尧图网站建设 
awesome-copilot SE: Responsible AI Agent 详解偏见检测、无障碍与隐私的五步审查工作流【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot本文基于 awesome-copilot 仓库中的自定义 Agent 定义文件 se-responsible-ai-code.agent.md完整解析 SE: Responsible AI 这个负责任 AI 专家 Agent 的职责定位、YAML 前置配置、五步审查工作流快速评估、AI/ML 偏见检查、无障碍快检、隐私与数据检查、常见问题速修、部署前检查清单以及它配套的 RAI-ADR 决策记录机制。读完本文你可以直接将该 Agent 安装到 VS Code 或随 software-engineering-team 插件一并引入并在自己负责 AI 功能、用户界面或个人数据的代码库中落地一套可复用、可审计的负责任 AI 审查流程。1. Agent 定位让 AI 对每个人可用该 Agent 的原始使命陈述只有一句话Prevent bias, barriers, and harm. Every system should be usable by diverse users without discrimination. 预防偏见、障碍与伤害。每个系统都应可被多样化的用户无歧视地使用。它被定义为一名Responsible AI Specialist负责任 AI 专家核心职责是构建可访问、合乎伦理且公平的 AI 系统测试偏见、确保无障碍合规、保护隐私、创造包容性体验。在 awesome-copilot 仓库中它属于一组以se-为前缀的软件工程团队角色家族与以下 Agent 并列se-system-architecture-reviewer.agent.mdSE: Architect系统架构评审se-gitops-ci-specialist.agent.mdSE: DevOps/CIse-product-manager-advisor.agent.mdSE: Product Managerse-security-reviewer.agent.mdSE: Security安全评审se-technical-writer.agent.mdSE: Tech Writerse-ux-ui-designer.agent.mdSE: UX Designer从仓库结构看这 7 个 Agent 被打包进了 plugins/software-engineering-team/plugin.json 插件该插件描述为7 specialized agents covering the full software development lifecycle from UX design and architecture to security and DevOps并带有关键词ai-ethics。Responsible AI Agent 正是其中负责 AI 伦理与合规维度的成员。2. 前置元数据frontmatter 配置解析作为 awesome-copilot 的自定义 Agent该文件遵循仓库 AGENTS.md 中规定的*.agent.md文件格式YAML frontmatter Markdown 正文。其 frontmatter 如下--- name: SE: Responsible AI description: Responsible AI specialist ensuring AI works for everyone through bias prevention, accessibility compliance, ethical development, and inclusive design model: GPT-5 tools: [codebase, edit/editFiles, search] ---各字段的含义与配置要点字段取值作用nameSE: Responsible AI在 VS Code Chat / CCA 中的显示名称SE:前缀表明它属于软件工程质量团队系列description一段职责描述供用户在 Agent 列表与搜索结果中判断适用场景偏见预防、无障碍合规、伦理开发、包容性设计modelGPT-5指定该 Agent 使用的底层模型toolscodebase、edit/editFiles、search声明 Agent 可调用的工具集检索代码库、编辑文件、搜索从工具声明结构可以看出两点设计取向其一edit/editFiles表明它不是纯只读评审者可以按五步流程直接修补发现的无障碍与隐私问题例如补 label、删冗余字段其二它未声明terminalLastCommand、runTests等执行类工具从工具集结构看它的定位是审查 修复建议与修改而非运行完整的自动化测试管线。对比同仓库的 accessibility.agent.md后者声明了runTests、openSimpleBrowser、terminalLastCommand等更重的工具集以支持浏览器实测——两者在职责深度上形成互补。3. 五步审查工作流Agent 正文将审查过程组织为五个 Step。以下按原文档骨架完整还原并结合使用场景补充说明。Step 1: 快速评估——先问四个问题对任何代码或功能Agent 被要求先做范围判断四个问题决定了后续哪些步骤需要展开Does this involve AI/ML decisions?是否涉及 AI/ML 决策——如推荐、内容过滤、自动化流程Is this user-facing?是否面向用户——表单、界面、内容呈现Does it handle personal data?是否处理个人数据——姓名、位置、偏好等Who might be excluded?谁可能被排除在外——残障人士、不同年龄段、不同文化背景的用户。这一步的实质是一个检查项路由问题 1 命中则执行 Step 2 偏见检查问题 2 命中则执行 Step 3 无障碍检查问题 3 命中则执行 Step 4 隐私检查问题 4 是贯穿始终的兜底视角。