Data Compliance Ai Rd

---
name: data-compliance-ai-rd
description: 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。
---

# 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`。