时不能只因制度文件齐全就认定已落实,也不能因为尚未拿到材料就直接认定违法。

本任务的关键检查变量是数据类别、使用目的、再委托、删除与退出。最终应把分析落实到原条款、数据流、风险条件、候选修改、业务确认、依据,让使用者能回查材料、理解判断条件并继续下一步。

  • 核对输入输出与训练再利用权限
  • 检查模型变更、安全、审计和退出安排
  • 把不可接受条件转成谈判文本

技术流程与运行条件

第1步:确定采购的模型服务、数据流、用途和供应链。

第2步:核对训练再利用、第三方模型、输出权利、变更、安全、审计与退出证据。

第3步:将供应商回答与合同条款及技术事实相互对照,未证实承诺单列。

运行条件:先确认与数据类别、使用目的、再委托、删除与退出有关的正文、附件和来源可读取。材料只有节选时只分析可见范围;所需登记、技术或执行记录未取得时,保留具体缺口,不由模型补成事实。

专项检查与辅助操作

原版方法参考:ai-governance-legal/vendor-ai-review模块,文档入口标记为/vendor-ai-review。这些入口仅适用对应Claude插件;律大侠使用本页介绍的自然语言入口。

关键判断:核对训练再利用权是否通过在线政策更新、使用数据定义或分包模型间接取得。供应商承诺应与合同限制、实际数据流及退出安排一致,未证实部分要交给相应技术或业务角色核查。

实际追问:请逐项核对以下检查点,每个发现写明原文或记录位置、为什么影响本任务、可以怎样处理;未知参数留待确认,先完成本项主交付物。

衔接方式:SaaS与数据协议处理条款,AI影响评估检查具体用途,签署和上线由有权人决定。

  • 承诺是否覆盖分包模型。
  • 退出能否取回数据。
  • 能力宣传是否有验证材料。

你需要提供

材料围绕数据类别、使用目的、再委托、删除与退出准备;不知道的事项直接说明不知道。先提供与任务直接相关、你有权限使用的脱敏材料,不发送密钥或无关客户资料。

  • 适用主体、业务和地域
  • 现行制度、流程和证据
  • 待核验法规或监管材料
  • 对方主张、相反解释或现有回复材料
  • 关键日期、程序位置、适用地域与紧迫期限
  • 可回查的原始材料、案例原文和现行法来源

在软件中怎样使用

在律大侠软件打开“法律技能”,按名称查找“人工智能供应商审查”。先看安装与运行状态;未安装时安装所选项,或按需要使用“安装或更新全部”。不需要为本任务先学完全部118项。

在系统设置中准备可用的模型与密钥,按软件状态启动OpenClaw。技能页的使用入口会复制调用语句并打开OpenClaw;请在对话框粘贴后提交,再提供脱敏材料。打开控制台或显示已安装,不代表法律任务已经执行成功。

第一轮明确你的身份、希望得到的成果和材料范围,再提出“购买AI服务时,协议中哪些数据和责任条款要细查?”。先核对模型是否读到了文件正文、附件和页码;若只提供摘要或节选,要求只分析可见范围,不宣称已审完整文件。

第二轮按本技能的重点逐项推进:核对输入输出与训练再利用权限;检查模型变更、安全、审计和退出安排;把不可接受条件转成谈判文本。沿用已经确认的事实,有新证据时说清替换了哪个旧事实,不让模型把上一轮推测继续当事实。

第三轮检查数据类别、使用目的、再委托、删除与退出。对会改变结果的缺口先补最关键材料;要求模型给出当前能够成立的条件分析和最强相反解释,而不是只返回空模板或把所有问题都推给用户。

最后以“原条款、数据流、风险条件、候选修改、业务确认、依据”核对成果。需要保存时先确认目标文件与权限;对话中的草稿不是已经发送、签署或提交的文件,不承诺本项自动连接外部系统。

工作方式

处理顺序可以按以下任务推进:核对输入输出与训练再利用权限 → 检查模型变更、安全、审计和退出安排 → 把不可接受条件转成谈判文本。由当前配置的主模型读取材料、比较条件并形成分析;专业提示和检索结果不是自动裁判器。

  • 确认服务和数据流
  • 审查训练与再利用
  • 审查安全、知识产权和责任
  • 形成谈判清单与替代条款

请求示例

请使用“人工智能供应商审查”处理以下演示任务:供应商写可使用服务数据改善模型。请检查数据定义、训练范围、退出后处理和责任,不把匿名化一句话当充分保证。

继续核对:请把数据类别、使用目的、再委托、删除与退出与原文逐项对应,列出最强相反解释和会改变判断的事实。需要依据时围绕“AI训练使用权限”“保密与个人信息处理”研究,逐条保留来源;没有取得的资料直接说明。

怎样检索和比较案例

检索问题要具体到当前任务。研究“AI训练使用权限”与“保密与个人信息处理”时,先写明用户希望主张什么、对方反对什么,再加入数据类别、使用目的、再委托、删除与退出这些事实条件。不要只搜“人工智能供应商审查”或宽泛案由。

候选结果逐案回到原文:确认处理的是哪项具体请求或抗辩,记录决定性事实、证据、最终审级理由及结果。对数据类别相似但使用目的不同的案例单独比较,避免把整体胜败当成每个争点都获支持或未获支持。

将结果放到“原条款 → 数据流 → 风险条件 → 候选修改 → 业务确认 → 依据”的本次工作表中。至少主动寻找支持当前分析、不支持当前分析、事实接近但结果不同的材料;找不到就保留检索缺口,不制造三类案例。只迁移明确可比的条件,不复制类案当事人、金额、日期或证据作为用户事实。

