Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →广告合规审核技能，用于审核广告素材是否符合中国广告法及相关法规。适用场景：(1) 用户提交广告文案、广告素材要求合规审核时；(2) 用户提到"广告审核""广告合规""广告法审查"等关键词时；(3) 用户要求检查广告内容是否存在违法违规风险时；(4) 用户提交房地产、食品、医疗、药品、互联网等行业广告要求专项审核时。审核依据涵盖《广告法》《反不正当竞争法》及行业专项法规。
.claude/skills/thomasmoreai-ad-compliance-review/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 82% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 85% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 28% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 123% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 139% | 0% |
对广告素材进行四阶段流水线审核：定性分类 → 通用红线 → 行业专项 → 生成报告。
输入广告素材
│
▼
[阶段一] 广告定性与分类
│ 判断是否构成广告 → 识别行业 → 识别形式
│
▼
[阶段二] 通用红线审核
│ 政治红线(一票否决) → 虚假误导 → 绝对化用语
│ → 形式合规 → 格式条款 → 不正当竞争
│
▼
[阶段三] 行业专项审核（按分类加载）
│ 仅加载与该广告相关的行业规则
│
▼
[阶段四] 生成审核报告读取 references/00-广告定性.md 中的判定规则。
执行步骤：
房地产 食品 酒类 保健食品 特殊医学用途配方食品 婴幼儿配方食品医疗 药品 医疗器械 农药 兽药教育培训 投资招商互联网广告 网络直播公益广告一般商品/服务（不属于以上任何特殊类别）信息流 软文/测评/体验 弹窗/开屏 竞价排名 直播带货户外广告 传统媒体 自媒体/公众号代言/推荐 促销/有奖销售 商标/专利宣传输出： 定性结论 + 行业标签列表 + 形式标签列表 + 附加标签列表
按以下顺序依次审核，读取对应 references 文件：
读取 references/02-政治与公共价值.md。
任一项命中即判定 不予通过，标记为"高风险-一票否决"，无需继续后续审核。
读取 references/03-虚假与误导.md。
重点关注：虚构数据/销量/评价、引证无出处、承诺无法兑现。
读取 references/04-绝对化用语.md。
发现疑似绝对化用语时，先检查是否满足例外条件再判定。医疗/投资/教育领域从严。
读取 references/01-广告形式合规.md。
重点关注：是否标注"广告"、是否以新闻/科普形式变相发布。
读取 references/05-格式条款与消费者权益.md。
重点关注："最终解释权"、免除经营者责任、限制消费者权利。
读取 references/06-不正当竞争.md。
重点关注：混淆行为、虚假宣传、贬低竞品、损害商誉。
根据阶段一识别的行业标签，仅加载对应的 references 文件进行专项审核。不属于特殊行业的广告跳过此阶段。
| 行业标签 | 加载文件 | |---------|---------| | 房地产 | references/07-房地产广告.md | | 食品/酒类/保健食品/特医食品/婴配食品 | references/08-食品广告.md | | 医疗 | references/09-医疗广告.md | | 药品 | references/10-药品广告.md | | 医疗器械 | references/11-医疗器械广告.md | | 农药 | references/12-农药广告.md | | 兽药 | references/13-兽药广告.md | | 促销/有奖销售 | references/14-促销有奖销售.md | | 互联网广告/网络直播 | references/15-互联网广告.md | | 代言/推荐 | references/16-代言与推荐.md | | 商标/专利 | references/17-商标与专利.md | | 教育培训/投资招商 | references/18-教育培训与投资招商.md | | 公益广告 | references/19-公益广告与特殊规定.md |
如涉及行政许可类广告（医疗、药品、医疗器械、保健食品等），额外读取 references/20-广告行为与管理责任.md 核查资质要求。
汇总阶段一至三的审核结果，使用以下模板输出报告：
markdown# 广告合规审核报告 ## 一、基本信息 | 项目 | 内容 | |-----|------| | 广告素材 | [素材名称/描述] | | 审核日期 | [日期] | | 广告定性 | 构成广告 / 非广告 | | 行业分类 | [行业标签] | | 广告形式 | [形式标签] | ## 二、审核结论 **总体结论：** [通过] / [需修改后通过] / [不予通过] **风险等级：** [高/中/低] ## 三、问题清单 > 按风险等级从高到低排列 ### [问题编号]. [问题简述] - **违规类型：** [政治红线/虚假误导/绝对化用语/形式违规/行业专项违规/...] - **风险等级：** [高/中/低] - **问题描述：** [具体描述广告中的违规内容] - **原文摘录：** "[摘录广告原文中的违规表述]" - **违反条款：** [对应的法规条款或审核规则] - **修改建议：** [具体的修改方向或替代表述] （重复以上结构，列出所有问题） ## 四、合规建议 [针对整体广告的改进方向，如有必要] ## 五、免责声明 本审核报告基于所提供的广告素材文本内容进行合规分析，不构成正式法律意见。 如涉及行政审批类广告（医疗、药品、保健食品等），建议另行核查相关行政许可文件。
如用户要求生成 Word 文档格式的审核报告，在阶段四完成 Markdown 报告输出后，额外执行以下步骤：
