收益：
- 它认识到立法研究中出现幻觉的风险，并从官方综合文本中确认了每项法律基础。
- 它运行一个验证流程，检查条款是否有效或废除、其最后修正案以及临时/附加条款。
- 它将人工智能定位为一种搜索和构建工具，而不是立法来源。
公职人员最常见、最危险的任务之一是立法研究：“这项交易的基础是哪部法律的哪一条？”、“这项规定仍然有效还是已经改变？”、“国务委员会对此问题有何看法？”、“如果两项规定发生冲突，则适用哪一项？”这些问题很多，而且回答错误的代价很高：依据不正确的行政行为被司法部门撤销，公民成为受害者，机构承担责任。在这里，人工智能可以帮助你在大量文本中快速找到相关规定，简化复杂问题，并列出可能的依据。但本单元的粗线是：人工智能是法律研究的起点，而不是判断的来源。每篇文章、日期和判例未经官方来源验证（官方公报、Çözüm.gov.tr、相关法院判决），不得在任何地方书写。
为什么立法是最危险的幻觉领域？
人工智能根据训练数据中的文本生成模式；这些数据中的法律文本也很丰富。这就是为什么人工智能经常给出看似真实但虚假的输出：不存在的商品编号、被废除的法规（好像它是最新的）、由真实法律组成的条款，或者根本不存在的“国务委员会……决定”。这些错误比偶然的错误更危险，因为它们在形式上具有说服力——以正确的格式、正确的风格编写。如果公职人员在没有核实的情况下依赖这些信息，他将建立巨大的法律差距。
注意：除非在官方来源中看到，否则 YZ 提供的任何法律条款、日期、问题或法院判决均不被视为真实。这是规则，而不是建议。 “AI如此说”并不是行政管辖权上的抗辩。
循序渐进保障立法研究
- 澄清问题。哪个主题、哪个日期范围、哪个行政单位、哪个具体事件？
- 使用人工智能进行探索。让人工智能列出可能的基础、相关概念以及在哪里寻找。这是一个“地图”，而不是一个答案。
- 从官方来源打开每篇文章。在 oyun.gov.tr 上查找法律/法规文本；请自行阅读文章编号、段落和有效性状态。
- 有效性和变更控制。该法规可能已被临时条款更改、废除或推迟。以当前合并文本为基础。
- 等级制度和冲突控制。顺序：宪法>法律>总统令>条例>通知；上级规范与特殊/后续规定规则发生冲突。将复杂的情况交给法律顾问。
- 确认原判决的判例依据。从实际判决文本中验证人工智能总结的法院判决；检查案情/决定编号。
- 创建源注释。在每个参考文献旁边写下来源和访问日期；留下审计线索。
三个迷你箱子
案例 1 — 查获假货。一名官员向 YZ 询问许可诉讼的依据。 YZ 说，“分区法第 42/C 条。”当官员查看 yay.gov.tr 时，没有这样的子条款；正确的基础在另一篇文章中。官方源代码控制阻止了可取消的交易。
案例 2——执法陷阱。单位根据AI显示的规定规定计算持续时间。然而，该规定在8个月前发生了变化，期限从15天增加到30天。当检查合并的更新文本时注意到；大约 40 个文件中防止了错误的时间报告。
案例 3 — 判例法验证。在准备请愿书时，YZ 引用了一项有利的“国务委员会决定”。在官方决策库中检索该决策/决策编号时，未找到该决策；有一个类似的决定，但结果不同。如果它是基于捏造的判例，辩护可能会崩溃。
四个可复制模板
1）监管发现图（方向，不是答案）：
您的角色：监管研究助理。绘制可以基于以下主题的法规地图：可能的法律/法规名称、相关概念、要查看的机构。预先声明，所有这些都必须从官方渠道得到确认。将您不确定的内容收集在单独的“必须验证”标题下。商品编号拟合；如果您不知道，请说“该号码必须从官方来源找到”。主题：[主题]
2）文章简化（不是评论）：
将以下立法条款翻译成简单的土耳其语而不改变其含义，并逐条提取其中的条件。不发表法律评论；只需解释一下文本所说的内容即可。将不清楚/引用的区域标记为“参见相关文章”。文章：[粘贴官方文字]
3) 有效性和冲突清单：
为我提供一份验证清单，其依据如下：（1）如何检查其是否有效/废除，（2）如何查找后续修订，（3）不符合上限规范的可能性，（4）具体/一般和先前/后续条款冲突的可能性。将答案作为表格给出，我将从官方来源填写该答案。依据：[法律/法规和条款]
4）判例验证框架：
