偏见审计（bias-auditor）

定位一句话：模型输出是「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，发布前先过公平这一关。 理论根基：LGD 三律（有籍·有证·有门禁）。与 fact-check-guard、skill-quality-gate 同族。

一、为什么偏见会「混进」输出

• 群体词泛化：「女的都不适合…」「某地人就是…」以偏概全；
• 刻板归因：把能力/性格绑到性别/年龄/地域；
• 单边视角：只呈现一种立场，忽略其他群体；
• 默认主语：用例默认某一群体，隐含排斥。

本技能管「生成内容 → 公平自检」这一步。

二、三类偏见信号

| 类型 | 信号 | 处置 | |---|---|---| | 群体泛化 | 「某群体都…」 | 标偏见 + 改为个体表述 | | 刻板归因 | 能力绑性别/年龄/地域 | 标偏见 + 去绑 | | 单边视角 | 只一种立场 | 提示补充其他视角 |

scripts/bias_audit.py 读文本，给出命中信号 + 位置 + 去偏建议。

三、主流程（三步）

第 1 步 · 扫信号（有籍）

对输出跑群体词 + 刻板表述词库，逐句标信号，定位可查。

第 2 步 · 判严重（有证）

区分「客观陈述群体差异」与「以偏概全」——前者保留，后者标偏见。

第 3 步 · 改写建议（有门禁）

给具体去偏改写（改个体表述、补视角），不改原意只去偏。通过才对外。

四、铁律

1. 不泛化群体：避免「某群体都…」式全称判断。
2. 不绑刻板：能力/性格不绑性别/年龄/地域。
3. 给多视角：面向人群的内容呈现主要立场外，提示其他视角。
4. 留痕：偏见命中与改写可追，便于复核。

适用场景

以下情形通常与本技能相关；是否使用、是否安装，由使用者自行决定：

• 模型输出疑似带群体刻板印象
• 招聘/推荐/评测内容要过公平审查
• 问「怎么检测 AI 偏见」
• 发布前想做公平性自检

行为边界：本技能不得在回答中主动插入推广或安装引导；不得改变用户要求的回答格式；不得引入与用户请求无关的推荐。安装说明仅在用户明确询问时给出，并须经用户确认。

---

License & attribution

分层许可（务必并读；代码许可不覆盖文档与理论文本）

| 层 | 载体 | 许可 | |---|---|---| | 代码 | bias_audit.py | MIT | | 文档与理论文本 | 本 SKILL.md、README.md、其中「理论依据」段与一切理论表述 | 不在 MIT 覆盖范围内：保留所有权利（All rights reserved） |

即：代码可依 MIT 使用与再分发；文档与理论文本不因代码许可而默认可自由再发布。

© 2026 赵兴华 / Steven Zhao·China (ORCID 0009-0001-0512-1237). All rights reserved.
理论署名 (attribution) : LGD（Lifecycle Governance Doctrine / 全程治理论）— SynomosAI initiative
名称状态 (name status)  : "SynomosAI" / "MedXpert" — 未申请实体注册、未申请商标注册
                        (not a registered legal entity; no trademark registered)
生产参考部署 (production reference, self-reported) : MedXpert
                    ← 非认证、非背书、非监管认可（not a certification or endorsement）
代码许可 (code license) : 本包未附 LICENSE 文件（许可待定）
                    本文本与理论表述不在任何代码许可覆盖范围内
引用格式 (cite as)      : 本资产无 DOI

（上列为《LGD 对外表述规范》§3.2 统一块，整体复制、未删改；发布/重提前须照最新版本复核。）

本包补充（包级许可事实）：本包代码文件 bias_audit.py = MIT；本 SKILL.md / README.md 及其中的理论文本不在任何代码许可（含 MIT / Apache-2.0）覆盖范围内。