SKILLEMALL.ai
EN Войти

BD ai-content-labeling

Практическое руководство по соблюдению нормативных требований к маркировке контента, сгенерированного ИИ — фокусируется на китайских "Методах маркировки контента, сгенерированного ИИ" (обязательно с 2025-09-01, явная + неявная двойная маркировка) и обязательствах ЕС по прозрачности в соответствии со статьей 50 Закона об ИИ ЕС (обязательно с 2026-08-02, машиночитаемая маркировка/идентификация дипфейков/раскрытие информации о чат-ботах), охватывает методы маркировки для различных типов контента (текст/изображения/аудио/видео/виртуальные сцены), неявные метаданные маркировки и технические решения для водяных знаков, обязательства платформ распространения по проверке, проверку при размещении приложений, распространенные риски нарушения и списки исправлений, с прилагаемым локальным инструментом, не требующим зависимостей, для генерации списка проверок соответствия маркировки одним щелчком мыши, определения "нужно ли маркировать" и шаблонов полей метаданных. Предназначено для руководителей по контент-операциям, продуктам, соответствию нормативным требованиям и юридическим вопросам.

машинный переводПоказать оригиналСкрыть оригинал«AI 生成合成内容标识合规实操手册——聚焦中国《人工智能生成合成内容标识办法》（2025-09-01 强制，显式+隐式双标识）与欧盟 AI…»

AI 生成合成内容标识合规实操手册——聚焦中国《人工智能生成合成内容标识办法》（2025-09-01 强制，显式+隐式双标识）与欧盟 AI Act 第 50 条透明度义务（2026-08-02 强制，机器可读标记/深度伪造标识/聊天机器人披露），覆盖文本/图片/音频/视频/虚拟场景各类内容的标识做法、隐式标识元数据与水印技术方案、传播平台核验义务、应用上架审核、常见违规风险与整改清单，附零依赖本地工具一键生成标识合规检查清单、判定"该不该标"与元数据字段模板。面向内容运营、产品、合规与法务负责人。

ClawHub Hermes автор: zhaoxinghua09-cell v1.0.0 MIT-0 17 файлов тело ≈ 609 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Практическое руководство по соблюдению нормативных требований к маркировке контента, сгенерированного ИИ — фокусируется на китайских "Методах маркировки…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 251 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "title"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 609 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 251 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill is a local AI-content-labeling compliance guide with a small offline helper script and no evidence of hidden data access, persistence, or network behavior.
LLM: benign (high) · VirusTotal: · 27 авг. 2026 г.