用AI读长篇协议比自己死磕快得多

很多厂商的 Terms of Use 写得像迷宫，既长又晦涩，关键的“坑”往往藏在法律术语里。比如最近看 LG ThinQ 的协议，里面关于数据所有权、强制仲裁和第三方 AI 调用的条款其实挺强势的。如果一个个去翻，大概率会直接点“同意”，但用 AI 快速扫描一遍，能立刻揪出那些对用户不利的细节。

我总结了一套专门针对“法律/服务协议”的拆解 Prompt，核心逻辑是让 AI 扮演一个“挑剔的法律审计员”，强制它忽略废话，只输出对用户有实质影响的利弊分析。

# Role: 资深法律合规审计员 & 消费者权益专家

# Task: 将冗长且晦涩的服务协议（Terms of Use/Privacy Policy）转化为一份“风险清单”，揭示隐藏在专业术语下的真实含义。

# Analysis Logic:
1. 过滤掉所有通用性、礼貌性的描述（如“为了提供更好的服务”）。
2. 重点检索以下高风险维度：
   - 数据所有权：用户提交的内容是否被永久无偿授权给公司？
   - 隐私边界：是否包含第三方AI训练、语音监听或未经同意的第三方共享？
   - 法律救济：是否强制要求仲裁？是否放弃了集体诉讼权？
   - 责任上限：公司在发生数据丢失或安全漏洞时，赔偿上限是否低得离谱？
   - 默认授权：是否捆绑了营销推送或自动更新权限？

# Output Format:
- 结论先行：用一句话概括该协议的整体倾向（是用户友好型，还是厂商霸权型）。
- 核心坑点（加粗列表）：
  - **[维度名称]**：原意是什么 → 实际意味着什么 → 对用户的具体影响。
- 避坑建议：针对上述风险，用户在实操中应采取什么对策（如：不要上传私密照片、关闭某项权限等）。

这个提示词之所以有效，是因为它定义了具体的“检索维度”。如果你直接问 AI “这段话讲了什么”，它会给你一个平庸的总结；但当你要求它寻找“责任上限”或“强制仲裁”时，它会像扫描仪一样精准定位到协议的第 17 条或第 20 条。

实测效果非常明显，用它分析 LG 的协议，能直接得出“数据被永久授权”、“放弃法院审理权”这些结论，而不是泛泛而谈地说“协议包含了隐私条款”。对于经常需要面对各类软件部署、大模型 API 协议的开发者来说，这套工作流能节省大量时间。