用途：把已部署的 ML/AI 模型文档化，使其可被负责任地使用。适用于被要求撰写模型卡、记录模型预期用途与局限等场景。建议在发布前而非发布后撰写。
必要输入（未提供时需询问）：模型名称与版本、负责团队与日期；模型做什么（任务类型如分类、生成、排序、抽取，以及所支撑的决策）；预期用途与用户（支持场景及明确的范围外场景）；训练数据（来源、规模、时间范围、已知缺口，可链接数据集数据表）；评估（数据集、指标、结果，最好按子群/切片拆分）；已知局限与风险（失效模式、偏见发现、安全顾虑）。
输出格式：标题为 Model Card: [name] v[version]，含 Owner、Date、Status（评审中/生产/已弃用）。正文分节：1. 概述（一段话说明功能、服务决策与使用者）；2. 预期用途（范围内、范围外/禁止用途、用户）；3. 训练数据（来源、规模、时间窗、标注方法、覆盖缺口）；4. 评估（指标及选择理由、总体结果对比基线、按切片的结果表，含 Slice、N、Metric、vs. overall）；5. 局限与失效模式（具体欠佳或不可信情形）；6. 伦理与偏见（公平性发现、敏感属性处理、缓解措施）；7. 部署与监控（延迟/成本约束、漂移与质量信号、回滚触发条件）。
质量检查：范围外/禁止用途须具体填写；评估须按切片报告而非仅全局平均；每个指标须说明对比基线；局限须描述真实具体失效情形；须指明监控信号与明确回滚触发条件。
反模式：不要只报单一聚合指标；不要留空预期用途边界；不要因不适而省略已知偏见；不要脱离类别平衡/基础率呈现准确率；不要在没有监控计划时上线。
依据：Mitchell 等 2019 年《Model Cards for Model Reporting》及负责任 AI 评审中的模型文档实践。具体平台、收费与安装方式暂未提供。