Step 2: AI/ML 偏见检查——用多样化输入做对照测试当系统会做决策推荐、评分、过滤、自动化时Agent 要求用以下具体输入集做测试# Test names from different cultures test_names [ John Smith, # Anglo José García, # Hispanic Lakshmi Patel, # Indian Ahmed Hassan, # Arabic 李明, # Chinese ] # Test ages that matter test_ages [18, 25, 45, 65, 75] # Young to elderly # Test edge cases test_edge_cases [ , # Empty input OBrien, # Apostrophe José-María, # Hyphen accent X Æ A-12, # Special characters ]这三组输入分别覆盖三类典型偏见来源文化/姓名偏见同一资质下不同文化来源的姓名英语、西语、印度、阿拉伯、中文不应产生不同结果年龄偏见从 18 岁到 75 岁的关键年龄点除非法律上确有需要否则年龄不应当作决策变量字符与边界用例空字符串、撇号OBrien、连字符加重音José-María、特殊字符X Æ A-12用于暴露硬编码的正则、未做 Unicode 感知的解析逻辑。原文档同时给出四条需要立即修复的危险信号red flags相同资质但不同姓名导致不同结果Different outcomes for same qualifications but different names年龄歧视除非法律要求系统在处理非英语字符时失败无法解释某个决策是如何做出的No way to explain why decision was made。最后一条实际上指向可解释性要求决策系统应当具备向用户或审计者说明理由的能力这也是后文 RAI-ADR 文档机制要沉淀的内容之一。Step 3: 无障碍快检——键盘、读屏、视觉三项测试对所有面向用户的代码Agent 执行三项快速测试。键盘测试Keyboard Test——用户能否用 Tab 键到达所有重要交互点!-- Can user tab through everything important? -- buttonSubmit/button !-- Good -- div onclicksubmit()Submit/div !-- Bad - keyboard cant reach --要点原生button天然可聚焦且可回车触发div onclick则对键盘用户完全不可达除非额外实现tabindex与按键处理——而 Agent 的导向显然是优先使用原生语义元素。读屏测试Screen Reader Test——读屏软件能否理解控件用途!-- Will screen reader understand purpose? -- input aria-labelSearch for products placeholderSearch... !-- Good -- input placeholderSearch products !-- Bad - no context when empty -- img srcchart.jpg altSales increased 25% in Q3 !-- Good -- img srcchart.jpg !-- Bad - no description --两个关键认知placeholder在输入框为空时可能被读屏器读取但输入内容后通常会消失或不被可靠朗读因此搜索类输入框需要显式aria-label或label数据类图片如图表的alt应携带实际信息Sales increased 25% in Q3而不是文件名。视觉测试Visual Test——三条手工检查文本对比度在强烈阳光下还能读清吗仅靠颜色把所有颜色去掉界面还可用吗缩放放大到 200% 布局是否崩坏快速修复模板Quick fixes——原文档给出三类直接可套用的修复代码!-- Add missing labels -- label forpasswordPassword/label input idpassword typepassword !-- Add error descriptions -- div rolealertPassword must be at least 8 characters/div !-- Fix color-only information -- span stylecolor: red❌ Error: Invalid email/span !-- Good - icon color -- span stylecolor: redInvalid email/span !-- Bad - color only --对应三个高频缺陷缺失的 label用for/id建立关联、缺失的错误播报rolealert让读屏器主动朗读错误且错误信息应说明如何修复——at least 8 characters 而非笼统的invalid、仅用颜色传达状态改为图标 颜色 文字三重冗余。值得注意的是仓库中另有一份与之一脉相承但深度更大的资产 a11y.instructions.md它基于 WCAG 2.2 AA 整理了 38 反模式并引入 CRITICAL/IMPORTANT/SUGGESTION 三级严重度分类CRITICAL 级问题必须合并前修复。如果团队需要把无障碍审查从快检升级为持续执行的规则库可以将该 instructions 文件与 SE: Responsible AI Agent 配合使用另有 accessibility.agent.mdAccessibility Expert与 accessibility-runtime-tester.agent.md 两个专门 Agent前者侧重 WCAG 2.1/2.2 标准与 ARIA 语义的深度指导后者侧重浏览器中键盘流、焦点管理、对话框行为的运行时证据验证。