用途：审计 Cookie 同意横幅的 A/B 测试，判断各变体是否通过设计不对称、欺骗性模式或接受/拒绝难度不等来操纵用户同意，从而违反 GDPR 第 7 条与 ePrivacy 指令第 5(3) 条。
主要能力：围绕五类暗黑模式检查——视觉不对称（按钮颜色、尺寸、字重、边框、阴影、位置）、交互不对称（拒绝所需点击/步骤是否多于接受）、语言操纵（拒绝选项是否被负面框定）、时机与延迟操纵（接受按钮是否先出现、拒绝路径是否有加载延迟、关闭是否默认同意）、重复提示（拒绝后是否反复弹出）。同时提供 A/B 测试合规边界：允许测试横幅位置、配色、措辞、布局、图标、动画、隐私信息呈现格式；禁止测试接受按钮大于拒绝按钮、接受更突出、拒绝需额外点击、某变体预选同意目的、任何变体的 Cookie 墙、仅首层接受而拒绝被埋藏、对拒绝使用劝退语言。
使用方式：审计分四步。第一步捕获所有 A/B 变体，截图桌面与移动端、记录接受与拒绝元素的 HTML/CSS、记录用户流程与流量分配。第二步按五类暗黑模式评分（视觉 25%、交互 30%、语言 20%、时机 15%、重复提示 10%，0-10 分），加权总分超过 3.0 需整改，超过 5.0 需立即移除。第三步比较各变体同意率，若某变体同意率高出 20% 以上且存在不对称设计元素，则标记审查。第四步生成审计报告，含截图、评分、同意率分析、整改建议与时间表。
适用场景：隐私合规团队、法务、产品与前端团队在优化同意率时进行合规自查，或对现有 A/B 实验做监管风险评估。
限制：资料未提供具体工具、自动化脚本或安装命令；评分权重与阈值来自该技能方法本身，实际执法以监管机构认定为准。资料提及 CNIL 对 Google、Meta、Microsoft、TikTok 等处罚案例及 EDPB、FTC 相关指南作为参考。