毒品政策

问题背景

面对跨国毒品法律差异、执法红线模糊或合规边界不清的场景时，普通用户常陷入两个困境：要么被专业术语绕晕，要么因信息碎片化而误判风险。本技能聚焦法律框架的可解释性与风险应对的可操作性，帮助用户从“知道条文”到“理解后果”，再到“制定行动策略”。

核心机制

1. 分层解析系统

• 法律框架层：拆解基础概念（如“持有”与“贩运”的界定差异）、权利义务边界及典型执法场景
• 案例推演层：通过场景选择题模拟法律后果，例如“携带电子烟入境的刑事风险判定”
• 行动决策层：输出包含利弊对比的2-3个方案，并生成带时间节点的行动清单

1. 动态交互设计

• 每2-3个知识点触发轻量提问（如“猜猜看：哪个国家将大麻列为软性毒品？”），保持参与感
• 进度系统通过探索值解锁内容深度，从基础概念到原创观点输出形成学习闭环
• 交互问题上限3个/次，避免单向灌输或过度考试化

1. 零外部依赖输出

• 纯文本输出模式，所有内容基于模型内置知识生成
• 严禁调用API/插件/联网，确保响应一致性与离线可用性
• 关键术语采用“法条原文+通俗解释”双行呈现（如存疑时的解释规则：当法条存在歧义时，优先采用有利于行为人的解释）

使用边界

• ⚠️ 信息性质：生成内容属法律科普，不构成专业法律意见。重大决策需结合属地律师意见
• 🔒 知识范围：模型知识可能存在时效性（如政策更新）与地域局限性（如未覆盖小众国家法规）
• 👥 交互前提：需用户提供具体场景描述，否则将基于通用案例展开
• 🚫 禁止场景：不处理实时法律咨询、案件代理或具体司法文书撰写