收益：
- 能够认识标签立法、营养声明和健康声明的概念
- 能够使用人工智能进行标签起草和监管扫描，从而生成官方文本
- 能够验证 AI 从土耳其食品法典/官方来源给出的声明和限制
您在研发台，需要完成一种新型燕麦饮料的包装设计。营销人员希望在正面用大写字母写上“低脂肪”和“心脏友好”；它还需要“不添加糖”和“高纤维”这样的短语。标签背面会有成分、过敏原重点、营养声明表、净含量和日期信息。告诉人工智能助理，“为这个产品起草一个符合法规的标签，告诉我可以写哪些声明”，这似乎很实际。然而，标签是产品的表面，具有最高的法律和公共健康风险：虚假陈述是误导性贸易，不正确的过敏原信息是直接的消费者健康问题。在本单元中，我们将介绍标签立法的基本要素以及营养和健康声明的条件；学习使用人工智能进行标签起草和监管筛选；我们将尝试通过土耳其食品法典核实官方来源的每项声明。
标签的强制性要素
包装食品标签上必须包含的基本强制性要素（在土耳其食品法典食品标签和消费者信息法规的框架内）：
- 产品名称：反映食品真实性质的法定名称。
- 成分列表：所有成分按重量降序排列。
- 过敏原突出显示：在成分列表中，过敏原（例如牛奶、鸡蛋、含麸质谷物、坚果、大豆）以不同的字体/粗体/下划线等突出显示。
- 净含量：重量或体积（g、kg、mL、L）。
- 日期信息：建议食用日期（TETT，“最佳日期……”，或者，对于微生物易腐烂的产品，有效期（“必须在……之前食用”）。
- 营养声称表：每100克/100毫升的能量、脂肪、饱和脂肪、碳水化合物、糖、蛋白质、盐。
- 原产地/制造商信息、批次/批号、储存条件。
注意：过敏原信息是标签上不允许出现错误的区域。在人工智能生成的成分列表中省略过敏原（例如配方中“天然风味”中的牛奶衍生物）可能会产生致命的后果。始终用实际配方、供应商规格和交叉污染评估来验证过敏原声明；不要相信人工智能的输出。
营养声称和健康声称：两个不同的东西
这两个概念经常被混淆，但在立法中是分开的：
- 营养（营养素）声明：表明产品的营养特性（例如“低脂肪”、“不添加糖”、“高纤维”、“减少能量”）。每个都有一个数值条件。
- 健康声明：建立食品/成分与健康之间的关联（例如“钙有助于骨骼健康”）。健康声明只有在官方允许/批准的清单中并且满足其条件的情况下才能使用。
营养声明的示例条件（确切数字应由立法确认）：
声明
典型条件（需要确认）
低脂肪
每 100 克固体 ≤ 3 克脂肪； 100 mL 液体中 ≤ 1.5 g 脂肪
无脂肪
每 100 g/mL ≤ 0.5 g 脂肪
不添加糖
产品中未添加单糖/二糖或其他甜味剂
低糖
每100克固体中≤5克糖； 100 mL 液体中≤ 2.5 g 糖
高纤维
每 100 克 ≥ 6 克纤维（或每 100 大卡 ≥ 3 克）
低盐/钠
≤ 0.12 克钠/100 克/毫升
提示：在使用营养声明之前，请获得经认可的产品实验室营养分析并在数值上满足要求。为了让你写下“低脂肪”，100毫升中测量的脂肪含量必须低于监管阈值，这不是营销想要的。该陈述是分析结果的结果；不是相反。
虚假陈述的风险
诸如“有益心脏”、“天然”、“排毒”、“增强免疫力”等表述通常要么不包含在批准的健康声明清单中，要么不能无条件使用。不在批准清单上的健康声明具有误导性，是被禁止的。暗示预防/治疗疾病的声明不能用于食品。
使用人工智能进行标签草稿和监管扫描
您可以使用人工智能来起草标签和监管“我应该看哪里”指导；但人工智能无法决定是否允许该语句及其数量限制。弱提示和强提示的区别：
弱提示：“为我的燕麦饮料写一个标签，并告诉我可以使用哪些健康声明。”（人工智能可以无条件地建议“有益于心脏”、“降低胆固醇”等声明；可以制定营养阈值和允许列表；产生立法幻觉。）强提示：“角色：您是食品标签专家。为燕麦饮料准备草稿标签。产品的认可分析：100 1.2 克脂肪，2.0 克糖，0.05 克钠。 处方过敏原：燕麦（含麸质谷物） 任务： 1) 将强制性标签要素输出为清单 2) 概述成分和营养声明表； 3) 对于“低脂肪”和“有益于心脏”的声明。 “必须得到土耳其食品法典营养和健康声明条例的确认” - 对于“心脏友好”：我将检查它是否在批准的健康声明列表中；4）勾选可能具有误导性的声明。
强大的提示让AI起草和提醒；将决定和验证留给您。
一个简单的检查计算来验证声明条件：
