最近法律人开源的东西越来越多。有人开源合同生成 Skill,有人开源审查工作流,也有人把自己在某个细分业务里踩过的坑,整理成可以复用的工具。
这次我们评测的对象就是其中之一——一个面向 OPC、founder 和独立开发者的隐私协议自助生成器。
它的口号很直白:"让 OPC 和 founder 没有难写的隐私协议。"
但我们的问题是:一个没有任何法律背景的普通人,真的能用它做出一份敢拿去上架的隐私协议吗?
我们设计了一套"普通人视角"的评测体系,用两个真实场景跑了一遍。以下是完整记录。
隐私协议 MVP 生成器是一个 Claude Skill——你可以把它想象成一个安装在 AI 助手里的"隐私协议专家"。它基于《个人信息保护法》《数据安全法》《网络安全法》及相关国家标准,通过对话式问答帮你起草隐私协议。
作者是法律科技团队"有点智能",他们在 AI 合规和数据合规领域有实务经验。按作者自己的话说:
"一些功能简单的 App、小程序和早期网站,第一版隐私协议未必需要一开始就做成深度法律意见。很多团队真正卡住的,不是复杂法律判断,而是压根不知道从哪里开始。"
核心能力:支持三个输出分支——最小合规版本(短版,适合先上线)、完整版本(全面展开)、以及在最小版基础上逐步扩充。
覆盖场景:App、网站、小程序、SaaS、SDK 披露、AI/AIGC 创作工具等。
GitHub 仓库 →本次评测中生成的完整隐私协议草案(仅供参考):
🌤️ "晴雨"天气 App 隐私协议(最小合规版本)
🎨 "灵绘"AI 文生图小程序隐私协议(完整版本)
在开始之前,我们定义了评测视角。这里的"普通人"是一个具体画像:
可能是独立开发者,做了个 App/小程序要上架;可能是小团队 founder,公司刚起步没有法务;也可能就是个 AI 产品爱好者,做了一个工具想发布。他们的共同点是——知道"需要隐私协议"但不知道怎么写,没读过《个保法》,分不清"委托处理"和"共享",真正需要的是有人帮他们把问题问对、把盲区补上、把致命错误挡住。
为什么没有"法律准确性"维度?
因为普通人无法评估法律准确性。我们能做的,是评估它是否诚实地暴露了自己的不确定性——有没有把"不确定"标出来、有没有告诉你"这一步你需要找律师"。一个好的工具不应该让你误以为你已经安全了。
为什么没有"学习价值"维度?
这个 Skill 的目标是"让普通人拿到能用的协议",不是"教会普通人写隐私协议"。用出租车去衡量"乘客学会修车了吗"是本末倒置。我们保留为一个不评分的观察点。
我们设计了两个从简单到复杂的真实场景:
场景一:"晴雨"天气 App。极简功能——只要定位权限,调用和风天气 API 展示天气。个人开发者,选最小合规版本。
场景二:"灵绘"AI 文生图小程序。调用通义万相 API,用户输入提示词生成图片,可保存到相册。个人开发者,因感知到"AI 产品风险高"主动选了完整版本。
第一句话就很清晰——三个选项各配解释,不需要用户自己去判断"我该选哪个"。对于一个完全不懂隐私协议的独立开发者来说,这种"帮你把决策拆好"的设计比任何炫酷的功能都重要。
这是整个评测中第一个关键瞬间。一个真正的独立开发者大概率不会意识到"调个天气接口"也意味着用户位置数据会被发给第三方服务器。Skill 追问了,而且追问到了关键信息——如果它不问,协议里的第三方清单会是空的,而应用商店审核很可能因此把 App 打回来。
协议生成后包含 13 个章节和一份"后续完善事项"——8 条待办,按高/中/低风险分级。用户追问"下一步该怎么办"后,Skill 拆成了三个可执行的动作:
注意这个瞬间:用户因为感知到"AI 产品风险高"而主动选择了完整版。这和场景一形成了有趣的对比——当产品复杂度低时用户自然选最小版;当风险感知上升时用户会倾向于更全面的覆盖。Skill 的分流设计同时容纳了这两种行为。
场景二暴露了一个场景一中没有触发的 Skill 角色。
用户说:"我没有做内容审核。"
如果是一个普通的生成工具,它会接受这个输入、写入协议、然后收工。但这个 Skill 没有。
这是我们给这个 Skill 最高评价的时刻。它不只是"帮你写"——它在关键风险点上会主动拦截,告诉你这不只是协议里改几个字的事,而是你的产品需要做改动。
对于一个不知道"没做内容审核意味着什么"的普通开发者来说,这段分析比整份协议正文更有价值。
最终输出一份 17 章完整版隐私协议,包括 AI 功能专章(模型训练、训练数据来源、第三方模型服务)、小程序渠道专章(接口组件调用、插件、用户权利路径)、委托处理表、复查报告(按 blocker / 高风险 / 一致性 / 表达问题分级)、以及后续完善事项(按"上架前必须 / 强烈建议 / 可延后"分级)。
经过评测过程中的讨论和修正,两个场景各维度得分如下:
上手门槛(6/8):打开 Skill 的第一句话就知道该干什么——"你要最小合规版、完整版、还是扩充?"分流清晰。扣分项是信息采集阶段——不是让你填表,而是逐条对话式追问,没有进度提示。简单场景下问题不多(5-6 个),影响不大;产品更复杂时这个体验会变差。