我将提供/要求一份法院判决的摘要。分别指定依据和判决编号、法院和判决日期，并注意这些必须得到官方判决银行的确认。决定编号已定；如果您不知道，请输入“决策必须经过验证”。用一句话概括你的决定的结果。主题/决定：[主题]
弱提示/强提示
弱者：“这个问题的法律依据是什么？”
Güçlü：“你的角色是立法研究助理。绘制一张可能成为此问题基础的法规图；制作准确的文章编号，将你不知道的文章标记为‘必须在官方来源中找到’。在每个可能的基础旁边，写下我需要在liance.gov.tr上检查的内容（执行、修订、临时文章）。最后，为我将在官方来源中验证的文章添加一个空的确认表。”
区别在于：强烈的提示将人工智能定位为发现工具而不是判断来源，明确禁止捏造，并将输出转化为可验证的积压。
来源可信度排名
来源
信任
用途
官方公报/Çözüm.gov.tr 合并文本
最高
最后一站
法院的正式判决库
高
法理确认
该机构自己的通函/意见书
高
内部申请
人工智能输出
低（探索）
寻路、轮廓
互联网论坛/博客未注明日期
太低
使用
变更跟踪和废除条款陷阱
监管研究中最阴险的错误不是编造一篇不存在的文章，而是将一篇过时的真实文章误认为是事实。 AI的训练数据在某个日期被冻结；他不知道该日期之后已更改、已废除（废除-正式废除的条款）或添加的条款。此外，法律的文本多年来发生了多次变化； AI可能记住了旧版本。因此，每个法律依据都必须考虑两个问题：“该条款是否仍然有效？”以及“最后一次变更是什么时候以及根据什么法律进行的？”这些问题的答案并非来自 YZ，而是来自 Çözüm.gov.tr 当前的合并文本；已废除的条款已被划掉并注明日期。
迷你案例——基于被废除文章的拒绝。一名官员正准备根据大赦国际指出的一项监管条款拒绝一项申请。当他查看合并文本时，他发现该条款已于 2022 年被废除，取而代之的是更灵活的规定；该申请实际上是可以接受的。一步式的最新检查可以防止不公平的拒绝和可能的取消诉讼。
迷你案例——省略过渡条款。 YZ正确传达了刑事制裁，但该事件适用临时条款（在特定日期范围或情况下提供例外的条款），这将期限从30天延长至90天。单独要求临时条款和附加条款会使此类例外情况变得可见。
新鲜度和变更控制模板：
任务：为以下条款制作一份验证清单（不填写文本，仅省略问题）：条款：[法律/法规名称，条款编号]问题：1) 是否生效或废除？ 2) 最后修改日期/编号？ 3）是否有相关的临时/附加条款？ 4) 子法规（法规/通函）是否兼容？ 5) 在哪里确认合并文本链接？警告：不要创建答案；列出需要确认的问题。
提示：不要让AI说“写这篇文章的当前版本”；询问“在哪里以及如何确认该商品？”人工智能是一种搜索和配置工具，而不是官方立法的来源。
常见错误
- 未经验证就使用 AI 的商品编号。最常见和最昂贵的错误；每个数字都必须在官方来源上看到。
- 不执行执法检查。依赖修订或废除的条款会削弱这一过程。
- 依据捏造的判例。确认官方银行的依据/决定编号。
- 忽视规范的层次结构。该规定不得违反法律；在矛盾中，上限规范是必不可少的。
- 将简单的摘要误认为是“评论”。简化就是文本所说的；法律解释和自由裁量权属于人类。
- 不留下审计线索。记录您确认的依据、地点和时间。
综上所述
监管研究是人工智能节省最多时间但也带来最大危险的领域。人工智能帮助您找到相关法规、简化复杂问题并绘制可能的基础；但是，如果没有从官方来源核实每篇文章、日期、有效性和判例，则不能作为任何行动的依据。 AI 发现是官方提供的源代码。
应用任务
从您的单位选择实际交易的基础。使用“立法发现地图”模板提取可能的依据，然后在izle.gov.tr上打开每一个，并在“有效性和冲突清单”表中填写有效性和修订状态。请注意至少一处（如果有的话）AI 提供的信息与官方来源不符。
清单
- [ ] 我将人工智能用作发现的工具，而不是判断的来源。
- [ ] 我亲自看过官方来源中的每一篇文章编号。
- [ ] 我检查了有效性和后续更改（合并文本）。
- [ ] 我评估了规范等级和矛盾的可能性。
- [ ] 我用官方银行的决定编号确认了判例法。
- [ ] 我留下了每个参考文献的来源和日期的审计跟踪。