model-data-trace-check

技能文档

---
name: model-data-trace-check
description: 大模型训练数据可追溯就绪检查器 — 逐项检查来源清单/授权许可/版权筛查/个人信息合规/质量抽检/标注审核/安全评估并出就绪分与缺口清单（生成式AI办法§7+GB/T 45652-2025+GB/T 45674-2025+GB/T 45574-2025, JSON IR rc=0/1）
summary: "大模型训练数据可追溯就绪检查器 — 7 项检查+就绪分（办法§7+GB/T 45652/45674/45574, JSON IR rc=0/1）"
slug: model-data-trace-check
version: 1.0.0
display_name: 大模型数据追溯检查器
displayName: "大模型数据追溯检查器"
display_name_en: Model Data Trace Checker
agent_created: true
author: zhaoxinghua09-cell
copyright: SynomosAI
license: MIT
category: professional
platforms: [claude, codex, cursor, windsurf, workbuddy]
homepage: https://github.com/zhaoxinghua09-cell/agent-skills/tree/main/skills/model-data-trace-check
tags: [LGD-Powered, AI技能, professional, 训练数据, 数据合规, model-data-trace-check, SynomosAI]
---

# 大模型数据追溯检查器 / Model Data Trace Checker

**model-data-trace-check** v1.0.0 · LGD-Powered 家族 · 零依赖 · 确定性输出（JSON IR）· 条款锚点 · rc=0/1/2

## 痛点

大模型备案被退回，最高频原因不是模型不行，而是训练数据『答不上来』：来源清单缺失、爬虫数据版权没留痕、标注审核记录不全。GB/T 45652/45674/45574 三项国标 2025-11-01 落地后，数据侧证据链要求从『自觉』变成『标准』——但多数团队连自己缺哪几项都数不清。

## 能力边界

- ✅ **7 项确定性检查**：来源清单/授权许可/版权筛查/个人信息合规/质量抽检/标注审核/安全评估——每项带条款锚点（办法§7 + 三项国标），yes=1/partial=0.5/no=0 出就绪分 0-100
- ✅ **缺口清单按严重度排序**（高/中/低+修复指引）+ **三场景适配**（pretrain/finetune/api-only 分别给优先级，api-only 自动降级训练侧义务）
- ❌ 不替代监管审批/备案——以主管部门现行口径为准
- ⚠️ 面向 AI：判定结果可复核（每条带条款锚点与 JSON IR）；法规更新后本工具随版更新

## 用法

```bash
# 自研预训练模型全项检查
python scripts/model_data_trace_check.py --source-registry yes --license-records partial \
  --copyright-screening no --pii-compliance yes --quality-sampling partial \
  --annotation-audit no --safety-eval yes --model-type pretrain

# 仅调 API 的应用
python scripts/model_data_trace_check.py --model-type api-only

# 内置演示
python scripts/model_data_trace_check.py --demo
```

## 输出示例（真机）

```json
{
  "tool": "model-data-trace-check", "version": "1.0.0", "rc": 1,
  "readiness_score": "64/100",
  "error_code": "TRACE_E_GAPS",
  "gaps": [
    {"check": "copyright-screening", "name": "版权筛查记录", "severity": "高",
     "evidence": "未提供/缺失", "fix": "侵权风险筛查与处置流程留痕（办法§7(三)不侵犯知识产权）"}
  ],
  "watch": "⚠️ 三项国标均 2025-11-01 实施（现行）；大模型备案技术文档清单以网信办最新模板为准"
}
```

## 退出码与错误码

| rc | 错误码 | 触发 | 处置 |
|---|---|---|---|
| 1 | `TRACE_E_GAPS` | 存在 no/partial 检查项 | 按 gaps[].fix 补齐后复检 |
| 2 | `TRACE_E_INPUT_MISSING` | 全部检查项未提供 | 至少给一项 --<check> 或 --demo |

## 反模式 FAQ

**Q1: 就绪分多少算过线？**
本工具不设硬线——大模型备案的安全评估由属地网信办与测评机构把握。经验参考：pretrain 场景 <80 分不建议提交备案材料（版权筛查与标注审核是最高频退回项）；finetune 场景重点保 source-registry/license-records/pii-compliance/annotation-audit 四项全 yes。