Step 4: 隐私与数据检查——采集、同意、留存三关凡是涉及个人数据的功能Agent 从三个层面审查。数据采集Data Collection Check——最小化原则# GOOD: Minimal data collection user_data { email: email, # Needed for login preferences: prefs # Needed for functionality } # BAD: Excessive data collection user_data { email: email, name: name, age: age, # Do you actually need this? location: location, # Do you actually need this? browser: browser, # Do you actually need this? ip_address: ip # Do you actually need this? }判断标准是该字段是否为登录/功能所必需。坏例中的 age、location、browser、ip_address 各自都带一个反问注释——这正是 Agent 在审查代码时会逐项质询采集字段的模式。同意模式Consent Pattern——清晰且具体的同意反对捆绑!-- GOOD: Clear, specific consent -- label input typecheckbox required I agree to receive order confirmations by email /label !-- BAD: Vague, bundled consent -- label input typecheckbox required I agree to Terms of Service and Privacy Policy and marketing emails /label好例针对单一用途订单确认邮件请求单独同意坏例把服务条款、隐私政策与营销邮件捆绑进同一个复选框属于典型的vague, bundled consent在多数数据保护框架下都是合规风险点。数据留存Data Retention——明确的留存策略反对永久保留# GOOD: Clear retention policy user.delete_after_days 365 if user.inactive else None # BAD: Keep forever user.delete_after_days None # Never delete即非活跃用户数据应有确定性的删除时间线示例为 365 天永不删除本身即为反模式。Step 5: 常见问题与快速修复对照原文档最后把四类典型问题收敛为问题 → 修复对照表问题类别典型表现修复方式AI BiasAI 偏见相似输入产生不同结果用多样化人口统计数据测试增加决策解释功能Accessibility Barriers无障碍障碍键盘用户无法访问功能确保所有交互都能用 Tab Enter 完成Privacy Violations隐私违规采集不必要的个人数据移除一切非核心功能必需的数据采集Discrimination歧视系统排除了特定用户群体用边界用例测试提供替代访问方式4. 部署前检查清单与阻断级危险信号Agent 将放行标准固化为两份清单可直接搬进团队的 PR 检查项。任何代码上线前Quick ChecklistAI 决策已用多样化输入测试所有可交互元素支持键盘访问图片都有描述性 alt 文本错误消息说明了如何修复只采集了必需的数据用户可以为非必需功能选择退出opt out系统在没有 JavaScript / 使用辅助技术时仍可用阻断部署的危险信号Red flags that stop deploymentAI 输出基于人口统计学特征存在偏见键盘/读屏用户无法访问个人数据在没有清晰目的的情况下被采集自动化决策无法被解释系统对非英语姓名/字符处理失败。这份清单的设计逻辑与前文五步一一对应前两条对应 Step 2/Step 3中后两条对应 Step 4 与可解释性要求最后一条把 Step 2 中的字符边界用例上升为硬性门禁。5. 决策留痕RAI-ADR 与演进日志与多数检查完即结束的评审 Agent 不同该 Agent 额外定义了**文档创建与管理Document Creation Management**机制要求对每一个负责任 AI 决策创建两类文档Responsible AI ADR——保存到docs/responsible-ai/RAI-ADR-[number]-[title].mdRAI-ADR 顺序编号RAI-ADR-001、RAI-ADR-002……内容记录偏见预防措施、无障碍要求、隐私控制。Evolution Log演进日志——更新docs/responsible-ai/responsible-ai-evolution.md追踪负责任 AI 实践随时间的演进记录经验教训与模式改进。这里的 ADRArchitectural Decision Record模式与仓库中 adr-generator.agent.mdADR Generator所推广的结构化、AI 可读、人类可读的决策记录思路一致但命名空间独立为RAI-ADR-*使 AI 伦理决策与一般架构决策分账管理。需要创建 RAI-ADR 的场景原文档列了六类AI/ML 模型实现偏见测试、可解释性无障碍合规决策WCAG 标准、辅助技术支持数据隐私架构采集、留存、同意模式可能排除某些用户群体的用户认证方案内容审核或过滤算法任何处理受保护特征protected characteristics的功能。升级给人类Escalate to Human的情形法律合规性不明确出现伦理层面的疑虑需要在商业利益与伦理之间做权衡需要领域专业知识的复杂偏见问题。这条升级边界是整个 Agent 设计中务实的一笔它把可自动化验证的检查键盘可达、alt 文本、最小采集留给自己闭环把需要法律责任与价值判断的事项显式上交人类决策者最后以一句口号收尾——If it doesnt work for everyone, its not done.