china-legal-issue-analysis

中国法律问题分析 skill。 Use this skill for concrete Chinese legal issues, dispute analysis, issue spotting, legal relationship analysis, risk assessment, litigation/arbitration positioning, and action planni

SKILL.md

GitHub

中国法律问题分析 Skill

本 skill 用于处理具体案件事实、争议经过、法律问题、法律依据适用、风险评估、诉讼/仲裁思路与行动建议。

它不是一个“遍历整个 references/ 目录再慢慢找材料”的 skill,而是一个按任务类型定向选择子目录和脚本的 skill。

何时使用

当用户提供以下任一内容时,优先使用本 skill:

  • 案件事实或争议经过
  • 想判断法律关系、责任承担、请求权基础、抗辩空间
  • 想识别案件类型,再进入进一步分析
  • 想根据案件类型生成要件事实/审查清单
  • 想判断某个观点是否引用了过期法律或错误版本
  • 想按中国法方法做 IRAC、请求权基础、争议焦点分析

典型任务:

  • 案件类型识别
  • 法律关系梳理
  • 争议焦点提炼
  • 请求权基础与抗辩分析
  • 要件事实匹配
  • 法律风险评估
  • 诉讼/仲裁行动建议
  • 法律引用校验与修正

何时不要用

以下情况不应优先使用本 skill:

  • 用户提供完整合同文本,要求逐条审查、标注风险、给出修改建议
  • 用户只想获得面向当事人的轻量、快速、低结构化咨询答复
  • 用户主要是要“检索法条原文/案例原文”,而不是在已有事实基础上做结构化分析

对应协作:

  • 合同逐条审查 -> china-contract-review
  • 轻量法律咨询 -> china-legal-consultation
  • 专门法条/案例检索 -> 优先交给专门检索 skill

强制规则

  1. 禁止无差别遍历 references/。 先判断任务类型,再只打开最少必要文件。

  2. 先做路由,再读文件。 先判断当前任务属于:

    • 核心分析方法
    • 领域专题分析
    • 案件类型识别
    • 要件清单生成
    • 司法解释定位
    • 法律时效/版本校验
  3. 优先读索引文件,再读实体文件。 例如:

    • 司法解释先看 references/interpretations/metadata.json
    • 案件类型先用数据库/清单,不要先翻各领域文档
  4. 脚本调用必须用明确命令,不要只写“参考某个 .py”。 本 skill 中的若干脚本没有完善的 CLI 参数接口, 因此应使用下面写明的 python - <<'PY' 方式调用类和方法, 而不是直接运行其演示代码作为正式工作流。

  5. 数据库优先于 JSON 清单。 当前包内已经存在:

    • references/data/case_types.db
    • references/data/case_types_list.json

    若需要案件类型识别、六段式框架、审查要点等结构化能力,优先使用 case_types.db。 case_types_list.json 仅作为数据库不可用时的降级参考。

  6. 遇到目录内文档的上游失效引用,不要被误导。 某些 README 里提到的上游文件在当前拆分包中并不存在; 只使用当前 skill 实际存在的文件。

目录总览与定向选择规则

1. references/core/ —— 核心方法文件

只在需要“法律分析方法”时读取,不要把它当成领域知识库通读。

  • references/core/philosophy.md

    • 用途:总原则、成文法优先、以事实为根据、以法律为准绳
    • 适合:确定分析基调、控制结论表述、说明裁判/分析取向
  • references/core/frameworks-core.md

    • 用途:IRAC、成文法解释、指导案例参照、论证结构
    • 适合:需要结构化分析、Issue/Rule/Application/Conclusion 输出时
  • references/core/process.md

    • 用途:10 步法,从事实收集到行动建议
    • 适合:需要完整办案路径、分析流程、操作步骤时
  • references/core/priority-rules.md

    • 用途:特别规定优先于一般规定、特殊规则优先适用
    • 适合:存在一般法/特别法冲突,或一般规则/专项司法解释冲突时

核心文件选择规则:

  • 普通法律问题分析:frameworks-core.md + process.md
  • 要强调中国法总原则:再加 philosophy.md
  • 涉及特殊规则优先:再加 priority-rules.md
  • 不要默认四个全读;至少先根据任务选 2 个,再按需要追加