# 燕麦饮料 - 经认可的实验室结果（每 100 毫升） fat_100ml = 1.2 # gsugar_100ml = 2.0 # glyph_100ml = 1.4 # g <= 1.5 g 脂肪LOW_SUGARLI_SIVI = 2.5 # 在 100 mL 液体中 <= 2.5 g 糖HIGH_LIFLI = 6.0 # 在 100 g 中>= 6 g Fiberprint("低脂肪声明：", "适合" if oil_100ml <= LOW_FAT_SIVI else "适合不) print("低糖声明：", "适合" if Sugar_100ml <= LOW_SUGAR_LIQUID else "不适合")print("高纤维声明：", "适合" if fibre_100ml >= HIGH_FIBER else "NOT SUITABLE")# 输出示例：# 低脂肪声明：适合 (1.2 <= 1.5)# 低糖声明：适合 (2.0 <= 2.5)# 高纤维声明：不适合 (1.4 < 6.0) -> 无法写入此声明# 注意：阈值在代码中固定；每个阈值都必须通过当前形式的土耳其食品法典进行验证。
该计算表明，不能写出“高纤维”声明；如果人工智能文本无条件地说“你可以打字”，你就会产生一个误导性的标签。
及时性和废除立法的风险
法学硕士的培训数据在特定日期停止。法规可能已更改，文章可能已被废除，或者阈值可能已更新。人工智能可以将旧的判决视为当前的判决。因此，请使用当前的官方文本（官方公报、农林部食品法典立法门户网站）确认每项立法参考。
安全：未经土耳其现行官方食品法典文本确认，请勿在标签上写入 AI 给出的任何物质编号、阈值或“允许声明”声明。标签打印后出现虚假陈述；产品召回意味着行政罚款和消费者信心的丧失。 AI输出的是草稿；只有官方立法才具有法律效力。
迷你盒
一家零食公司希望在其蛋白棒的正面写上“高蛋白”和“增强免疫力”。营销是让人工智能准备文案； AI 写道，他们可以毫无问题地使用这两种声明，甚至还添加了一个虚构的监管条款。质量官员在标签印刷之前进行两次检查。第一：100克产品的蛋白质是否充足？分析给出的条件是每100克至少有20%的能量来自蛋白质，“高蛋白”是合适的。第二：“增强免疫力”一词是否在已批准的健康声明清单中？负责人查看官方名单；该声明未经授权，一般“免疫”声明只能用于特定营养素（例如维生素 C、锌）并与批准的声明一起使用 - 并且产品上没有声明要求来支持这一点。 AI提出的第二种说法具有误导性，被禁止；被扔掉了。官方文本中也没有找到虚构的文章编号。如果没有核实，该公司将被指控失实陈述。
常见错误
- 混淆营养声称与健康声称；将“低脂”（有条件允许）与“心脏健康”（大部分允许）等同起来。
- 出于营销目的而撰写该声明，没有经过认可的营养分析。
- 使用暗示疾病/免疫力的声明，而不检查已批准的健康声明列表。
- 基于人工智能输出的过敏原列表，而不是与实际处方和供应商规格进行验证。
- 未确认 AI 从当前官方土耳其食品法典中给出的物质编号和阈值。
- 忽略废除/更新立法的风险并在人工智能的教育历史中使用旧条款。
- 提供每份的营养成分声明表，而不是 100 克/100 毫升，并以错误的基础计算声明要求。
综上所述
- 标签的强制性要素（成分、过敏原、营养声明表、净含量、TETT/最终消耗量）必须完整且准确。
- 营养声称在数量上是偶然的；健康声明只有在批准/允许的列表中才能使用。
- 该声明是经过认可的营养分析的结果；写它不是因为营销欲望，而是因为测量值符合阈值。
- 使用人工智能进行标签起草和监管指导；然而，人工智能无法决定允许的声明、阈值和物质。
- LLM门槛、文章编号和授权声明可能会产生幻觉，并认为已废除的立法在接受教育时是最新的。
- 未经当前土耳其官方食品法典文本确认，每项声明和限制均不会打印在最终标签上。
应用任务
选择一种假设的包装食品（例如草药饮料、麦片、水果棒）。创建一个配方，其中包括产品的真实认可营养分析表（能量、脂肪、饱和脂肪、糖、纤维、蛋白质、钠，以 100 克/100 毫升为基础）和过敏原。强烈提示人工智能生成强制性标签要素清单、草稿成分和营养声明表，以及至少两项营销要求的声明（一项营养、一项健康声明）的条件声明；明确要求AI不要补足数值阈值和允许名单。然后使用您自己的帐户（Python 或手动）根据分析值检查声明条件，并注意两个声明都需要验证土耳其官方食品法典中的哪些法规/文章。在报告中；描述哪些陈述是适当的，哪些是不可写的，您在人工智能输出中检测到的至少一个幻觉/误导性建议，以及您最终的标签决定的依据。