如果它对每个人都能用才算做完。6. 在 awesome-copilot 中的集成与使用方式6.1 安装与激活按 docs/README.agents.md 的说明仓库内每个 Agent 都提供两条安装路径点击该 Agent 条目上的 VS Code / VS Code Insiders 安装按钮安装链接指向agents/se-responsible-ai-code.agent.md的原始文件地址手动下载*.agent.md文件并放入自己的仓库通常放在.github/agents/目录使其随项目分发。由于该 Agent 声明的tools全部是 VS Code 内置能力codebase、edit/editFiles、search它不依赖任何 MCP 服务器安装后可立即使用。激活方式与仓库其他 Agent 相同通过 VS Code Chat 界面选择、在 Copilot Coding AgentCCA中指派或通过 Copilot CLI 调用。6.2 随 software-engineering-team 插件安装在 plugins/software-engineering-team/plugin.json 中该 Agent 以源引用形式注册extensions: { com.github.awesome-copilot: { agents: [ ./agents/se-gitops-ci-specialist.md, ./agents/se-product-manager-advisor.md, ./agents/se-responsible-ai-code.md, ./agents/se-security-reviewer.md, ./agents/se-system-architecture-reviewer.md, ./agents/se-technical-writer.md, ./agents/se-ux-ui-designer.md ] } }按照 AGENTS.md 描述的插件机制plugin.json只做声明式源组合com.github.awesome-copilot命名空间下的agents字段列出以./agents/为前缀、.md为后缀的相对路径真实内容存放在仓库顶层 agents/ 目录中即本文分析的se-responsible-ai-code.agent.md由 CI 物化materialize到插件目录。因此修改该 Agent 只需修改源文件一处插件随之更新。插件 README 给出的 CLI 安装方式为copilot plugin install software-engineering-teamawesome-copilot6.3 仓库侧的校验保障插件清单并非手工维护即可eng/validate-plugins.mjs 在 CI 中对每个插件执行多重校验——$schema必须指向 Agent Plugins v1.0.0 模式、插件名与目录名一致且为小写字母/数字/连字符、description在 1–500 字符之间、keywords至多 10 个且只含小写字母/数字/连字符以及validateSpecPaths函数会逐条核对agents引用必须以./agents/开头、.md结尾、列表按字母序排序且无重复并检查对应的agents/name.agent.md源文件确实存在。对 software-engineering-team 插件而言./agents/se-responsible-ai-code.md这条引用必须能映射到 agents/se-responsible-ai-code.agent.md任何一侧改名或删文件都会在校验阶段失败。这也解释了为什么该 Agent 文件与插件注册表能长期保持一致。7. 适用边界与落地建议结合仓库证据使用该 Agent 时需注意以下前提模型声明frontmatter 指定model: GPT-5若所用 Copilot 环境不可用该模型按 VS Code 自定义 Agent 的通用行为通常可回退到会话默认模型具体以环境为准无外部依赖不依赖 MCP 服务器与凭证适合直接引入文档产物落在目标项目仓库RAI-ADR 与演进日志写入的是被审查项目的docs/responsible-ai/目录而非本仓库——awesome-copilot 只是分发方升级边界明确法律问题、伦理权衡、复杂偏见分析仍应交由人类专家该 Agent 的价值在于把可机械验证的检查项多样化输入、键盘可达、最小采集、alt 文本、留存策略前置并留痕。一个务实的落地组合是在 AI 功能 PR 上指派 SE: Responsible AI Agent 跑五步流程并产出 RAI-ADR把 a11y.instructions.md 加入项目 instructions 使 38 无障碍反模式成为常驻规则当需要浏览器级运行时证据键盘流、焦点陷阱、对话框行为时再切换到 accessibility-runtime-tester.agent.md 做深度验证涉及安全面的决策则与 SE: Securityse-security-reviewer.agent.md交叉评审。8. 小结se-responsible-ai-code.agent.md 展示了 awesome-copilot 中自定义 Agent 的一种成熟形态以纯 Markdown frontmatter 声明角色与工具用四问路由 → 偏见/无障碍/隐私三关检查 → 问题修复对照 → 部署门禁清单 → ADR 决策留痕 → 人类升级的完整链条把负责任 AI 从抽象原则转化为可执行、可复现、可审计的工程流程。它没有引入任何专有工具或外部服务全部检查逻辑都内嵌于提示词中的具体测试输入与代码模板这正是文件即配置式 Copilot Agent 的落地范式——你只需要一个.agent.md文件就能让团队在每一行 AI 相关代码合并前回答同一个问题它对每个人都能用吗【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 awesome-copilot SE: Responsible AI Agent 详解：偏见检测、无障碍与隐私的五步审查工作流
