bias-auditor

该 Skill 在触发时加载本地 bias_audit.py 脚本，对输入文本分词并提取人口群体词与单边归因模式，按 LGD 三律检查是否有籍、有证、门禁合规，标记潜在偏见风险点并生成去偏改写建议，最后输出标准化审计报告；脚本支持 --input、--file、--json 等参数。

zhaoxinghua09-cell

热度 62.02

最近更新 2026-10-17 07:34:51

分类：安全依赖：代码执行 / 读写文件应用场景：报告撰写 / 校对润色 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add bias-auditor

Metadata

name: bias-auditor
display_name: 偏见审计（Bias Auditor）
display_name_en: Bias Auditor
description: 当用户说『AI回答有偏见』『输出性别/地域/年龄刻板印象』『怎么检测模型偏见』『内容要过公平审查』，或在发布面向人群的内容(招聘/推荐/客服/评测)前想做公平性自检时使用。把模型输出当『带视角的生产物』：扫人口群体词·刻板表述·单边归因，标出潜在偏见并给去偏改写建议。理论根基：LGD 三律（有籍·有证·有门禁）。触发词：偏见检测、bias audit、公平性、刻板印象、AI歧视、内容审查、公平自检、stereotype。
version: 1.1.1
agent_created: true
author: 诺声(Logos)@SynomosAI
license: MIT
license_scope: 代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools: Read, Glob, Grep, Write, Edit
category: AI工程方法
platforms: ["windows","macos","linux"]
read_when: ["模型输出疑似带性别/地域/年龄/职业刻板印象","招聘/推荐/评测类内容要过公平审查","用户问「怎么检测 AI 偏见」","对外发布前想做公平性自检"]
tags: ["偏见审计","bias audit","公平性","刻板印象","去偏","内容审查","AI伦理","可靠性"]
slug: bias-auditor
title: 偏见审计（Bias Auditor）
copyright: SynomosAI
description_zh: 当用户说『AI回答有偏见』『输出性别/地域/年龄刻板印象』『怎么检测模型偏见』『内容要过公平审查』，或在发布面向人群的内容(招聘/推荐/客服/评测)前想做公平性自检时使用。把模型输出当『带视角的生产物』：扫人口群体词·刻板表述·单边归因，标出潜在偏见并给去偏改写建议。理论根基：LGD 三律（有籍·有证·有门禁）。触发词：偏见检测、bias audit、公平性、刻板印象、AI歧视、内容审查、公平自检、stereotype。
description_en: Audit model outputs for bias before publishing people-facing content (hiring, recommendations, support): demographic terms, stereotypes and unfairness scans with fix suggestions.
classification: {"skillhub":["security-compliance"],"clawhub":["development"],"iso_25010":["Security"]}
risk_tier: medium
risk_rationale: 门禁批量补丁默认 medium：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high 并走人工批准。
ai_protocol: true
changelog: 1.1.1: bilingual rewrite (English-first, Chinese-after, full body) + read_when/desensitization

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate

English

When to use

When the user questions AI answers for bias, or raises gender/regional/age stereotypes.
Before publishing people-facing content for hiring, recommendation, or support, to run a fairness self-check.
When trigger words like "AI discrimination", "fairness review", or "bias detection" appear.

Usage

Call directly: python bias_audit.py --input <text>.
Parameters: --input is the model output or copy; --framework selects the LGD Three Laws validation mode.
In documentation mode, load bias_audit.py to run the automated scan.

Process

Identify the trigger and load the local script bias_audit.py.
Tokenize the input and extract demographic terms and one-sided attribution patterns.
Per the LGD Three Laws, check whether data is registered, evidenced, and gate-compliant.
Produce de-biasing rewrite suggestions and flag potential bias risk points.
Output a standardized audit report.

Evidence & safety statement

Evidence: TBD (no evaluation/badge link yet; fill in the real link here once produced).
Version: 1.1.1
Safety: No independent security scan has been done (TBD); the conclusion is pending. No endorsement is given until it is completed.

中文

何时用

当用户质疑 AI 回答存在偏见，或提出性别/地域/年龄刻板印象时。
在发布面向招聘、推荐、客服等人群的内容前需进行公平性自检时。
检测到「AI 歧视」「内容过公平审查」或「偏见检测」等触发词指令时。

用法

直接调用脚本：python bias_audit.py --input <待检测文本>
参数说明：--input 为模型输出或发布文案，--framework 用于指定 LGD_Three_Laws 验证模式。
若技能处于文档型服务中，可通过加载 bias_audit.py 文件读取并执行自动化扫描任务。

流程

识别触发指令并加载本地脚本 bias_audit.py。
对输入文本进行分词，提取人口群体词与单边归因模式。
依据 LGD 三律检查数据是否有籍、有证及门禁合规性。
生成去偏改写建议并标记潜在偏见风险点。
输出包含审计结论的标准化报告。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：1.1.0
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。