通过已关联且有权限使用的本地案例资料检索。工具返回的入库编号、原文定位、裁判理由与已核验法条是参考上下文;入库编号不能冒充法院案号。资料没有裁判理由、存在OCR疑点或标注不再参照适用时,明确限制,不能从标题补写理由。

案例库验证:演示推演

演示推演:沿用上文请求示例的任务。类案帮助分析权利及责任条件,不能证明供应商技术陈述真实,仍需文档、测试和合同核验。这里说明核验方法,不是真实客户案件、裁判结果或软件实测报告。

需要案例依据时,围绕“AI训练使用权限”和“保密与个人信息处理”查找可比材料;用数据类别、使用目的、再委托、删除与退出逐项对照,分别记录支持、相反解释和无法判断的部分。找不到可比原文,就留下检索范围与缺口。

保持其他事实不变,仅改变“数据类别”的一个条件,检查原分析、相反解释及下一动作是否需要调整;证据未提供的变化仅作假设。将结果落实到原条款、数据流、风险条件等成果字段,保留来源和待核项;不能仅凭生成了报告或表格就标为已验证。

怎样验证这项技能的成果

先查输入忠实度:输出中的数据类别、使用目的、再委托、删除与退出分别来自哪段用户材料,哪些只是推测?把无来源的事实退回待核,不让类案事实、示例数字或常见行业做法填进本案。

再查任务完成度:1)核对输入输出与训练再利用权限;2)检查模型变更、安全、审计和退出安排;3)把不可接受条件转成谈判文本。每项应落到具体对象和材料定位;若只有“注意风险、完善流程”等泛泛建议,要求重做,不以篇幅或格式漂亮代替完成。

法律验证:对照原文核实“AI训练使用权限”和“保密与个人信息处理”所涉及的条件,再比较支持、不利和近邻材料。将原案引用、裁判时有效法、现行法及过渡规则分开,精确法条和效力状态以权威文本核验。

反转测试:只改变一个与数据类别、使用目的、再委托、删除与退出有关的事实,要求说明哪项分析会改变、哪项不变及依据。若无论怎样改事实都给同一答案,说明未真正完成条件分析。

这些是可执行的验收方法,不是本页已运行模型的成绩单。本次文档研究与结构检查不能证明每个模型、案件或工作流均已通过实务测试;未取得实际运行及来源证据的结论,不标为已验证。

你会得到什么

  • 本项主要成果围绕:原条款、数据流、风险条件、候选修改、业务确认、依据
  • 要求—现状—差距—整改链
  • 优先级、责任和验收证据
  • 法源状态与人工审批点
  • 事实、证据、案例与现行法来源对应表
  • 最强相反观点、反转条件与风险说明
  • 下一步行动、待补材料与人工确认清单

成果示例与验收

以下为使用演示,不是真实客户案件、法院裁判或软件实测报告。输入示例:供应商写可使用服务数据改善模型。请检查数据定义、训练范围、退出后处理和责任,不把匿名化一句话当充分保证。

建议成果字段:原条款;数据流;风险条件;候选修改;业务确认;依据。其中“原条款”应写当前材料能够支持的具体对象,“数据流”应提供对应信息而非复述技能名称;来源未提供的内容标为待补,不填写虚构案号、日期或金额。

验收时逐列问:能否从原材料回查?是否完成“核对输入输出与训练再利用权限”?是否解释数据类别与使用目的与再委托与删除与退出的影响?是否留下明确的后续动作?与本次目标无关的字段可以删去,不能为填满表格而制造内容。

中国法律适配与复用

按中国个人信息、数据与知识产权问题逐项核验;合同内部分担不当然转移监管责任。

先核对中国官方文件性质、层级、生效和适用对象,再将义务对应到业务证据;草案、指引、内部制度与强制规范应分开。

本项在固定上游版本中对应1项工作流参考,原版方法经合并或改写,不代表境外连接器、状态文件和定时任务已等价迁移。具体原文见本页资料入口。

复用时,把本轮已经核验的数据类别、使用目的、再委托、删除与退出条件、适用边界、反例及成果格式整理成待复用工作提示。先在新的事实和相反条件下复测,再由用户确认保存到自己的成果或知识库;不修改公共案例原文,不把积累资料称为模型自动完成参数训练。

相关技能怎样协作

围绕本次主任务,按需衔接下列技能;已核对的事实、来源与待补材料随任务一并交接。点击技能查看用法。

本次主任务人工智能供应商审查

哪些情况需要停下来核对

本项尤其需要核对:按中国个人信息、数据与知识产权问题逐项核验;合同内部分担不当然转移监管责任。

  • 适用规范或版本不明
  • 事实材料不足以确认合规状态
  • 要求自动批准、备案或对外报告
  • 保存本地成果或写入个人 Obsidian 前,必须取得用户明确确认。
  • 正式发送、提交、签署、审批、删除或对外承诺必须由用户或有权人员完成。
  • 发函、签署、提交、删除资料、修改状态和保存文件等真实操作,先确认对象、范围及授权。

常见问题:购买AI服务时,协议中哪些数据和责任条款要细查?

人工智能供应商审查的处理重点是核对输入输出与训练再利用权限;检查模型变更、安全、审计和退出安排;把不可接受条件转成谈判文本。开始前准备适用主体、业务和地域和现行制度、流程和证据,再按数据类别、使用目的、再委托、删除与退出核对条件,最后以原条款、数据流、风险条件、候选修改、业务确认、依据检查是否交付。

常见问题:没有查到相关案例,还能使用人工智能供应商审查吗?

可以先完成已有事实范围内的条件分析和草稿,并列清检索范围及缺口;不能捏造案例,也不能把没有找到反例写成没有例外。精确引用与重要法律判断仍需核验。