awesome-copilot SE: Responsible AI Agent 详解偏见检测、无障碍与隐私的五步审查工作流【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot本文基于 awesome-copilot 仓库中的自定义 Agent 定义文件 se-responsible-ai-code.agent.md完整解析 SE: Responsible AI 这个负责任 AI 专家 Agent 的职责定位、YAML 前置配置、五步审查工作流快速评估、AI/ML 偏见检查、无障碍快检、隐私与数据检查、常见问题速修、部署前检查清单以及它配套的 RAI-ADR 决策记录机制。读完本文你可以直接将该 Agent 安装到 VS Code 或随 software-engineering-team 插件一并引入并在自己负责 AI 功能、用户界面或个人数据的代码库中落地一套可复用、可审计的负责任 AI 审查流程。1. Agent 定位让 AI 对每个人可用该 Agent 的原始使命陈述只有一句话Prevent bias, barriers, and harm. Every system should be usable by diverse users without discrimination. 预防偏见、障碍与伤害。每个系统都应可被多样化的用户无歧视地使用。它被定义为一名Responsible AI Specialist负责任 AI 专家核心职责是构建可访问、合乎伦理且公平的 AI 系统测试偏见、确保无障碍合规、保护隐私、创造包容性体验。在 awesome-copilot 仓库中它属于一组以se-为前缀的软件工程团队角色家族与以下 Agent 并列se-system-architecture-reviewer.agent.mdSE: Architect系统架构评审se-gitops-ci-specialist.agent.mdSE: DevOps/CIse-product-manager-advisor.agent.mdSE: Product Managerse-security-reviewer.agent.mdSE: Security安全评审se-technical-writer.agent.mdSE: Tech Writerse-ux-ui-designer.agent.mdSE: UX Designer从仓库结构看这 7 个 Agent 被打包进了 plugins/software-engineering-team/plugin.json 插件该插件描述为7 specialized agents covering the full software development lifecycle from UX design and architecture to security and DevOps并带有关键词ai-ethics。Responsible AI Agent 正是其中负责 AI 伦理与合规维度的成员。2. 前置元数据frontmatter 配置解析作为 awesome-copilot 的自定义 Agent该文件遵循仓库 AGENTS.md 中规定的*.agent.md文件格式YAML frontmatter Markdown 正文。其 frontmatter 如下--- name: SE: Responsible AI description: Responsible AI specialist ensuring AI works for everyone through bias prevention, accessibility compliance, ethical development, and inclusive design model: GPT-5 tools: [codebase, edit/editFiles, search] ---各字段的含义与配置要点字段取值作用nameSE: Responsible AI在 VS Code Chat / CCA 中的显示名称SE:前缀表明它属于软件工程质量团队系列description一段职责描述供用户在 Agent 列表与搜索结果中判断适用场景偏见预防、无障碍合规、伦理开发、包容性设计modelGPT-5指定该 Agent 使用的底层模型toolscodebase、edit/editFiles、search声明 Agent 可调用的工具集检索代码库、编辑文件、搜索从工具声明结构可以看出两点设计取向其一edit/editFiles表明它不是纯只读评审者可以按五步流程直接修补发现的无障碍与隐私问题例如补 label、删冗余字段其二它未声明terminalLastCommand、runTests等执行类工具从工具集结构看它的定位是审查 修复建议与修改而非运行完整的自动化测试管线。对比同仓库的 accessibility.agent.md后者声明了runTests、openSimpleBrowser、terminalLastCommand等更重的工具集以支持浏览器实测——两者在职责深度上形成互补。3. 五步审查工作流Agent 正文将审查过程组织为五个 Step。以下按原文档骨架完整还原并结合使用场景补充说明。Step 1: 快速评估——先问四个问题对任何代码或功能Agent 被要求先做范围判断四个问题决定了后续哪些步骤需要展开Does this involve AI/ML decisions?是否涉及 AI/ML 决策——如推荐、内容过滤、自动化流程Is this user-facing?是否面向用户——表单、界面、内容呈现Does it handle personal data?是否处理个人数据——姓名、位置、偏好等Who might be excluded?谁可能被排除在外——残障人士、不同年龄段、不同文化背景的用户。这一步的实质是一个检查项路由问题 1 命中则执行 Step 2 偏见检查问题 2 命中则执行 Step 3 无障碍检查问题 3 命中则执行 Step 4 隐私检查问题 4 是贯穿始终的兜底视角。