1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 正式名称 | gdpr-compliant-github-awesome-copilot | 合集仓库子目录名（见下方说明） |
| 项目自述名称 | GDPR Engineering Skill | SKILL.md |
| 所属合集仓库 | github/awesome-copilot（GitHub 官方维护的 Agent Skills / Copilot 插件精选合集） | GitHub |
| 作者/维护者 | github/awesome-copilot 仓库贡献者（2026-03-30 合入该仓库） | GitHub 提交记录 |
| 来源链接 | https://github.com/github/awesome-copilot/tree/main/skills/gdpr-compliant | — |
| 许可证 | MIT（仓库根目录 LICENSE，GitHub API 确认） | GitHub API |
| 所属仓库整体 Stars/Forks | 38,879 / 4,925（该数字属整个合集，不代表本技能自身热度） | GitHub API |
| 该技能自身活跃度 | 该子目录自合入以来仅 1 次提交（2026-03-30），此后未再变更 | GitHub API（按路径过滤提交历史） |
| 安装方式 | gh skills install github/awesome-copilot gdpr-compliant（需 GitHub CLI ≥ 2.90.0），或手动复制该目录，详见第 10 章 |
2. 功能介绍与亮点
这是一份面向工程师、架构师、DevOps 与技术负责人的 GDPR 合规工程实践参考，核心定位是“写代码的当下就把隐私合规做对”，而非事后审计：
- 核心原则：收集更少、存储更少、暴露更少、保留更少（Golden Rule），贯穿全文。
- 覆盖场景：API 设计、数据模型、身份认证流程、日志埋点、用户数据处理、数据留存/删除任务、云基础设施设计、PR 隐私合规评审。
- 结构化的 MUST / MUST NOT 清单：按 GDPR 第 5、25、32、33、35 条组织，每条给出具体工程动作（如“建表时即定义 TTL 字段”、“默认关闭一切可选数据采集”）而非法律条文复述。
- 三份专题参考文件（
references/）：用户权利与 DSR 流程、加密与匿名化技术细节、云端/CI-CD/事件响应操作规范，按需加载避免正文过载。 - 内容取材参考法国数据保护机构 CNIL 的开发者指南，工程可执行性强于纯法律文本。
- 该仓库自身发布的 Skill Quality Report（2026-06-05）显示：该技能正文含 23 个章节、约 2,968 字符、0 段代码块——即全篇为纯指导性参考内容，不含需要执行的脚本或命令。
3. 适用场景
固定分类：安全与合规
适用于：设计涉及个人数据的新功能时前置合规自查、为现有代码库补充留存策略与用户数据导出/删除接口、PR 阶段的隐私合规评审、面向欧盟用户的产品在设计评审会上快速对照合规清单。受益人群：没有专职隐私顾问、需要自行把关合规细节的中小团队工程师，以及需要向非法务背景团队解释 GDPR 工程含义的技术负责人。
技能核心动作是“依据 GDPR 条款给出工程实现规范与检查清单”，属隐私合规子领域，与同类的 agent-governance、mcp-security-audit、gdpr-compliance-checker 等技能同属一类。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生——纯 Markdown 参考文档，无需任何脚本执行或外部依赖
- Codex：✅ 原生——技能不发起任何网络请求，仅提供文本指导，不受默认沙箱无网络限制影响
- OpenClaw：✅ 格式层面兼容——遵循 Agent Skills 规范（YAML front matter + 指令正文）
- Hermes Agent：❓ 未验证——未找到官方适配记录
5. 推荐理由
大多数“AI 安全/合规”类技能聚焦于事后审计（扫描代码库、生成报告），而这份技能填补了“设计与编码阶段”的空白——把 GDPR 的抽象条款翻译成可直接套用的工程规则（字段设计、日志脱敏、TTL、DPIA 触发条件等），适合在写 API、建表、加日志埋点这些日常动作发生的当下就避免踩坑，比事后补救成本更低。全文零代码执行、零外部依赖，安装即用。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 所属合集仓库 github/awesome-copilot 由 GitHub 官方维护、38,879 stars，但该数字属整个合集不代表本技能自身热度；未找到该子技能自身的独立第三方评价或采用数据 |
| 可用性 | 8 | 纯参考文档，复制或 gh skills install 一条命令即可使用，无需配置、无付费依赖；该子目录自 2026-03-30 合入后再无更新（约 5 个半月） |
| 安全性 | 9 | 检查清单：①②无 shell 执行与联网外发（全文 0 代码块，纯指导性文本）③不涉及凭据存储④未发现可疑指令⑤所属仓库为 GitHub 官方维护、贡献流程公开可审计⑥License 明确（MIT）⑦仓库整体持续活跃（最近一次仓库级提交为 2026-09-10） |
| 综合 | 8.0 | 三项均值 |
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的差异 |
|---|---|---|
| gdpr-compliance-checker（goSprinto/compliance-skills） | 自动化审计工具：扫描代码库定位 PII、研究第三方处理方合规状态、生成 DPA/ROPA/DPIA 等完整合规文件包 | 事后审计与文档生成型，需要联网核实第三方处理方；本技能是纯静态工程参考，用于设计/编码阶段的前置自查，两者服务不同工作环节 |
| ai-data-privacy（UnitOneAI SecuritySkills） | 侧重 AI/LLM 应用场景下的数据隐私风险识别 | 聚焦 AI 系统的数据流风险，不覆盖传统 Web/后端 API 设计与数据库留存策略等通用工程场景 |
| privacy-legal（Anthropics Claude for Legal） | 面向法务/合规团队的隐私政策与法律文件起草 | 受众是法务人员而非工程师，产出是法律文件而非代码设计规则 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；可检索到的相关页面均为技能目录聚合站点（如 mcpservers.org、crossaitools.com）对 SKILL.md 内容的自动摘要展示，不构成独立评价。
9. 其他补充
该技能不含任何可执行脚本，仅由一份主文档与三份专题参考文件组成，理论上可脱离仓库单独复制使用。
10. 安装使用方式
方式一（推荐）：使用 GitHub CLI（需 ≥ 2.90.0）
gh skills install github/awesome-copilot gdpr-compliant方式二：手动复制
git clone --depth 1 https://github.com/github/awesome-copilot.git
cp -r awesome-copilot/skills/gdpr-compliant .claude/skills/gdpr-compliant安装后无需重启、无需额外配置；在涉及个人数据处理的开发任务（如“帮我设计一个用户注册接口”）中，agent 会按需加载 references/ 下的专题文件补充细节。
11. 注意事项
- 该技能为工程参考清单，不能替代专业法律意见；涉及重大合规决策（如 DPIA 结论、跨境传输机制选择）仍需法务或 DPO 审核。
- 内容主要参照欧盟 GDPR 与 CNIL 指南，不覆盖美国 CCPA、中国个保法等其他司法辖区的隐私法规。
- 自合入仓库以来未见内容更新，若 GDPR 相关监管指引发生变化，需自行核实条款是否为最新版本。