用途：Harm Anticipation（伤害预判）是一种在产品设计阶段系统梳理 AI 可能造成何种伤害的方法，属于预防式设计而非事后危机管理。它适用于 AI 产品的风险规划、模型更新后的复审以及规模化前的评估。
主要能力：
- 伤害分类：直接伤害（输出危险建议、歧视内容、隐私侵犯）、促成伤害（AI 帮助用户做有害之事）、涌现伤害（规模化或交互效应产生）、不作为伤害（该行动时未行动、未上报）、侵蚀伤害（依赖、技能退化、操纵、信任流失）。
- 五重视角结构化预判：谁可能受伤害、如何受伤害（身体、情感、财务、声誉、隐私、自主性）、可能性（常见场景/边缘场景/对抗攻击）、严重性、可检测性（明显即时 vs 隐蔽延迟）。
- 误用场景：从对抗者视角思考故意滥用、最易提取有害输出的方式、操纵欺骗胁迫的可能、用户谎报意图、规模化自动化后的结果。
- 二阶后果：百万级用户时会发生什么、用户会丧失哪些技能、是否造成不公平优势、权力关系如何变化。
决策规则：按“频率×严重性”打分，而非只看严重性；每项伤害需有可证伪测试（如“若 AI 对 Y 类用户做 X，系统应 Z”），写不出测试说明伤害定义不够精确；在最低可行层级缓解（输出过滤<约束提示<缩小功能范围<不做该功能）；每次规模跃迁后重新预判；以最弱势用户定义底线；探索期优先可逆缓解。
反模式：把预判文档当交付物写完就不再打开；只关注灾难性伤害；只假设恶意行为者而忽略善意用户在意外情境中的伤害；清单式打勾缓解；把责任外部化给服务条款；单一维度思考；依赖用户察觉或上报的“乐观式缓解”。
限制与不适用：不用于常规 UX 小问题（加载慢、文案别扭），那应使用失败分类或用户满意度信号；不用于纯技术可靠性（延迟、可用性），那属 SRE；不能替代红队测试（预判是规划活动，红队是探测活动，二者都需要）；也不应只在发布时做一次性审计，而应持续进行。资料未提供具体安装命令、使用步骤或平台支持信息。