前言¶
面向中国大陆的 AI 产品，在设计和发版前需要核对生成合成内容标识是否落实。条款分散在部门规章、规范性文件和强制性国标里，单靠记忆容易漏项或误读附录性质。DeepSeek Harness（DSH）通过 skill 插件把「怎么做」和「有没有做」拆开：技能指导核对思路，规则引擎对代码与产出做静态取证。
下面介绍维护者 feely0208 发布的 @deepwhale-cn/dsh-cn-ai-labeling（GitHub：feely0208/dsh-cn-ai-labeling，分类：模型推理）。插件当前版本 0.2.0，MIT 许可，依赖 DSH >=0.1.0-rc.6 <0.3.0 与 Node >=18。
这是什么¶
一句话定位：AI 生成合成内容标识合规自检 —— 给 DeepSeek Harness 用的 skill 插件。对照《人工智能生成合成内容标识办法》与强制性国标 GB 45438—2025，在本地逐条核对显式/隐式标识是否写进实现与导出物，并标明哪些要求不适用、避免误伤。
插件不联网、只读不改被扫项目；报告是提示与证据，不构成法律意见，是否违规由人判断。
规则引擎能扫出什么¶
同一条 CLI 可扫项目、看演示、列规则依据：
dsh-ai-labeling --root <项目路径> # 扫一遍
dsh-ai-labeling --demo # 看内置演示样本
dsh-ai-labeling --list-rules # 列出规则与依据
README 列出的五条规则示例如下（每条带 when 守卫：未使用 AI 的项目记为「不适用」，报告会写明「N 条因不适用本项目未运行」，避免把「不适用」当成「通过」）：
| 规则 | 查什么 | 级别 |
|---|---|---|
AILABEL-NO-DISCLOSURE |
生成结果直接回给用户的文件里，没有任何「AI 生成」显式标识 | 高 |
AILABEL-MISSING-TEXT |
全项目找不到一句「AI 生成 / 由 AI 生成 / AI-generated」标识文案 | 高 |
AILABEL-NO-REVIEW |
面向用户输出缺「人工核验 / 仅供参考」提示 | 中 |
AILABEL-NO-IMPLICIT-META |
生成产出文件缺 generated_by / ai_generated 等隐式标识元数据 |
中 |
AILABEL-VAGUE-GENERATED |
文案写「自动生成 / 系统生成」但无 AI 字样 | 低 |
边界：只做静态检查；图片/音视频里的隐式标识（如数字水印）看不见。
依据在技能正文中按官方文件引用，主要包括：《互联网信息服务深度合成管理规定》（第 12 号令，2023-01-10 施行）、《人工智能生成合成内容标识办法》（国信办通字〔2025〕2 号，2025-09-01 施行）、GB 45438—2025《网络安全技术 人工智能生成合成内容标识方法》（2025-09-01 施行，附录 E 为规范性）。
技能覆盖的检查面¶
除上述规则外，技能正文按组组织核对项，便于在 agent 对话里逐项回答义务主体、显式/隐式标识、协议与上架材料等问题：
| 组 | 内容 |
|---|---|
| 第 0 步 | 义务主体判定（自建服务 / 工具 / 端上模型） |
| A. 显式标识 | 文本、图片、音频、视频、虚拟场景、交互场景界面 + 下载/复制/导出链路 |
| B. 隐式标识 | 五要素齐备、附录 E 格式、Label 取值、字符集、一文件一份 |
| C. 协议与流程 | 用户服务协议、无标识版本与日志留存、禁止删除篡改 |
| D. 分发与备案 | 应用市场上架问询、算法备案与安全评估材料 |
| E. 防误伤 | 明确列出不构成强制要求的项及依据 |
README 强调的三点判断（摘录要点）：隐式标识义务面在《深度合成规定》第十六条起即可能适用，显式标识需看第十七条第一款五类场景；义务主体是「服务提供者」而非产品形态，纯工具方不等同义务主体但导出链路仍宜提供标识能力；GB 45438 仅附录 E 为规范性，附录 A.2 对数字水印「在本文件中不做要求」，文本等无图片 5% 字高之类误读。
安装与启用¶
安装命令以仓库 README 为准：
dsh plugin --profile <profile> add @deepwhale-cn/dsh-cn-ai-labeling
完成后重启 dsh。技能在 agent 需要时自动可用；包内提供 dsh-ai-labeling 命令（bin/cli.mjs）。
安装前建议自行查看 GitHub 仓库 源码与 MIT 许可证。插件以当前 DSH 进程权限运行，只读本地路径与被指定文件。
取证脚本与 CI 用法¶
插件随包分发 labeling-check.sh，技能正文会给出其绝对路径。用于收集代码实现证据或校验真实产出文件元数据：
# 扫代码库，收集标识实现的证据与缺口
bash <labeling-check.sh 路径> --code --dir .
# 校验一个真实产出文件的元数据（导出物 / 图片 / 文档）
bash <labeling-check.sh 路径> --meta ./导出样例.docx
bash <labeling-check.sh 路径> --meta ./生成图.png
# 一起跑
bash <labeling-check.sh 路径> --all --dir .
退出码：0 表示未发现问题，1 表示有发现，可接在 CI 或发版前卡口。--meta 会解析文件中的 AIGC JSON，校验 7 个要素、Label 取值、字符串类型与字符集。
与其它插件的关系¶
与 @deepwhale-cn/dsh-cn-compliance 互补：后者侧重发布前扫对外文案（广告法极限词、网络工具红线、备案展示）；本插件侧重开发阶段查产品实现（标识是否写入代码与导出物）。可按 DSH 插件生态「组合优先」原则配套使用。
适用场景与注意¶
适合：面向国内发版的生成式/深度合成能力、需要在设计阶段对齐 GB 45438 与配套办法的团队；希望在发版前用同一套规则出证据、减少误报的工程流程。
注意：插件不内置会过期的「合规结论库」，条款以官方最新文本为准；静态扫描不能替代法务结论。社区目录可在 SkillHub 插件页 与 DSH Plugin Hub 查看，与 DeepSeek / 幻方无官方从属关系。
更多说明与 issue：https://github.com/feely0208/dsh-cn-ai-labeling。
