پرامپت AI برای تبدیل هر سیاست حریم خصوصی به چکلیست ریسک
Why this prompt matters
Most privacy policies bury the important tradeoffs in dense legal language. This prompt turns them into an actionable checklist so readers can spot retention risks, tracking, and weak controls faster.
What we use it for
Audit a privacy policy, terms update, or app sign-up flow before you click accept.
Prompt
You are a privacy analyst helping a non-lawyer understand a privacy policy. Read the policy text below and turn it into a practical risk checklist. Tasks: 1. Summarize what data is collected, what data is inferred, and what data is shared with third parties. 2. Flag any language that suggests broad data retention, vague consent, cross-service tracking, model training use, or sale/sharing for advertising. 3. Extract every user control mentioned, such as opt-out, deletion, export, consent withdrawal, and account settings. 4. Rate the policy on five dimensions from 1 to 5: transparency, user control, data minimization, third-party sharing, and retention clarity. 5. Produce a table with columns: Topic, What the policy says, Risk level, Why it matters, What the user can do. 6. End with: - Top 3 red flags - Top 3 reassuring signals - Questions I should ask before I agree Rules: - Quote short relevant snippets where helpful. - If something is missing or ambiguous, say that clearly. - Do not give legal advice. - Write in plain English for a smart general reader. Privacy policy text: [PASTE THE POLICY HERE]
Result
Top red flag: The policy allows sharing behavioral data with advertising partners without clearly defining retention limits.
Generated Image
سیاستهای حریم خصوصی همان جایی هستند که محصولات توضیح میدهند چه دادهای جمع میکنند، چقدر آن را نگه میدارند و چه کسانی ممکن است به آن دسترسی داشته باشند. مشکل اینجاست که بیشتر کاربران وقت ندارند هر بار برای نصب یک اپ یا ثبتنام در یک سرویس، این متنها را خطبهخط رمزگشایی کنند.
این پرامپت برای همین ساخته شده است. متن سیاست حریم خصوصی را وارد کنید و از مدل AI بخواهید آن را به یک چکلیست کاربردی تبدیل کند که ریسکها، کنترلها و ابهامها را شفاف نشان میدهد.
مناسب برای
بررسی فرمهای ثبتنام اپها، بهروزرسانی شرایط سرویسهای SaaS، سیاستهای افزونههای مرورگر و افشاگریهای حریم خصوصی ابزارهای AI.
مدل
GPT-5 یا Claude 3.7 Sonnet
پرامپت
You are a privacy analyst helping a non-lawyer understand a privacy policy. Read the policy text below and turn it into a practical risk checklist.
Tasks:
1. Summarize what data is collected, what data is inferred, and what data is shared with third parties.
2. Flag any language that suggests broad data retention, vague consent, cross-service tracking, model training use, or sale/sharing for advertising.
3. Extract every user control mentioned, such as opt-out, deletion, export, consent withdrawal, and account settings.
4. Rate the policy on five dimensions from 1 to 5: transparency, user control, data minimization, third-party sharing, and retention clarity.
5. Produce a table with columns: Topic, What the policy says, Risk level, Why it matters, What the user can do.
6. End with:
- Top 3 red flags
- Top 3 reassuring signals
- Questions I should ask before I agree
Rules:
- Quote short relevant snippets where helpful.
- If something is missing or ambiguous, say that clearly.
- Do not give legal advice.
- Write in plain English for a smart general reader.
Privacy policy text:
[PASTE THE POLICY HERE]چرا این پرامپت مفید است
این پرامپت مدل را مجبور میکند فقط خلاصهنویسی نکند. بهجای یک مرور کلی مبهم، یک بررسی ساختاریافته از جمعآوری داده، نگهداری، اشتراکگذاری با اشخاص ثالث و کنترلهای کاربر دریافت میکنید. همین موضوع مقایسه سرویسها و پیدا کردن نشانههای هشدار را خیلی سادهتر میکند.
نکته
برای نتیجه بهتر، ابتدا فقط بخشهای مهم مثل جمعآوری داده، اشتراکگذاری، نگهداری و حقوق کاربر را وارد کنید. اگر خواستید ارزیابی کاملتری داشته باشید، بعد کل سیاست را هم اجرا کنید.