用途：在提交或评审已知/已披露的 AI 辅助开源贡献前，先套用接收项目的 AI 政策，再评估工作质量与贡献者责任，不用于 AI 检测。
模式：贡献者预检（判断已知 AI 辅助工作是否可提交）、维护者评审（按项目政策一致评估已披露工作）、政策评估（确定项目 AI 规则覆盖哪些活动）。
工作流：1) 记录已知事实，如接收项目、贡献类型、所用 AI 工具或模型、受实质协助的活动、人工评审与测试、提供给工具的数据或仓库上下文、贡献者后续响应能力；AI 使用未知时不要求自证。2) 查阅仓库、组织、基金会、贡献、安全、许可、隐私与 AI 政策，读 policy-model.md，将活动分类为禁止、受限、需披露允许、普通规则允许、未规定或冲突；禁止则停止，受限则守边界，未规定或冲突则先询问。3) 确认人工责任：发起并批准、审阅最终 diff 或文本、能解释关键选择与局限、能修订而非盲目重生成、核实声明依赖 API 引用与测试、回应维护者反馈。4) 读 review-gates.md，检查项目契合、最小连贯范围、正确性与最终状态、测试证据与人工评审、生成冗余与无关重构、可访问性、安全隐私与授权、版权许可归属与来源、依赖供应链风险、兼容性与标准、可持续性与维护成本；能确定性检查的须有证据。5) 按项目要求措辞与位置披露，含工具或模型、用途、人工验证与已知局限；不暴露私密提示、机密数据或安全细节；若涉及未披露漏洞，转负责任安全披露。6) 结果取 pass、revise、ask-maintainer、do-not-submit 或 local-with-record，用 ai-review-report.md 引用证据并说明不确定性。外部提交始终需人工批准。维护者公平性：一致适用已发布政策，评审贡献而非推断作者，不以 AI 检测分数为证据，不惩罚政策允许的简洁辅助、翻译或可访问性工具，区分强制修正与可选建议，及时关闭不可评审工作并说明规则。完成条件：政策状态与覆盖活动明确、不以 AI 作者推断为证据、评估人工理解与跟进、审查最终工作测试来源隐私与范围、结果与修正简洁、外部行动前仍需人工批准。限制：资料未提供具体安装命令、平台支持或收费信息。