data-compliance-ai-rd

围绕固定项目“数据合规AI项目 / 数据合规与AI应用探讨”做研发推进、范围收缩、知识库设计、工作流原型、验证标准、会议结论沉淀与 IMA 笔记同步。用户一旦在聊这个项目的 MVP、法规库、隐私政策审查、数据出境、任务分工、技术路线、验证指标、会议补充或新想法时,就应使用本 skill。

SKILL.md

GitHub

Data Compliance AI R&D

Quick start

  • 先把当前任务归到一个工作流:范围/MVP、知识库/数据、技术原型、验证评估、项目推进/纪要同步。
  • 先读 references/project-brief.md,锁定项目边界、鹿晗角色、固定主笔记 ID。
  • 需要追加项目想法、会议补充或结论时,优先用 scripts/append_project_note.py 同步到 IMA 主笔记。

Workflow

1. 先锁定项目边界

默认前提:

  • 这是一个中国法语境下的数据合规 AI 工具。
  • 第一阶段优先解决隐私政策 / 合同文本的合规风险识别。
  • 重点场景优先是数据出境,不是一上来覆盖全部数据合规问题。
  • 产品定位是辅助合规/法务提高效率,不是替代律师出最终判断。

如果用户没有明确推翻这些前提,就按这套边界执行。

2. 按任务类型选择资源

A. 用户要做项目判断、明确角色、回顾当前方向

先读:references/project-brief.md

默认输出:

  • 当前项目一句话定位
  • 鹿晗当前负责什么
  • 这轮最该推进的一件事
  • 是否需要同步到 IMA

B. 用户要拆 MVP、定范围、排优先级、定这周要做什么

先读:references/workstreams.md

默认输出:

  • 本轮唯一闭环
  • 必做项 / 延后项
  • 鹿晗视角的执行清单
  • 下一次会议前要交付什么

C. 用户要做知识库、法规整理规范、输入输出结构、技术架构判断

先读:

  • references/tech-and-data-rules.md
  • references/first-stage-problems.md

默认输出:

  • 推荐数据组织方式
  • 检索 / 分析 / 输出链路
  • 风险控制点
  • 当前阶段是否适合云端化
  • 第一阶段真实难点与应对顺序

D. 用户给出新想法、会议补充、方案变化、关键结论

先做两件事:

  1. 先判断哪些内容属于“值得长期保留的项目信息”
  2. 再用 scripts/append_project_note.py 追加到 IMA 主笔记

默认只同步:

  • 新决策
  • 新待办
  • 分工变化
  • 风险判断
  • 技术路线修正
  • 会议纪要补充

不要把纯闲聊、未成形吐槽、重复内容全部写进去。

3. 做研发推进时的默认顺序

  1. 先收缩范围,不先摊大饼
  2. 先定义一个可验证问题
  3. 先做最小样本验证
  4. 跑通后再扩法规库和部署形态
  5. 每次结论都尽量写进 IMA 主笔记

Inputs

常见输入:

  • 会议纪要
  • 新想法 / 新建议
  • 隐私政策文本
  • 合同文本
  • 法规整理方案
  • 任务分工更新
  • “这周我该做什么”类问题
  • “这个方向要不要改”类问题

Outputs

默认输出尽量结构化,优先使用:

  • 当前目标
  • 鹿晗该做的事
  • 本轮必做 / 不做
  • 风险点
  • 下一步

如果用户给的是会议补充或项目新结论,默认还要完成:

  • 提炼出值得沉淀的部分
  • 追加到 IMA 主笔记

Pitfalls / gotchas

  • 不要把项目范围默认扩大到“全量数据合规平台”。第一版先做一个窄而能跑通的场景。
  • 不要把新闻、二手文章、未核实说法当成核心法规依据。
  • 不要输出没有条文依据的法律结论。
  • 不要把“辅助判断”包装成“自动法律结论”。
  • 不要只给抽象路线图;默认要落到鹿晗这边具体该做什么。
  • 不要忽略第一阶段真实问题:长文本、检索偏差、引用溯源、输入清洗、平台限制、风险分级、法规更新风险。
  • OCR / 扫描件 / 多模态复杂解析默认仍属于后续阶段,不并入第一阶段主链路。
  • 不要漏掉 IMA 同步。这个项目已经有固定主笔记:7445858295506106。