理解可行性(5/8):Skill 问的问题用户都能听懂。扣分的原因不是"看不懂"——而是遇到专业术语时没有附解释(比如直接问"是否存在委托处理"而不先说明什么是委托处理),以及没有告诉用户"还要答几个问题、大概多久"。
安全感(8/8 · 满分):这个 Skill 最突出的维度。免责声明放在输出最前面、措辞详尽而不敷衍;未知事实统一标记为"需进一步核验"而非编造;复查报告按 Blocker / 高风险 / 一致性 / 表达问题四级分层;后续完善事项带优先级标签。"赛博法师""赛博护符"的轻松表达没有冲淡严肃性,反而让用户更容易接受"这确实不是正式法律意见"这个事实。
输出可用性(8/8 · 满分):两份协议都是结构完整、表格齐全、可直接使用。需要注意——这里的"满分"不是指协议一生成就能直接发布,而是指 Skill 诚实地标记了所有待确认项,并在用户追问时给出了"三步消项"的可执行路径。不做的事不是因为做不到,而是这些本该你来做——确认第三方隐私政策、补充公司完整地址、确认服务器地域。一份把风险摊开给你看的协议,比一份假装一切都好的协议有价值得多。
两轮测试下来,我们发现这个 Skill 实际扮演了六个角色:
追问者——采集产品事实,把用户自己没说清楚的点问出来
矛盾检测者——发现"没有 SDK 但调了 API""不需要登录但获取手机号"这类不一致
生成者——把零散事实组织成结构完整的协议
复查者——Blocker / 高风险 / 一致性 / 表达问题四级复查
风险警告者——在关键风险点(如"无内容审核")主动拦截,展开对比分析
引导者——帮用户从"8 件事无从下手"走到"做这 2 件就能上架"
其中"风险警告者"是对普通人最有价值的角色——因为普通人不知道"无审核"意味着什么,即使知道了也不知道有多严重。
Skill 的工作模式不是"你填表 → 我输出 → 再见"。而是生成 → 列出待确认 → 用户补数据 → 消项 → 再评估 → 给出"够了"的信号。这个循环在场景一中完整运转——用户按指引在三步内消掉了所有高风险项,协议从"有 2 项 blocker"走到"可发布",整个过程不到 15 分钟。
上手门槛和理解可行性两个维度得分最低(6 和 5),但它们的失分原因不是 Skill 能力不足,而是信息采集体验像草稿——没有进度条、没有术语解释、没有结构化表单。好消息是产品模板(product-form.md)里已经有很好的分块结构和例子,只是没有在对话中被主动展示。这是一个"作者已经做好了材料、就差把它放进对话里"的问题,修复成本不高。
产品功能简单(1-3 个核心功能),数据流转不复杂;至少能回答"产品叫什么、有什么功能、收什么数据、接了什么外部服务、怎么联系你"这五个问题;需要一份不会因为格式或内容缺失被应用商店打回来的初版协议;知道自己迟早要找律师,但想先有一份能跟律师讨论的底稿。
产品涉及敏感个人信息、未成年人、AI 训练、跨境传输等——Skill 会标出来,但不会替你解决这些事情;对"什么是第三方""什么是 SDK vs API""什么是跨境传输"完全没有概念——信息采集阶段不主动解释术语,你可能在第一步就卡住;指望点一下按钮就出一份直接能用的协议——Skill 生成的是"80% 框架 + 20% 待确认",最后那 20% 才是关键风险点。
最重要的提醒
这份工具生成的是"隐私协议建议稿",不构成正式法律意见。正式发布前,请咨询律师或数据合规顾问。Skill 自己在输出开头就写得很清楚——"请把本文当作一位赛博法师递来的路线图,而不是一枚可以抵挡所有风险的赛博护符。"
综合评分 27/32(84.4%),安全感维度和输出可用性维度双满分。
这个 Skill 做到了一件对普通人来说最难的事:不是帮你掩盖风险,而是帮你看见风险。免责声明放在最前面、未知事实标记而非编造、复查报告按 severity 分级而非笼统说"建议完善"、后续指导拆成可执行的动作而非扔一个清单就跑——这些设计共同构成了一个诚实的工具。
在法律科技领域,"诚实"可能比"完美"更稀缺。一个假装什么都能搞定的生成器会给你虚假的安全感;一个诚实地列出"我还不知道这些"的生成器,会让你带着清晰的 checklist 去找律师——而这恰恰是最好的结果。
如果作者能在信息采集阶段加上结构化引导和术语解释,这个分数还有上升空间。但就目前而言,对于 OPC、独立开发者和早期 founder 来说,这是一个值得放进工具箱的 Skill。
评测说明
本次评测由 AI 助手以"普通人"角色执行,模拟了两个真实场景的完整对话流程。评测过程中对评分进行了两次修正:一次修正了"把答不出当看不懂"的分类错误,一次修正了"把诚实的待确认当输出缺陷"的评估偏见。评测方法论遵循"最小验证法"原则——每次实验只盯最关键的一两个维度,不贪多。
Skill 仓库:github.com/youdianzhineng-ailaw/privacy-policy-self-service-generator-mvp
评测日期:2026 年 6 月 2 日