用OpenAI和表格搭建欧盟AI法案风险台账

原文要点

原模板用n8n表单收集内部AI系统申报（用途、数据类型、决策影响、是否对外可见等），先做关键词预检标记附件III高风险领域并判断是否可能适用第50条透明度义务；再把规范化申报交给OpenAI gpt-4.1-mini，要求以严格JSON给出风险分级、相关条款、理由、义务与待澄清问题。随后代码校验：拒绝未知分级、预检命中附件III时上调为高风险、输出对外时追加第50条义务。记录追加到Google Sheets的「AI inventory」页并标注「待人工复核」；被禁、高风险或不明确的条目经SMTP邮件通知管理层并抄送数据保护官，其余条目标记下次复核日期。模板免费，需OpenAI密钥、Google表格与SMTP邮箱。

这次做成什么

在n8n中按原模板思路独立搭一条「表单申报→关键词预检→gpt-4.1-mini分级→校验修正→台账→按需告警」流程，并用三条虚构申报（含一条高风险、一条普通、一条不清晰）验证分支与邮件行为。

准备什么

• n8n实例并能发布n8n Form表单
• OpenAI API密钥且账号可用gpt-4.1-mini（原模板指定型号，需在节点确认）
• Google账号与一个含「AI inventory」工作表的Sheet
• 一个可发信的SMTP邮箱（可用测试邮箱服务），及管理层与DPO收件地址

具体怎么做

1. 发布n8n申报表单

   新建工作流，用n8n Form Trigger建表单，字段：system_name（系统名称）、purpose（用途，多行文本）、data_types（处理的数据类型）、decision_impact（对个人/业务决策的影响）、external_visibility（输出是否对公司外部可见，是/否）、submitter（提交人邮箱）。发布表单拿到内部URL，表单说明里注明勿在自由文本填个人敏感信息。

2. 规范化与关键词预检

   表单后接Code节点：生成report_id（如AI-2026-0001）、把文本统一小写，用下方附件III关键词表匹配purpose与data_types，命中即annex3_flag=true；external_visibility=是则art50_flag=true。关键词表按所在行业术语自行扩充（原模板也建议扩展）。

3. 调用gpt-4.1-mini分级

   加OpenAI节点，模型选gpt-4.1-mini，使用下方分级提示词，把规范化后的申报JSON作为用户消息传入，要求模型只输出含risk_class、provision、reasoning、obligations、open_questions的严格JSON，响应格式设为JSON模式。

4. 校验与修正

   再接Code节点执行规则：risk_class不在[prohibited,high,limited,minimal,unclear]内则改为unclear；annex3_flag=true且模型未判high时上调为high并注明原因；art50_flag=true时在obligations追加「第50条：对外输出需做AI透明度披露」。任何修正都写入validation_notes留痕。

5. 写入Sheets台账

   Google Sheets节点以Append模式写入「AI inventory」页，列：report_id,system_name,purpose,risk_class,provision,obligations,status,next_review,submitted_at。status固定写「Proposal - human review pending」，next_review对非告警条目写90天后日期。

6. 按需邮件告警

   IF节点判断risk_class属于prohibited/high/unclear时走SMTP Send Email节点：收件人为管理层、抄送DPO，正文含report_id、系统名、分级、理由与open_questions；其余条目不发信，仅留在台账等待周期复核。用下方三条测试数据分别验证各分支。

可直接复制的材料

const ANNEX3_KEYWORDS = ['招聘','简历筛选','信贷','信用评分','福利资格审核','执法','边境','生物识别','人脸识别','关键基础设施','教育录取','考试成绩','医疗分诊','保险定价'];
const text = (($json.purpose||'') + ' ' + ($json.data_types||'')).toLowerCase();
const hits = ANNEX3_KEYWORDS.filter(k => text.includes(k.toLowerCase()));
return [{ json: { ...$json, report_id: 'AI-2026-' + String(Date.now()).slice(-6), annex3_flag: hits.length > 0, annex3_hits: hits, art50_flag: ($json.external_visibility === '是') } }];

