ai-act-report

AI Act 合规报告

生成一份符合《法规（EU）2024/1689》（《欧盟 AI Act》）的合规报告。报告涵盖 AI 模型清单、风险分类、合规检查清单和可执行的建议。

适用场景

用户提出以下需求时，请使用此技能：

• 生成 AI Act 合规报告
• 审计项目中的 AI 使用情况
• 检查 AI Act 合规状态
• 为监管机构或审计人员准备文档
• 按风险等级对 AI 系统分类
• 审查 AI 素养或透明度义务

第 1 步：收集数据

运行数据收集脚本：

node .claude/skills/ai-act-report/report.mjs --days 90 --output ai-act-report-data.json

该脚本会查询 OpenKBS Project API，获取 AI 使用统计信息，并扫描项目中的合规相关资料。它会输出一个 JSON 文件，其中包含：

• AI 模型使用情况（供应商、模型、请求数、令牌数、费用）
• 每日使用情况明细
• 可用模型目录
• 合规资料扫描结果（技能、策略、披露组件）
• 项目功能列表

第 2 步：分析项目

读取 JSON 输出，然后分析项目代码以确定：

1. AI 用于什么用途？ — 阅读 functions/ 和 site/ 中的功能，了解每种 AI 使用场景。例如：客户聊天机器人、内容生成、数据分析、员工评估、招聘筛选、信用评分。

2. 根据附件 III 进行风险分类 — 针对每种 AI 使用场景，判断其是否属于高风险类别：

   • 生物识别（远程身份识别、情绪识别）
   • 关键基础设施（能源、交通、供水管理）
   • 教育（录取、评分、学习评估）
   • 就业（招聘、简历筛选、绩效评估、晋升／解雇决策）
   • 基本服务（信用评分、保险定价、社会福利）
   • 执法（证据评估、风险评估）
   • 移民（签证评估、边境监控）
   • 司法（法律研究、量刑工具）

   如果某种使用场景不属于任何附件 III 类别，则将其归类为最低风险或有限风险（仅需满足透明度要求）。

3. 合规差距分析 — 检查是否满足第 21 条的各项要求。

第 3 步：生成报告

按以下确切结构生成 Markdown 文档：

# AI Act Compliance Report
## Project: {project name or ID}
## Period: {start date} — {end date}
## Generated: {date}

---

### 1. AI System Inventory

| Vendor | Model | Requests | Input Tokens | Output Tokens | Cost (credits) |
|---|---|---|---|---|---|
| ... | ... | ... | ... | ... | ... |

**Total AI requests:** {N}
**Total cost:** {N} credits ({N} EUR)
**Models used:** {N} distinct models from {N} vendors

---

### 2. Risk Classification

| AI Use Case | Description | Risk Category | Annex III Reference | Justification |
|---|---|---|---|---|
| {function name} | {what it does} | Minimal / Limited / High-risk | {e.g., Annex III, pt. 4} | {why this classification} |

---

### 3. Compliance Checklist

| Requirement | Article | Status | Evidence |
|---|---|---|---|
| AI Literacy measures | Art. 4 | {status} | {what was found or missing} |
| No prohibited practices | Art. 5 | {status} | {AI Act Compliance Skill active / not found} |
| Activity logging / traceability | Art. 12 | {status} | {proxy logs available for N days} |
| Human oversight mechanisms | Art. 14, 26 | {status} | {approval workflow detected / not found} |
| Transparency / AI Disclosure | Art. 50 | {status} | {disclosure component found / not found} |
| Log retention >= 6 months | Art. 26(6) | {status} | {retention period} |
| Worker notification (if HR AI) | Art. 26(7) | {status or N/A} | {evidence} |
| AI Acceptable Use Policy | Best practice | {status} | {document found / not found} |
| AI Literacy Policy | Best practice | {status} | {document found / not found} |

Status values: Compliant / Partial / Non-compliant / N/A

---

### 4. Recommendations

Produce a prioritized checklist of actions:
- Critical: things that must be fixed before Aug 2, 2026
- Important: things that should be in place for full compliance
- Recommended: best practices that strengthen the compliance posture

---

### 5. Report Metadata

- **Tool:** ai-act-report v1.0.0
- **Data source:** OpenKBS AI Proxy usage logs
- **Classification method:** Automated data collection + AI-assisted code analysis
- **Regulation:** Regulation (EU) 2024/1689
- **Disclaimer:** This report is generated automatically and does not constitute legal advice. For binding compliance assessments, consult a qualified legal professional.

将报告保存为项目根目录下的 AI-ACT-COMPLIANCE-REPORT.md（或用户指定的路径）。

第 4 步：向用户展示

生成报告后：

1. 总结主要发现（模型数量、风险等级、缺失项）
2. 指出最关键的差距
3. 询问用户是否希望立即处理任何建议

重要说明

• 报告使用 OpenKBS AI Proxy 中的数据。如果项目通过代理之外的方式使用 AI 模型（例如直接调用 API），这些用量不会出现在报告中。请说明这一限制。
• 风险分类基于代码分析，对于边界情况可能需要人工验证。
• 费用换算方式：100,000 积分 = 1 EUR。
• 应定期重新生成报告（建议每季度一次），以保留有文档记录的合规历史。
• 不要生成虚假或占位数据。如果数据不可用，请明确说明。