收益：
- 能够将税务问题置于法律、二级立法和行政解释的层级中，并仅使用人工智能作为指导筛选工具
- 能够从官方来源（官方公报、GIB、立法门户）确认人工智能给出的每一条立法条款、通知和裁决号
- 能够通过检查立法的现行性和生效日期来防止条款被废除或更改的风险
税收立法研究引出了一个问题“我应该做什么？”问题是在给出答案时从正确的来源找出哪条规则有效。这是该行业风险最高、人工智能加速程度最高的领域。存在风险，因为不准确或过时的来源会直接导致误传；它可以加速，因为立法非常广泛，人工智能可以扫描长文本并在几秒钟内提供指导。这个单元的主要原则是：人工智能告诉你去哪里寻找，但官方消息来源告诉你什么是真实的。
认识监管层级
正确的研究始于了解来源的层次结构。当你向人工智能提出问题时，你必须将答案放在该层次结构中的适当位置。
- 法：最终的根源。例如，VUK（税务程序法，制定税收程序和正式规则的法律）、GVK（所得税法）、KVK（公司税法）、VAT（增值税法）。法律规定的都是有依据的。
- 总统决定/部长会议决定：确定费率和一些限制的法规。这是利率经常发生变化的地方。
- 公报：解释政府如何实施法律的二级立法（例如增值税一般应用公报）。申请的详细信息请参见此处。
- 通函：政府就某一主题发表的集体声明。
- 特别命令（mukteza）：政府针对特定纳税人的具体问题给出的书面意见。它仅直接约束纳税人，但指明了实施方向。
- 司法判决：国务委员会和税务法院的判决。它显示了在争议中如何形成解释。
提示：当向人工智能提出问题时，“根据立法层次来标记其答案：是法律规定、通知还是裁决？”说。这使您可以查看输出的权重和确认优先级。
循序渐进的安全研究
- 澄清问题。模棱两可的问题会产生模棱两可的答案。 “出口增值税如何？”而不是“服务出口免征增值税的条件和退税程序是什么？”具体如。
- 创建人工智能路线图草案。哪些法律条款、哪些通知部分、哪些文件类型可能相关？这是一个起始图，而不是结论。
- 从官方来源打开每个参考文献。直接从立法门户查看法律条款、官方公报的通知以及税务管理局裁决系统的裁决。
- 检查更新。检查文章是否有变化，通知是否有效，费率是否是当年的。
- 如果有冲突，按照层级解决。该通知不能被解释为违反法律；该规范不是一般规则。
最危险的幻觉形式：虚构的参考
税收中最具破坏性的幻觉是引用不存在的文章或裁决，就好像它是真实的一样。该模型可以产生极其令人信服的数字，例如“VUK副本257”或“通告编号2020/13”。有时这些数字是真实的，有时它们完全是编造的，有时它们是真实的但无关紧要。在没有看到它们的情况下，不要接受它们中的任何一个。
参考类型
哪里可以确认
注意什么
法律条文
官方立法门户网站
文章的当前文本和修改日期
通知
官方公报档案
有效性和废除（如有）
圆形
GIB网站
主题和日期和谐
圆形
GIB税收制度
实际数字与主题完全相符
司法判决
官方决策库
决定的最终确定及其先例价值
三个迷你箱子
案例 1 — 伪装成真实的假圆形。财务顾问向人工智能询问折旧问题。该模型表示“伊斯坦布尔 VDB 编号 62030549-125[6-2019/…] 的通知批准了这种做法。”当顾问在税务管理系统中搜索时，没有出现这样的裁决。参考资料是捏造的。此 10 分钟确认可防止将来进行评估并处以 95,000 里拉的罚款。
情况 2 — 停止通知。专家收到人工智能增值税退税通知决定并执行。然而，该规定在下一次通知中发生了变化。该模型将旧文本误认为是“当前”文本。退回文件因缺少文件而被拒绝。正确的做法是在官方公报上确认通知的最终版本。