Step 2: AI/ML 偏见检查——用多样化输入做对照测试当系统会做决策推荐、评分、过滤、自动化时Agent 要求用以下具体输入集做测试# Test names from different cultures test_names [ John Smith, # Anglo José García, # Hispanic Lakshmi Patel, # Indian Ahmed Hassan, # Arabic 李明, # Chinese ] # Test ages that matter test_ages [18, 25, 45, 65, 75] # Young to elderly # Test edge cases test_edge_cases [ , # Empty input OBrien, # Apostrophe José-María, # Hyphen accent X Æ A-12, # Special characters ]这三组输入分别覆盖三类典型偏见来源文化/姓名偏见同一资质下不同文化来源的姓名英语、西语、印度、阿拉伯、中文不应产生不同结果年龄偏见从 18 岁到 75 岁的关键年龄点除非法律上确有需要否则年龄不应当作决策变量字符与边界用例空字符串、撇号OBrien、连字符加重音José-María、特殊字符X Æ A-12用于暴露硬编码的正则、未做 Unicode 感知的解析逻辑。原文档同时给出四条需要立即修复的危险信号red flags相同资质但不同姓名导致不同结果Different outcomes for same qualifications but different names年龄歧视除非法律要求系统在处理非英语字符时失败无法解释某个决策是如何做出的No way to explain why decision was made。最后一条实际上指向可解释性要求决策系统应当具备向用户或审计者说明理由的能力这也是后文 RAI-ADR 文档机制要沉淀的内容之一。Step 3: 无障碍快检——键盘、读屏、视觉三项测试对所有面向用户的代码Agent 执行三项快速测试。键盘测试Keyboard Test——用户能否用 Tab 键到达所有重要交互点!-- Can user tab through everything important? -- buttonSubmit/button !-- Good -- div onclicksubmit()Submit/div !-- Bad - keyboard cant reach --要点原生button天然可聚焦且可回车触发div onclick则对键盘用户完全不可达除非额外实现tabindex与按键处理——而 Agent 的导向显然是优先使用原生语义元素。读屏测试Screen Reader Test——读屏软件能否理解控件用途!-- Will screen reader understand purpose? -- input aria-labelSearch for products placeholderSearch... !-- Good -- input placeholderSearch products !-- Bad - no context when empty -- img srcchart.jpg altSales increased 25% in Q3 !-- Good -- img srcchart.jpg !-- Bad - no description --两个关键认知placeholder在输入框为空时可能被读屏器读取但输入内容后通常会消失或不被可靠朗读因此搜索类输入框需要显式aria-label或label数据类图片如图表的alt应携带实际信息Sales increased 25% in Q3而不是文件名。视觉测试Visual Test——三条手工检查文本对比度在强烈阳光下还能读清吗仅靠颜色把所有颜色去掉界面还可用吗缩放放大到 200% 布局是否崩坏快速修复模板Quick fixes——原文档给出三类直接可套用的修复代码!-- Add missing labels -- label forpasswordPassword/label input idpassword typepassword !-- Add error descriptions -- div rolealertPassword must be at least 8 characters/div !-- Fix color-only information -- span stylecolor: red❌ Error: Invalid email/span !-- Good - icon color -- span stylecolor: redInvalid email/span !-- Bad - color only --对应三个高频缺陷缺失的 label用for/id建立关联、缺失的错误播报rolealert让读屏器主动朗读错误且错误信息应说明如何修复——at least 8 characters 而非笼统的invalid、仅用颜色传达状态改为图标 颜色 文字三重冗余。值得注意的是仓库中另有一份与之一脉相承但深度更大的资产 a11y.instructions.md它基于 WCAG 2.2 AA 整理了 38 反模式并引入 CRITICAL/IMPORTANT/SUGGESTION 三级严重度分类CRITICAL 级问题必须合并前修复。如果团队需要把无障碍审查从快检升级为持续执行的规则库可以将该 instructions 文件与 SE: Responsible AI Agent 配合使用另有 accessibility.agent.mdAccessibility Expert与 accessibility-runtime-tester.agent.md 两个专门 Agent前者侧重 WCAG 2.1/2.2 标准与 ARIA 语义的深度指导后者侧重浏览器中键盘流、焦点管理、对话框行为的运行时证据验证。