你是欧盟AI法案（EU AI Act）合规分析助手。根据用户消息中的AI系统申报JSON，提出风险分级建议。只允许从以下五类中选一个：prohibited（第5条被禁实践）、high（附件III高风险）、limited（有限风险/透明度义务）、minimal（最低风险）、unclear（信息不足无法判断）。只输出JSON：{"risk_class":"五类之一","provision":"最相关条款编号","reasoning":"100字内理由","obligations":["义务1","义务2"],"open_questions":["待澄清问题"]}。规则：1) 不确定时选unclear而不是猜测；2) 不要输出JSON以外的任何文字；3) obligations最多四条，引用条款编号。

const VALID = ['prohibited','high','limited','minimal','unclear'];
const pre = $('Normalize').first().json;
const notes = [];
let p;
try {
  p = typeof $json.output === 'string' ? JSON.parse($json.output) : $json;
} catch (e) {
  p = { risk_class: 'unclear', provision: '', reasoning: '模型输出无法解析为JSON', obligations: [], open_questions: ['原始输出需人工查看'] };
  notes.push('JSON解析失败，已按unclear处理');
}
if (!VALID.includes(p.risk_class)) { notes.push('未知分级已改为unclear'); p.risk_class = 'unclear'; }
if (pre.annex3_flag && p.risk_class !== 'high' && p.risk_class !== 'prohibited') { notes.push('附件III关键词命中(' + pre.annex3_hits.join('/') + ')，上调为high'); p.risk_class = 'high'; }
if (pre.art50_flag) { p.obligations = p.obligations || []; if (!p.obligations.some(o => o.includes('50'))) { p.obligations.push('第50条：对外输出需进行AI透明度披露'); notes.push('已追加第50条义务'); } }
p.validation_notes = notes;
p.report_id = pre.report_id;
return [{ json: p }];

表头：report_id,system_name,purpose,risk_class,provision,obligations,status,next_review,submitted_at\n\n测试申报A（应判high）：purpose=对求职者做简历筛选与面试排序，data_types=简历文本与学历信息，decision_impact=决定是否进入面试，external_visibility=否\n测试申报B（应判minimal/limited）：purpose=内部会议纪要自动摘要，data_types=会议录音转写文本，decision_impact=无对外决策，external_visibility=否\n测试申报C（应判unclear）：purpose=客户情绪分析，data_types=未说明，decision_impact=未填写，external_visibility=是

输入与输出示例

本站虚构演示，未实际调用OpenAI；模型输出为示意写法，真实措辞以运行结果为准。

输入

提交测试申报A：系统名「招聘初筛助手」，purpose=对求职者做简历筛选与面试排序，data_types=简历文本与学历信息，decision_impact=决定是否进入面试，external_visibility=否。

对应输出

预检节点命中关键词「招聘」「简历筛选」，annex3_flag=true；gpt-4.1-mini返回{"risk_class":"high","provision":"Annex III 4(b)","reasoning":"用于就业招聘筛选，属附件III高风险领域","obligations":["建立风险管理体系","数据治理与记录留存","人工监督机制"],"open_questions":["是否涉及欧盟境内求职者"]}；校验节点无需上调，台账追加一行status=Proposal - human review pending，SMTP向管理层发信并抄送DPO，正文含report_id与待澄清问题。

做完检查这些

• 附件III关键词命中的申报，即使模型判低分级，最终落表也是high并在validation_notes中留痕
• risk_class为prohibited、high或unclear时管理层收到邮件且DPO在抄送列，其他分级不触发任何邮件
• 对外可见的条目obligations中含第50条透明度义务，且台账status统一为Proposal - human review pending
• 模型返回非五类分级或非法JSON时流程不崩溃，条目以unclear入库并提请人工澄清

容易卡住的地方

• gpt-4.1-mini需账号实际可用该型号，订阅与API计费以OpenAI页面为准，原模板未标注费用
• 关键词表过于宽泛会大量误上调high，先小范围试运行再扩充词条
• 自由文本可能混入个人敏感信息；原模板建议涉及个人数据时换本地托管模型，并提醒提交人勿填敏感内容
• 原页面未给出Sheets列名清单与完整校验代码，落表前需在下载模板内核对字段映射；本指南代码为本站重写示例
• AI分级仅是提案，不能当作合规结论；被禁实践的最终判定必须人工完成