**Q2: 网络爬来的公开数据算不算『来源合法』？**
看两件事：①robots 协议/服务条款是否禁止抓取与训练用途；②内容本身的版权状态与许可（CC 协议字段、商业使用授权）。GB/T 45652-2025 要求全部训练数据来源可枚举+可追责——『网上公开』不等于『可任意商用』，爬虫数据的版权筛查记录是审计第一问。

**Q3: api-only 模式为什么也给出检查项？**
因为输入输出日志与内容安全过滤记录仍在义务内（备案应用同样要提交），只是训练数据义务不适用——本工具会自动把缺口严重度降为『低（确认即可）』并提示改用 ai-disclosure-gen 处理标识义务。把 API 应用的检查项当成训练侧义务去补，是最常见的用力过猛。

## 理论依据

LGD 三律（TH-META-006）在此实例化为『模型学到什么必须能答上来』：来源清单=**定籍**（每条训练数据有籍可查）；授权留痕=**定主体**（谁的数据谁授权，权利链不断）；安全评估=**定门禁**（评估不过闸不开）。AI 学习与记忆治理站位件：TH-MAIT-001（诺学首席发声）。

## 免责 / Disclaimer

本工具输出为合规自检参考，不替代大模型备案安全评估与监管审查，不构成法律意见。依据《生成式人工智能服务管理暂行办法》§7 与 GB/T 45652-2025、GB/T 45674-2025、GB/T 45574-2025（均 2025-11-01 实施）。AS IS，无任何明示或暗示担保（见 LICENSE.md）。

---
LGD-Powered 家族 · [诺学@SynomosAI](https://medxpert.cn) · AI 学习与记忆治理 站位件(TH-MAIT-001) · © 2026 SynomosAI

![LGD-Powered](https://medxpert.cn/badge/powered/svg/lgd-powered-cn.svg)

## 安装与使用矩阵

| 环境 | 安装/使用 | 说明 |
|---|---|---|
| Claude / Codex / Cursor / Windsurf / WorkBuddy | 仓库放入 `skills/model-data-trace-check/` | SKILL.md 自动被 Agent 读取 |
| 直接运行 | `python scripts/<script>.py --help` | Python 3.8+，零第三方依赖 |
| 智能体调用 | 按"用法"节传参，读 JSON IR | rc=0/1/2 + 错误码常量可编程处理 |

使用说明

# 大模型数据追溯检查器 / Model Data Trace Checker

> 大模型训练数据可追溯就绪检查器 — 7 项检查+就绪分（办法§7+GB/T 45652/45674/45574, JSON IR rc=0/1）

![LGD-Powered](https://medxpert.cn/badge/powered/svg/lgd-powered-cn.svg)

**关键词**：LGD-Powered · AI技能 · professional · 训练数据 · 数据合规 · 大使 诺学@SynomosAI · 理论 TH-MAIT-001

## 一句话主张

模型学到什么必须能答上来——7 项检查出就绪分，缺口带修复指引，备案退回提前拦。

## 功能

- 7 项检查 — 来源/许可/版权/个信/质量/标注/评估，每项带条款锚点
- 就绪分 0-100 — yes=1 / partial=0.5 / no=0，缺口按严重度排序
- 三场景适配 — pretrain/finetune/api-only 分别给优先级
- 标准家族联动 — GB/T 45652+45674+45574+45654 全 2025-11-01 实施
- JSON IR — rc=0/1 + TRACE_E_GAPS 缺口清单可编程处理

## 快速开始

```bash
python scripts/<script>.py --demo
```

安装矩阵（各 Agent）：仓库放入 `~/.claude/skills/model-data-trace-check/`、`~/.agents/skills/model-data-trace-check/`、`~/.config/opencode/skills/model-data-trace-check/`、WorkBuddy 技能目录；或直接命令行运行（Python 3.8+ 零依赖）。

## 错误码

| rc | 错误码 | 触发 | 处置 |
|---|---|---|---|
| 1 | `TRACE_E_GAPS` | 存在 no/partial 检查项 | 按 gaps[].fix 补齐后复检 |
| 2 | `TRACE_E_INPUT_MISSING` | 全部检查项未提供 | 至少给一项 --<check> 或 --demo |

## 理论与署名

LGD-Powered 家族 · AI 学习与记忆治理 站位件 TH-MAIT-001 · 首席发声 诺学@SynomosAI · © 2026 SynomosAI · MIT

链接：[官网](https://medxpert.cn) · [仓库](https://github.com/zhaoxinghua09-cell/agent-skills/tree/main/skills/model-data-trace-check) · 反馈：仓库 Issues

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。