数据保留与删除策略：让每一份数据都知道该存多久、该怎么删、怎么证明删掉了
- 它解决的是“数据存多久、怎么删、怎么证明”这一整条链路问题：按数据类别、用途与法域确定保留期，并设计最小化采集、到期删除、备份处理、法律冻结与删除验证的完整流程。
- 覆盖形态很全：业务表、日志、对象存储、备份、分析仓库、第三方系统都会被逐一纳入盘点与删除设计，避免“只删主表、日志和备份还能还原”的常见漏洞。
- 产出是可直接落地的文档结构：数据资产与保留期表格、删除流程、备份说明、验证方式、例外与冻结，五段式输出便于研发与合规同步评审。
- 配套检查清单与反模式提示：安装后即可用清单逐条自查，降低“制度写了但没执行”的风险。
- 最适用的三类人：产品与架构（上线前做生命周期设计）、研发与 SRE（日志与备份治理）、安全合规（审计与客户尽调准备）。
该技能叫什么？如何下载安装 AI 技能提升开发效率？
技能中文名：数据保留与删除策略 技能英文名：data-retention-policy 技能 ID：2119813852026273794
这个技能要解决的问题非常具体：哪些数据能存、存多久、到期怎么删、怎么证明删掉了。在真实项目里，这四个问题往往分散在法务、研发、运维、安全四个团队手里——法务说“合同期加法定年限”，研发说“我不知道这条日志归谁管”，运维说“备份是滚动的删不了”，安全说“审计要证据但你拿不出来”。这个技能就是把它们串成一条可执行、可验证的流水线。
从能力边界上看，它明确不适用于两类事情：一是具体的法律意见（该找法务），二是跨境传输合规（同样需要法务判断）。它做的是“工程化与流程化”的那部分工作。
一键安装的思路与步骤
AI 技能的安装通常遵循“找到技能 → 添加到工作环境 → 验证生效”三步走，本技能的安装前提与流程如下（具体入口、命令与版本要求以官方说明为准）：
- 确认安装前提：你需要在一个支持 AI 技能调用的环境中工作（例如支持技能加载的 AI 助手或开发工具）。技能本身是“提示词 + 工作流 + 参考文件”的封装，不需要单独部署服务。
- 获取技能：在技能市场、技能管理界面或技能仓库中，通过技能名称「数据保留与删除策略」或技能 ID
2119813852026273794进行检索与添加。具体检索入口以官方说明为准。 - 完成添加：按界面提示确认添加/启用该技能。如果环境支持命令行方式的安装入口，命令格式请以官方说明为准，不要使用来源不明的脚本。
- 验证是否生效：启用后，用一句最简单的触发语测试，例如输入“我要为我们的 App 设计数据保留期限，帮我做数据盘点”。如果技能被正确加载，它应当围绕“数据资产清单、用途与法域、保留期、删除机制”展开，而不是泛泛地讲隐私原则。
- 确认参考文件可用：该技能附带
references/retention-matrix.md（常见数据类别的保留期参考）。如果技能输出中提到按保留期矩阵取参考值，说明参考文件已随技能正常加载。
为什么“一键安装”能提升效率：过去做一份数据保留与删除方案，通常要经历“翻法规 → 问法务 → 拉数据清单 → 写文档 → 被研发质疑不可执行 → 返工”的循环，周期以周计。技能把这套流程固化成六步工作流和一份检查清单，把“经验型工作”变成“可复用流程”，第一次使用就能得到结构完整的初稿。
该技能的主要功能和特点
- 数据盘点结构化：按实体逐项列出存储位置（数据库、对象存储、日志平台、分析仓库、SaaS）、用途（履约、风控、分析、审计）、敏感级别（公开、内部、个人、敏感个人）以及“能否通过 ID 定位到个人”的关联关系判断。
- 保留期有依据可追溯：按数据类别给出保留期参考——履约必需为“合同期 + 法定年限”、风控与反欺诈按监管要求（通常较长）、运营分析“聚合后保留、明细短期”、日志“一般 30 到 180 天”、备份“滚动覆盖且不超过主库保留期太多”、临时文件“任务结束即删”。每条保留期都要求写明依据。
- 贯彻数据最小化原则：采集前审查字段必要性，非必要字段不落库或只存哈希，分析场景优先用聚合或去标识化数据，展示层脱敏、导出层审批。
- 按数据形态设计删除机制：业务表用物理删除或“标记删除 + 定期清理”（注意关联表级联）；日志用按时间分区删除（避免逐条删）；对象存储用生命周期规则（注意版本与副本）；备份用滚动过期；分析仓库用分区重建或行级删除（注意派生表同步）；第三方系统调用对方删除接口并留存回执。
- 备份与副本的“诚实处理”：明确承认备份不能立即删除，但要求说明最长保留期——这是很多方案里最容易含糊其辞的地方。
- 法律冻结流程：诉讼、调查或争议发生时暂停自动删除，记录冻结范围、原因、批准人、起止时间，解除后恢复原策略并补删。