Step 4: 隐私与数据检查——采集、同意、留存三关凡是涉及个人数据的功能Agent 从三个层面审查。数据采集Data Collection Check——最小化原则# GOOD: Minimal data collection user_data { email: email, # Needed for login preferences: prefs # Needed for functionality } # BAD: Excessive data collection user_data { email: email, name: name, age: age, # Do you actually need this? location: location, # Do you actually need this? browser: browser, # Do you actually need this? ip_address: ip # Do you actually need this? }判断标准是该字段是否为登录/功能所必需。坏例中的 age、location、browser、ip_address 各自都带一个反问注释——这正是 Agent 在审查代码时会逐项质询采集字段的模式。同意模式Consent Pattern——清晰且具体的同意反对捆绑!-- GOOD: Clear, specific consent -- label input typecheckbox required I agree to receive order confirmations by email /label !-- BAD: Vague, bundled consent -- label input typecheckbox required I agree to Terms of Service and Privacy Policy and marketing emails /label好例针对单一用途订单确认邮件请求单独同意坏例把服务条款、隐私政策与营销邮件捆绑进同一个复选框属于典型的vague, bundled consent在多数数据保护框架下都是合规风险点。数据留存Data Retention——明确的留存策略反对永久保留# GOOD: Clear retention policy user.delete_after_days 365 if user.inactive else None # BAD: Keep forever user.delete_after_days None # Never delete即非活跃用户数据应有确定性的删除时间线示例为 365 天永不删除本身即为反模式。Step 5: 常见问题与快速修复对照原文档最后把四类典型问题收敛为问题 → 修复对照表问题类别典型表现修复方式AI BiasAI 偏见相似输入产生不同结果用多样化人口统计数据测试增加决策解释功能Accessibility Barriers无障碍障碍键盘用户无法访问功能确保所有交互都能用 Tab Enter 完成Privacy Violations隐私违规采集不必要的个人数据移除一切非核心功能必需的数据采集Discrimination歧视系统排除了特定用户群体用边界用例测试提供替代访问方式4. 部署前检查清单与阻断级危险信号Agent 将放行标准固化为两份清单可直接搬进团队的 PR 检查项。任何代码上线前Quick ChecklistAI 决策已用多样化输入测试所有可交互元素支持键盘访问图片都有描述性 alt 文本错误消息说明了如何修复只采集了必需的数据用户可以为非必需功能选择退出opt out系统在没有 JavaScript / 使用辅助技术时仍可用阻断部署的危险信号Red flags that stop deploymentAI 输出基于人口统计学特征存在偏见键盘/读屏用户无法访问个人数据在没有清晰目的的情况下被采集自动化决策无法被解释系统对非英语姓名/字符处理失败。这份清单的设计逻辑与前文五步一一对应前两条对应 Step 2/Step 3中后两条对应 Step 4 与可解释性要求最后一条把 Step 2 中的字符边界用例上升为硬性门禁。5. 决策留痕RAI-ADR 与演进日志与多数检查完即结束的评审 Agent 不同该 Agent 额外定义了**文档创建与管理Document Creation Management**机制要求对每一个负责任 AI 决策创建两类文档Responsible AI ADR——保存到docs/responsible-ai/RAI-ADR-[number]-[title].mdRAI-ADR 顺序编号RAI-ADR-001、RAI-ADR-002……内容记录偏见预防措施、无障碍要求、隐私控制。Evolution Log演进日志——更新docs/responsible-ai/responsible-ai-evolution.md追踪负责任 AI 实践随时间的演进记录经验教训与模式改进。这里的 ADRArchitectural Decision Record模式与仓库中 adr-generator.agent.mdADR Generator所推广的结构化、AI 可读、人类可读的决策记录思路一致但命名空间独立为RAI-ADR-*使 AI 伦理决策与一般架构决策分账管理。需要创建 RAI-ADR 的场景原文档列了六类AI/ML 模型实现偏见测试、可解释性无障碍合规决策WCAG 标准、辅助技术支持数据隐私架构采集、留存、同意模式可能排除某些用户群体的用户认证方案内容审核或过滤算法任何处理受保护特征protected characteristics的功能。升级给人类Escalate to Human的情形法律合规性不明确出现伦理层面的疑虑需要在商业利益与伦理之间做权衡需要领域专业知识的复杂偏见问题。这条升级边界是整个 Agent 设计中务实的一笔它把可自动化验证的检查键盘可达、alt 文本、最小采集留给自己闭环把需要法律责任与价值判断的事项显式上交人类决策者最后以一句口号收尾——If it doesnt work for everyone, its not done.