json{ "basicInfo": { "广告素材": "素材描述", "审核日期": "2026-02-11", "广告定性": "构成广告", "行业分类": "一般商品/服务", "广告形式": "店铺促销告示" }, "conclusion": "通过 | 需修改后通过 | 不予通过", "riskLevel": "高 | 中 | 低", "issues": [ { "title": "问题简述", "type": "违规类型", "risk": "高 | 中 | 低", "description": "问题描述", "quote": "原文摘录", "violation": "违反条款", "suggestion": "修改建议" } ], "suggestions": "合规建议（多段落用 \\n 分隔）", "disclaimer": "免责声明（可选，有默认值）" }
bashnode scripts/generate_report.js <input.json> [output.docx]
生成的 DOCX 格式：仿宋字体、小四正文、1.5 倍行距、页眉页脚、风险等级彩色标注。
SPDX-License-Identifier: Apache-2.0
Copyright (c) 2026 JiCheng
采用 Apache License 2.0 许可，许可证原文见仓库根目录 LICENSE。
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 19,859 | 17,497 | -12% | 1 | 1 | 0% | 3,141 | 5,707 | +82% | 0 | 0 | — |
case-02 | fail→pass | 21,501 | 23,122 | +8% | 1 | 1 | 0% | 3,573 | 6,600 | +85% | 0 | 0 | — |
case-03 | fail→pass | 31,616 | 29,018 | -8% | 1 | 1 | 0% | 6,280 | 8,034 | +28% | 0 | 0 | — |
case-04 | fail→pass | 13,060 | 11,178 | -14% | 1 | 1 | 0% | 1,920 | 4,289 | +123% | 0 | 0 | — |
case-05 | pass→pass | 13,787 | 11,039 | -20% | 1 | 1 | 0% | 2,157 | 4,378 | +103% | 0 | 0 | — |
case-06 | pass→pass | 11,619 | 11,582 | -0% | 1 | 1 | 0% | 1,857 | 4,376 | +136% | 0 | 0 | — |
case-07 | fail→pass | 13,682 | 16,800 | +23% | 1 | 1 | 0% | 2,318 | 5,542 | +139% | 0 | 0 | — |
case-08 | pass→pass | 14,552 | 9,726 | -33% | 1 | 1 | 0% | 2,313 | 4,170 | +80% | 0 | 0 | — |
case-09 | pass→fail | 16,062 | 14,697 | -8% | 1 | 1 | 0% | 2,619 | 4,919 | +88% | 0 | 0 | — |
case-10 | pass→pass | 13,667 | 13,288 | -3% | 1 | 1 | 0% | 2,467 | 4,809 | +95% | 0 | 0 | — |
case-11 | pass→pass | 17,507 | 16,342 | -7% | 1 | 1 | 0% | 2,550 | 5,370 | +111% | 0 | 0 | — |
case-12 | pass→pass | 12,425 | 16,175 | +30% | 1 | 1 | 0% | 2,087 | 5,602 | +168% | 0 | 0 | — |
case-13 | fail→pass | 13,888 | 13,340 | -4% | 1 | 1 | 0% | 2,269 | 4,690 | +107% | 0 | 0 | — |
case-14 | pass→pass | 15,114 | 14,888 | -1% | 1 | 1 | 0% | 2,316 | 5,224 | +126% | 0 | 0 | — |
case-15 | pass→pass | 15,112 | 17,058 | +13% | 1 | 1 | 0% | 2,301 | 5,366 | +133% | 0 | 0 | — |
case-16 | pass→pass | 16,159 | 19,035 | +18% | 1 | 1 | 0% | 2,443 | 5,927 | +143% | 0 | 0 | — |
case-17 | fail→pass | 13,397 | 14,122 | +5% | 1 | 1 | 0% | 2,442 | 4,483 | +84% | 0 | 0 | — |
case-18 | pass→pass | 13,099 | 7,413 | -43% | 1 | 1 | 0% | 2,093 | 3,641 | +74% | 0 | 0 | — |
case-19 | pass→pass | 14,577 | 15,777 | +8% | 1 | 1 | 0% | 2,494 | 5,216 | +109% | 0 | 0 | — |
case-20 | pass→pass | 27,235 | 34,251 | +26% | 1 | 1 | 0% | 4,379 | 8,269 | +89% | 0 | 0 | — |
case-21 | pass→pass | 17,637 | 21,277 | +21% | 1 | 1 | 0% | 2,753 | 5,940 | +116% | 0 | 0 | — |
case-22 | pass→pass | 17,268 | 20,946 | +21% | 1 | 1 | 0% | 2,838 | 5,642 | +99% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +27 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.