- 删除验证与证据留存：删除后抽样查询确认不可检索，保留删除工单、执行日志、影响行数，对外提供不含敏感细节的删除确认，并定期随机抽样审计过期数据。
- 工程友好要求：删除任务必须可重试且幂等。
- 反模式提醒：直接点名“所有数据永久保留，以后可能有用”“删除只删主表”“逻辑删除但从不清理”“备份保留期远长于业务需要且未披露”“删除后无法提供任何执行证据”五类典型错误。
和普通工具比强在哪：对象存储的生命周期规则、数据库的 TTL 只会执行“删”这一个动作，它们不告诉你“该不该存”“存多久有依据”“备份怎么解释”“审计怎么举证”。这个技能补的正是策略层与证据层。
如何使用该技能？
第 1 步：准备四类输入材料。 这是决定输出质量的关键。
- 数据资产清单：表、日志、文件、备份、第三方系统。
- 每类数据的用途、法域与敏感级别。
- 合同与法规要求的保留期（有就提供，没有就说明“待确认”）。
- 现有删除能力与备份周期（例如“备份保留 35 天、滚动覆盖”“日志平台支持按天分区删除”）。
第 2 步：用自然语言描述任务并触发技能。 输入示例：
我们是一款面向企业客户的 SaaS 产品，需要做数据保留与删除策略。现有数据包括：用户账号表（MySQL）、订单与合同表（MySQL）、访问日志（日志平台，现无保留期限制）、对象存储中的用户上传附件、每日全量备份（保留 35 天）、以及一个第三方客服系统。用户主要在中国大陆，部分客户在欧盟。请帮我完成数据盘点、给出每类数据的保留期与依据、设计删除流程和验证方式。
第 3 步：跟随六步工作流推进。 数据盘点 → 定保留期 → 最小化与匿名化 → 删除机制 → 法律冻结 → 验证与证明。建议不要跳过第一步直接问“保留期定多久”，否则输出会失去针对性。
第 4 步：读取并按模板落地输出。 技能会按固定结构交付，便于直接贴进设计文档或合规材料：
- 数据资产与保留期：表格形式，列包含数据类别、位置、用途、级别、保留期、依据。
- 删除流程：编号步骤，覆盖主库、日志、对象存储、分析库、备份。
- 备份说明：说明备份为何不能立即删除、最长保留期是多少。
- 验证方式：抽样查询、工单与执行日志、影响行数记录、对外删除确认口径。
- 例外与冻结：法律冻结的触发条件、记录字段与解除后的补删安排。
第 5 步：用检查清单逐条验收。 对照“所有数据资产已盘点含第三方与备份”“每类数据有明确保留期与依据”“采集字段经过必要性审查”“删除流程覆盖五类形态”“删除任务可重试且幂等”“法律冻结流程已定义”“删除结果有验证与证据留存”“过期数据有定期审计”“隐私政策与实际实践一致”逐项打勾，未通过的项回到对应步骤补。
第 6 步：形成闭环。 把“定期审计”写进例行工作，随机抽样检查过期数据是否仍在；把隐私政策文本与实际删除实践对齐——这是检查清单里的最后一条，也是最容易被忽略的一条。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 数据保留与删除策略 Skill（本技能） | 数据生命周期策略设计与删除流程编排助手 | 数据盘点、保留期矩阵、最小化与匿名化、分形态删除机制、法律冻结、验证与证据留存 | 低：在支持技能的环境中添加启用即可，无需部署服务（以官方说明为准） | 产品上线前的生命周期设计、用户删除权响应、日志与备份治理、审计与尽调准备 | 优势：流程完整、产出结构化、自带检查清单与反模式提示；不足：不提供具体法律意见，跨境传输需法务介入 |
| 外部律师/法务出具的数据合规意见 | 法律层面的合规判断 | 法条解释、合规风险评估、法律意见书 | 中高：需商务对接与排期，成本较高 | 争议处理、监管问询、重大合规决策 | 优势：权威性强、可对外背书；不足：不产出工程可执行的删除流程与验证方案，迭代慢 |
| 商业隐私合规平台 | 一体化隐私治理平台 | 数据映射、同意管理、请求工单流转、部分自动化删除 | 中高：采购、实施、系统对接周期长 | 中大型企业常态化隐私治理 | 优势：体系化、可审计、有工单闭环；不足：落地成本高，仍需团队自行定义保留期依据与删除技术方案 |
| 云厂商/数据库自带生命周期能力 | 存储层的执行工具 | 对象存储生命周期规则、日志分区删除、数据库 TTL | 低：配置即可 | 单纯的“到期删除”执行 | 优势：执行可靠、成本低；不足：只解决“删”的动作，不解决“该不该存、存多久、备份怎么解释、怎么举证” |
选型建议：生命周期规则这类工具负责“执行”，本技能负责“策略与编排”，法务负责“法律判断”，三者是互补而非替代关系。如果没有合规平台预算，用本技能先把策略与流程做出来，往往能省下前期大量沟通成本。
该技能的典型应用场景与实际体验情况