案例 3——良好的操控性。一名注册会计师向人工智能提交了一份长达120页的国务委员会决定，并表示：“推论该决定的法律依据以及该决定所依据的是税收程序法的哪些条款，决定中未提及的条款不要添加。”该模型将其基本原理总结为 10 点。注册会计师将每篇文章与判决文本进行比较，并根据自己的判断确定先例价值。原本需要几个小时的阅读时间被缩短为几分钟，而且不会出现任何错误。
弱提示/强提示
弱提示：
根据哪项法律，租金收入的免税额是多少？
无时期、无出处；该模型给出了它记忆中的旧数量，也许是一个虚构的项目。
强力提示：
您的角色：税务研究助理。任务：查明 ITL 的哪一条是基于适用于住宅租金收入的豁免，以及它包含在哪项法规中。规则： - 不要告诉我确切的金额；说明金额每年有所不同，并标记“必须从相关年份的官方来源确认”。 - 仅显示物质/基本结构；如果您正在编造数字，请注明。 - 将您不确定的任何内容标记为“必须验证”。格式：参考资料+待核实的官方来源清单。
第二个提示使模型不再需要猜测，而是直接引导您找到正确的资源。
以下模板是用于安全研究任何监管问题的标准框架：
主题：[具体税务问题]期间/年份：[哪个纳税期间]要求：1）相关法律条款，2）相关通知/通函，3）判例指示（如有），4）官方来源待确认。限制：编号；给予金额/费率，“因年份而异”； 如果您不确定，请将其标记为“必须验证”。
确认输出时使用的检查提示也很有用：
以下是该立法的摘要。对于每一行，请具体说明：- 这是法律规定、通知、裁决、司法决定吗？- 此主张能否得到验证，或者是否有捏造的风险？- 我应该从哪些官方来源确认？[摘要：...]
并进行有效性检查：
评估以下规定是否是最新的：- 该规定是否仍然有效，是否可能发生变化？- 如果您不确定，请说“有效性必须从官方来源确认”。- 指定其所依据的过时法规。[判断：...]
常见错误
- 将规范误认为是一般规则。该裁决仅对相关纳税人有约束力；它不会自动适用于所有情况。
- 在没有看到参考的情况下使用。不管这个伎俩多么有说服力，都必须从官方来源来看。
- 跳过更新。文章可能已更改或通知可能已废除；应检查日期。
- 层次结构混乱。将通知或裁决置于法律之上是一种解释错误。
- 信任单一来源。关键问题必须得到多个来源的支持，必要时还必须得到司法判决的支持。
总之
税收立法研究是人工智能加速最快但也应谨慎使用的领域。模型总结长文并指导；但只有官方消息来源才能告诉我们什么是正确的和最新的。每一项法律条款、通知、裁决和决定都必须逐字公开和确认，必须检查其时效性，并必须将其置于立法层级中的适当位置。伪造的参考资料是税收中最具破坏性的幻觉；唯一的解药就是亲眼看到根源。
应用任务
从您自己的工作中选择一个真正的立法问题（例如例外的条件）。通过强大的提示模板获取人工智能路线图。然后，从官方来源打开并确认模型给出的每个参考文献（文章、公报、裁决，如果有），并填写表格：是否在官方来源中找到参考文献（是/否）、是否是最新的、是否与主题重叠。注意是否至少有一篇参考文献被证明是伪造的或过时的。
清单
- [ ] 我把这个问题具体化并定期提出。
- [ ]我已经按照监管层级对AI输出进行了标记。
- [ ] 我已逐字打开来自官方来源的每一篇法律文章、通知和裁决。
- [ ] 我已检查每项规定的当前性和生效日期。
- [ ] 我删除了虚构的或不相关的参考文献。
- [ ] 我通过多个来源支持了这个关键问题。
- [ ] 我将验证结果记录在验证轨迹中。