作品集分两条线：一条用基准量化「法律 AI 到底可不可靠」，一条用工具直接解决公司真实合规需求。前者是方法论背书，后者是生产力证据。
legal-hallucination-bench / legal-ai-watch / LCB 等，以陷阱题量化大模型在法律场景的幻觉、时效错误与张冠李戴，面向国产模型的落地可靠性。
开源许可证合规、隐私政策体检、代币监管定性 —— 每个都带「法律判断内核 + 条文级可解释证据」，能进流水线当门禁，而不只是 demo。
三个独立开源仓库，均为零依赖 Python CLI、含 Markdown（法律）+ JSON（工程）双报告与双重免责。点链接直达 GitHub。
解析依赖与 LICENSE，逐条比对兼容矩阵，输出「法律判断内核 + 条文级证据」，并导出 CycloneDX SBOM（对应 EO 14028 / 欧盟 CRA 合规诉求）。
对照 PIPL / GDPR / CSL / DSL 检查项库，逐条判定 satisfied / partial / missing / not_applicable，并下沉到有效风险（none / low / medium / high）。
跨 HK SFC / SG MAS / US SEC / EU MiCA 四法域，对代币做证券 / 监管定性，输出 Howey 四要素逐条证据与 MiCA 分类结论。
中文：律师 / 税务师 / 专利代理师，六年法律实务经验，专注把合规判断做成可运行、可解释、可进 CI 的开源工具，服务互联网、AI、科技与 Web3 公司的法务与合规需求。
English: Triple-qualified legal professional (attorney + tax agent + patent attorney) with six years of legal practice, building offline-first, explainable, CI-ready open-source compliance tooling for in-house legal, AI, tech, and Web3 teams.
我是一名兼具律师、税务师与专利代理师三重资质的合规法律人，有六年法律实务经验。我关注一个具体且紧迫的问题：法律与合规判断如何变得可验证、可解释、可自动化。为此我构建了一系列开源（MIT）工具 —— 从开源许可证合规判定、隐私政策体检（覆盖 PIPL / GDPR / 网络安全法 / 数据安全法），到跨 HK、新加坡、美国 SEC 与欧盟 MiCA 四法域的代币监管定性器。它们均采用零依赖的离线 Python、条文级可解释证据，并支持 --fail-on 门禁接入 CI。我相信好的法律 AI 产品应当先把「判断内核」做扎实，再谈智能化。
查看完整作品集 ↗仅用 Python 标准库，CI 矩阵 3.8 / 3.11 / 3.12 全通过，无供应链引入风险。
每条结论附带法条依据与证据片段，而非黑箱标签；事实库带 source_url 与核验日期台账。
三件套均支持 --fail-on 非零退出码，可直接作为公司流水线的合规卡点。