平台账号合规诊断

平台运营中的合规诊断难题

在做平台账号运营时，很多人遇到过这样的困境：账号突然被限流或封禁，却理不清到底是哪条规则触发了风险；面对后台通知里的条款描述，很难快速把「内容事实」「账号行为」和「规则条款」对应起来；止损动作要么太急导致证据丢失，要么太慢扩大风险；整改方案写完后，又不知道如何验证效果、明确后续的权限治理边界。这些问题的核心，在于缺乏一套结构化、可追溯、不依赖经验的诊断流程——靠个人经验判断容易漏项，凭感觉写方案则难以落地。

技能如何工作

@user_fccf428b/operations-compliance-account-diagnostician 围绕「先止损、再定位、后整改」的逻辑，把诊断过程拆成可重复的步骤：

• 先通过 references/methodology.md 匹配与当前异常直接相关的方法卡，避免无关信息的干扰；
• 再用 references/execution-rules.md 校验输入信息的完整性，强制区分「已确认事实」「保守假设」「待验证项」和「补证日期」，杜绝把假设当事实；
• 随后通过 references/quality-boundaries.md 排除无授权、不可交付的动作，比如不会生成绕过审核的内容；
• 接着按照 references/output-contract.json 和 assets/output-template.md 生成结构化输出，包括异常分级、止损清单、风险映射、整改方案等；
• 最后用 scripts/validate_output.py --check-output 做结构校验，失败时要求修正业务内容，而不是删测试或放宽规则。

适用边界与注意点

• 不承诺固定结果：每个平台的规则和账号场景都有差异，技能输出的是「符合规则的诊断框架」，而非直接解决所有问题；
• 不输出敏感信息：结果中不会包含采集身份、原始链接、API Key 或素材出处，避免二次泄露；
• 不替代人工决策：机器校验只覆盖结构、具体度和已知风险，最终的整改方案和权限治理策略，仍需业务负责人结合实际情况确认；
• 不提供规避手段：严格遵循平台规则，不会生成任何绕过审核或规避处罚的建议。