FUURAA™ 赋睐™ AI 知识图书馆 · 浏览器本地工具

AI 主张证据记录器

把一项公开 AI 主张整理为可交接、可复核、边界明确的结构化记录。填写内容只保留在当前浏览器页面,除非你主动下载或复制。

工具状态公开可用 · 本地处理记录规则ai-claim-evidence-record/v1来源核对2026 年 8 月 4 日

记录工作区

七部分记录,把结论重新连接到来源与边界。

可以从空白记录开始,也可以载入明确标注为虚构的完整示例。完成度只反映必填字段是否存在,不评价事实真实性。

0%仍有 32 个字段未填写。

01

主张与决策

写出一个边界清楚的主张,并说明它允许支持哪项决策。

0/3
02

对象身份

冻结被审阅系统、发布版本与运行者的准确身份。

0/3
03

来源记录

保留正式记录,并说明发布方与被评估对象的关系。

0/5
04

评估设计

让任务、比较、样本、指标、不确定性与失败规则可以被复核。

0/6
05

技术资料

定位另一位审阅者所需的数据、模型、代码与配置。

0/4
06

适用边界

说明证据在哪里适用,以及哪些迁移仍未经测试。

0/5
07

证据状态与复核

记录带日期的判断、分歧以及重新启动审阅的触发条件。

0/6

JSON

机器可读记录预览

导出采用 RFC 8259 JSON。字段结构是 FUURAA 公共方法,不是国际标准或认证格式。

{
  "schema": "fuuraa.ai-claim-evidence-record/v1",
  "record_id": "",
  "claim": {
    "statement": "",
    "decision": ""
  },
  "subject": {
    "system": "",
    "version": "",
    "operator": ""
  },
  "source": {
    "canonical_url": "",
    "type": "",
    "publisher": "",
    "published_at": "",
    "accessed_at": ""
  },
  "evaluation": {
    "task": "",
    "baseline": "",
    "sample": "",
    "metrics": "",
    "uncertainty": "",
    "failure_criteria": ""
  },
  "artefacts": {
    "data": "",
    "model": "",
    "code_and_environment": "",
    "configuration": ""
  },
  "applicability_boundary": {
    "population": "",
    "language": "",
    "geography": "",
    "workflow": "",
    "excluded_uses": ""
  },
  "judgement": {
    "evidence_state": "",
    "rationale": "",
    "contradictions_and_unknowns": "",
    "review_owner": "",
    "reviewed_at": "",
    "next_review_trigger": ""
  }
}

适用边界

记录完整,不代表主张已经被证明。

工具可以做什么

  • 提示每个最小证据字段是否已填写
  • 把来源、评估、技术资料与适用边界放进同一记录
  • 导入、复制和下载可交接的浏览器本地 JSON

工具不能证明什么

  • 来源真实、文件未被篡改或发布者身份有效
  • 研究设计正确、结果可复现或系统适合部署
  • 满足法律、监管、安全、审计或认证要求

FUURAA 分析最可靠的记录不是字段最多,而是主张、证据与决策颗粒度一致。若一项证据只来自固定英文测试集,就应把“支持中”限制在该测试,不应扩展为对多语言现实部署的认可。

一手来源与边界

记录方法连接公开规范,同时不冒充任何规范的正式实现。

2023 年 1 月 26 日

NIST AI RMF 1.0

把证据工作连接到语境、受影响人群、测量、治理与持续风险管理。

边界自愿性且跨行业;它没有规定本记录格式,也不授予认证。

打开一手来源 ↗
2024 年 7 月 26 日发布 · 页面于 2026 年 4 月 8 日更新

NIST AI 600-1 · Generative AI Profile

补充生成式 AI 的来源、测量、信息完整性与人类监督等问题。

边界属于配套轮廓;具体行动仍需根据实际系统与使用语境确定优先级。

打开一手来源 ↗
W3C 推荐标准 · 2013 年 4 月 30 日

W3C PROV-DM

为来源记录中的实体、活动、主体、派生关系与责任提供概念模型。

边界本工具借鉴来源概念;导出的 JSON 并不是规范化 PROV 序列化。

打开一手来源 ↗
2019 年

Model Cards for Model Reporting

支持披露预期用途、评估条件、性能及相关人群分组结果。

边界文档不能独立验证开发者测量,也不能让不适用系统自动变得安全。

打开一手来源 ↗
2018 年 3 月 23 日提交 · 第 8 版于 2021 年 12 月 1 日发布

Datasheets for Datasets

结构化记录数据集的动机、组成、收集、使用与限制。

边界披露质量取决于所提供记录,不能替代权利审查或直接数据检查。

打开一手来源 ↗
互联网标准 · 2017 年 12 月

IETF RFC 8259 · JSON

定义本工具导出记录所使用的可移植结构化数据交换格式。

边界JSON 语法有效不能证明其中内容真实、完整或身份可信。

打开一手来源 ↗

方法与证据图谱

先理解方法,再保存记录,最后进入持续复核。

阅读 AI 证据素养指南进入 AI 溯源图谱返回 AI 知识图书馆