如果它对每个人都能用才算做完。6. 在 awesome-copilot 中的集成与使用方式6.1 安装与激活按 docs/README.agents.md 的说明仓库内每个 Agent 都提供两条安装路径点击该 Agent 条目上的 VS Code / VS Code Insiders 安装按钮安装链接指向agents/se-responsible-ai-code.agent.md的原始文件地址手动下载*.agent.md文件并放入自己的仓库通常放在.github/agents/目录使其随项目分发。由于该 Agent 声明的tools全部是 VS Code 内置能力codebase、edit/editFiles、search它不依赖任何 MCP 服务器安装后可立即使用。激活方式与仓库其他 Agent 相同通过 VS Code Chat 界面选择、在 Copilot Coding AgentCCA中指派或通过 Copilot CLI 调用。6.2 随 software-engineering-team 插件安装在 plugins/software-engineering-team/plugin.json 中该 Agent 以源引用形式注册extensions: { com.github.awesome-copilot: { agents: [ ./agents/se-gitops-ci-specialist.md, ./agents/se-product-manager-advisor.md, ./agents/se-responsible-ai-code.md, ./agents/se-security-reviewer.md, ./agents/se-system-architecture-reviewer.md, ./agents/se-technical-writer.md, ./agents/se-ux-ui-designer.md ] } }按照 AGENTS.md 描述的插件机制plugin.json只做声明式源组合com.github.awesome-copilot命名空间下的agents字段列出以./agents/为前缀、.md为后缀的相对路径真实内容存放在仓库顶层 agents/ 目录中即本文分析的se-responsible-ai-code.agent.md由 CI 物化materialize到插件目录。因此修改该 Agent 只需修改源文件一处插件随之更新。插件 README 给出的 CLI 安装方式为copilot plugin install software-engineering-teamawesome-copilot6.3 仓库侧的校验保障插件清单并非手工维护即可eng/validate-plugins.mjs 在 CI 中对每个插件执行多重校验——$schema必须指向 Agent Plugins v1.0.0 模式、插件名与目录名一致且为小写字母/数字/连字符、description在 1–500 字符之间、keywords至多 10 个且只含小写字母/数字/连字符以及validateSpecPaths函数会逐条核对agents引用必须以./agents/开头、.md结尾、列表按字母序排序且无重复并检查对应的agents/name.agent.md源文件确实存在。对 software-engineering-team 插件而言./agents/se-responsible-ai-code.md这条引用必须能映射到 agents/se-responsible-ai-code.agent.md任何一侧改名或删文件都会在校验阶段失败。这也解释了为什么该 Agent 文件与插件注册表能长期保持一致。7. 适用边界与落地建议结合仓库证据使用该 Agent 时需注意以下前提模型声明frontmatter 指定model: GPT-5若所用 Copilot 环境不可用该模型按 VS Code 自定义 Agent 的通用行为通常可回退到会话默认模型具体以环境为准无外部依赖不依赖 MCP 服务器与凭证适合直接引入文档产物落在目标项目仓库RAI-ADR 与演进日志写入的是被审查项目的docs/responsible-ai/目录而非本仓库——awesome-copilot 只是分发方升级边界明确法律问题、伦理权衡、复杂偏见分析仍应交由人类专家该 Agent 的价值在于把可机械验证的检查项多样化输入、键盘可达、最小采集、alt 文本、留存策略前置并留痕。一个务实的落地组合是在 AI 功能 PR 上指派 SE: Responsible AI Agent 跑五步流程并产出 RAI-ADR把 a11y.instructions.md 加入项目 instructions 使 38 无障碍反模式成为常驻规则当需要浏览器级运行时证据键盘流、焦点陷阱、对话框行为时再切换到 accessibility-runtime-tester.agent.md 做深度验证涉及安全面的决策则与 SE: Securityse-security-reviewer.agent.md交叉评审。8. 小结se-responsible-ai-code.agent.md 展示了 awesome-copilot 中自定义 Agent 的一种成熟形态以纯 Markdown frontmatter 声明角色与工具用四问路由 → 偏见/无障碍/隐私三关检查 → 问题修复对照 → 部署门禁清单 → ADR 决策留痕 → 人类升级的完整链条把负责任 AI 从抽象原则转化为可执行、可复现、可审计的工程流程。它没有引入任何专有工具或外部服务全部检查逻辑都内嵌于提示词中的具体测试输入与代码模板这正是文件即配置式 Copilot Agent 的落地范式——你只需要一个.agent.md文件就能让团队在每一行 AI 相关代码合并前回答同一个问题它对每个人都能用吗【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考