场景一：产品上线前的数据生命周期设计（角色：产品经理 / 架构师） 痛点：新功能要收集用户手机号、设备信息、行为埋点，但没人说得清“哪些字段必须收、存多久、到期谁删”。使用方式：把数据字段清单和业务用途作为输入，让技能先做字段必要性审查，再输出保留期表格和删除流程。实际体验：上手难度低，输出可以直接贴进技术方案评审；注意点是必须提供真实的字段清单，否则结果会过于笼统。
场景二：用户行使删除权（角色：客服 / 研发） 痛点：用户要求删除账号，研发只删了主表，日志、备份、分析仓库里仍有痕迹，对外又说不出“我们删了什么”。使用方式：以“用户行使删除权，需要可执行的删除流程”为触发语，让技能按数据形态逐一给出删除方式与注意事项，并生成对外删除确认口径。实际体验：删除流程覆盖度高，尤其是“备份不能立即删除需说明最长保留期”这一条，能避免对用户做出无法兑现的承诺；注意点是对外确认必须不含敏感细节。
场景三：日志与备份无限增长（角色：SRE / 运维） 痛点：日志平台没有保留期上限，备份保留策略是“历史遗留”，存储成本持续上涨又不敢删。使用方式：提供现有备份周期与日志分区能力，让技能给出保留期建议与分区删除方案。实际体验：能快速把“拍脑袋的保留期”换成“有依据的保留期”，并且明确“备份滚动覆盖、不超过主库保留期太多”的原则；注意点是与现有分区方式匹配，避免设计出无法执行的删除策略。
场景四：合规审计与客户尽调准备（角色：安全合规） 痛点：客户尽调问卷里问“数据保留期限与删除机制”，团队拿不出成体系材料。使用方式：以“合规审计要求提供删除证据”为触发语，重点获取验证方式、证据留存类型与定期审计安排。实际体验：输出中的“删除后抽样查询确认不可检索”“保留工单、执行日志、影响行数”“随机抽样检查过期数据”三件事，是最容易被问到也最容易缺失的；注意点是技能只做流程设计，最终材料仍需结合真实执行记录。
该技能能为用户带来的价值
效率提升：把一份数据保留与删除方案从“跨团队反复对齐数周”压缩到“一次结构化产出 + 若干轮补充”。六步工作流和五段式输出模板让初稿几乎不需要重新组织结构。
门槛降低：不需要团队里有人熟读 GDPR 与个人信息保护法的条文细节，也能把这些原则落到“某张表保留多久、某个日志分区怎么删、备份怎么解释”的具体层面。技能明确划出“不做法律意见”的边界，反而让非法律背景的使用者更清楚该在哪里停下来找法务。
风险成本下降：反模式清单直接对应真实事故——逻辑删除从不清理、备份保留期未披露、删除无任何执行证据。每避开一条，就少一次审计或客诉中的被动。
可量化的收益方向：日志保留期从“无限”收敛到 30–180 天的合理区间，直接减少存储开销；备份保留期与主库保留期对齐，避免为“永远不会被读到的历史备份”持续付费；删除任务做到幂等可重试，减少人工补删的工时。
长期价值：产出的数据资产表、保留期依据、删除流程与验证方式是可以随产品迭代复用的资产。下一次上新功能时，只需要在既有表格上增加一行，而不是从零再讨论一遍。检查清单里的最后一条“隐私政策与实际实践一致”，更是把合规从“文档工作”变成“可被验证的事实”。
常见问题 FAQ
Q1：这个技能怎么安装？需要写代码或部署服务吗？
A：不需要部署服务。它属于技能封装形态，在支持 AI 技能的环境中通过技能名称「数据保留与删除策略」或技能 ID 2119813852026273794 检索添加并启用即可。具体的检索入口、是否提供命令行安装方式、版本要求，请以官方说明为准。启用后用一句“帮我做数据盘点”的测试语验证是否生效。
Q2：收费吗？ A：技能详情中未包含定价信息，是否收费取决于你获取该技能的平台与账户类型，请以官方说明为准。可以从投入产出角度评估：相比跨团队反复对齐数周，或相比一份外部合规意见的商务成本，它的边际成本通常更低。
Q3：它和对象存储生命周期规则、数据库 TTL 有什么区别？ A：后者是执行层工具，负责“到期就删”这个动作；本技能是策略层与证据层，负责回答“这类数据该不该存、存多久、依据是什么、备份怎么处理、删除后怎么证明”。两者配合使用效果最好——技能给出策略，生命周期规则负责持续执行。
Q4：它能替代法务出具合规意见吗？ A：不能，技能本身也明确写了“不适用：具体法律意见；跨境传输合规（需法务）”。它的定位是把已经明确的合规要求翻译成可执行的工程流程与文档，法务判断仍需专业介入。实际使用中，先让技能产出结构完整的初稿，再交给法务审核，沟通效率会明显更高。
Q5：适合哪些团队用？小团队有必要吗？ A：产品与架构团队（上线前生命周期设计）、研发与 SRE（日志与备份治理）、安全合规团队（审计与尽调准备）都是典型使用者。小团队反而更值得用——因为没有专职隐私团队时，最容易出现“数据永久保留，以后可能有用”和“逻辑删除但从不清理”这两类反模式，而技能自带的反模式提示和检查清单正好补上这块空白。