用途：在 AI 辅助交付物发给客户前，对文案、图像、受众画像做结构化文化偏见审查，识别西方默认假设与失真的文化呈现，默认语境为乌干达与东非。适用场景：AI 生成涉及人物、社区或文化场景的内容；内部评审感觉内容偏“通用西方”或“笼统非洲”而非准确本地化。不适用：平面设计、视频制作、软件开发，以及超出仓库范围的正式法律意见。
必要输入：客户企业名称、行业与主要受众、国家/城市、主要目标、内容类型、使用的 AI 工具、评审人身份（须确认其对该目标社区有第一手了解）。
主要能力：解释训练数据导致的审美、命名、行为、经济、地理五类结构性默认；使用 IBM AI Fairness 360 的个体公平、群体公平、反事实公平作为评估标准；提供三份交付前清单——视觉内容（人口特征、服饰、场景、技术、是否混淆东非不同国族身份）、文案文本（习语、定价与购买力、饮食交通生活方式、数字基础设施假设、语域）、受众画像（姓名与家庭结构、收入职业、媒体使用如 WhatsApp 与 Facebook、决策与信任模式）；规定评审人资格（须居住、长期服务或属于该社区，仅泛泛了解“非洲”、去过一两次、来自邻国均不充分）；提供整改协议（驳回重生成、人工重写、定向修改、修改视觉 brief），以及针对东非提示词的改进要求（写明具体国家、城市、人群、语言语域，并明确禁止默认西方审美与命名）。
用法：按 SKILL.md 的分节顺序执行，先收集输入，再逐项填写清单并记录评审人、日期与结论，最终以 markdown 输出审查报告。评审结论须记录“评审人 / 资格依据 / 日期 / 结论（通过、需整改、驳回重生成）”。
限制：资料未提供具体计费、平台集成或自动化程度；案例引用 BuzzFeed Barbie（2023）与 DeepVogue 作为失败例证，来源为 Ching 与 Mothi（2025）及 IBM AIF360。禁止编造客户事实、数据、预算或审批。
参考资源：aif360.mybluemix.net。