2. references/domains/ —— 领域模块

只根据争议主题定向读取一个或两个模块;不要把所有领域模块都打开。

  • contract-law.md

    • 关键词:合同、协议、违约、解除、撤销、无效、可撤销、违约金、定金、赔偿损失
  • tort-law.md

    • 关键词:侵权、损害赔偿、安全保障义务、产品责任、医疗损害、精神损害
  • construction-law.md

    • 关键词:建设工程、施工合同、工程款、工期延误、工程质量、优先受偿权、竣工验收
  • corporate-law.md

    • 关键词:公司、股东、股权转让、董事、监事、高管、股东会、董事会、公司治理
  • investment-law.md

    • 关键词:投资、融资、对赌、担保、股权投资、债权投资、尽调、并购、IPO
  • labor-law.md

    • 关键词:劳动合同、工资、辞退、解除、经济补偿、赔偿金、工伤、社保、加班
  • ip-law.md

    • 关键词:著作权、商标、专利、商业秘密、不正当竞争、知识产权许可/转让
  • litigation-arbitration.md

    • 关键词:诉讼、仲裁、管辖、证据、举证责任、起诉、答辩、保全、执行

领域文件选择规则:

  • 只选最匹配的 1 个主领域文件
  • 如问题天然跨领域,最多加 1 个辅助领域文件
  • 常见组合:
    • 合同 + 担保/投资 -> contract-law.md + investment-law.md
    • 公司 + 对外担保/股东纠纷 -> corporate-law.md + investment-law.md
    • 工程款/质量争议 -> construction-law.md + contract-law.md
    • 劳动争议 + 程序问题 -> labor-law.md + litigation-arbitration.md
    • 知识产权侵权 + 合同许可 -> ip-law.md + contract-law.md

3. references/interpretations/ —— 司法解释索引

先看总索引,再决定是否进入具体子目录。

  • references/interpretations/metadata.json
    • 用途:当前有哪些司法解释索引、关键词映射、版本信息
    • 这是进入本目录的第一入口

当前可定向进入的子目录:

  • references/interpretations/contract-general-2023/

    • 适用:预约合同、越权代表、违反强制性规定、无权处分、违约金调整、以物抵债等
    • 先读:README.md
    • 再读:index.md
  • references/interpretations/security-law-2020/

    • 适用:保证、担保、公司对外担保决议、抵押财产转让、价款优先权 PMSI 等
    • 先读:README.md
    • 再读:index.md

司法解释目录选择规则:

  1. 先读 metadata.json 看关键词映射和已有解释 ID
  2. 再进入命中的具体解释目录
  3. 先读对应 README.md 获取“该解释解决什么问题”
  4. 需要条文索引时再读 index.md
  5. 不要在两个解释目录之间反复来回,除非争点确实跨越

4. references/shared/ —— 通用补充模块

  • references/shared/methods/legal-research.md

    • 用途:法律、法规、案例、实务资源的检索路径与方法
    • 适合:需要说明“接下来该去哪里检索官方文本/案例/数据库”时
  • references/shared/verification/automated-checklist.md

    • 用途:自动化法律校验的触发条件、流程、校验逻辑
    • 适合:需要检查法律是否更新、是否可能用错版本、是否要反思修正时

shared 目录选择规则:

  • 需要“检索方法”时读 legal-research.md
  • 需要“法律版本/时效/适用性校验”时读 automated-checklist.md
  • 不是所有分析都要读 shared 目录

5. references/data/ —— 结构化数据

  • references/data/case_types.db

    • 用途:案件类型、六段式框架、审查要点等结构化数据
    • 适合:案件类型识别、清单生成、按 case_id 调框架和要点
  • references/data/case_types_list.json

    • 用途:降级版案件类型清单
    • 适合:数据库脚本不可用时,人工查看可选案件类别
  • references/data/README.md

    • 用途:上游说明
    • 注意:其“数据库可能不存在”的提示与当前包不一致;当前 zip 中数据库实际存在

6. references/tools/ —— 可调用脚本与支持模块

区分“直接调用入口”和“仅供支持”。

建议直接调用的入口:

  • references/tools/case_identifier.py
    • 用途:案件类型识别
  • references/tools/checklist_generator.py
    • 用途:根据 case_id 和角色生成要件清单
  • references/tools/automated_verification.py
    • 用途:对初步法律意见做引用提取、更新检查、适用性判断、修正建议

支持模块,不要单独当主要入口使用:

  • references/tools/db_accessor.py
    • 用途:数据库访问封装
  • references/tools/checklist_framework.py
    • 用途:角色与六段式框架定义

推荐任务路由

路由 A:用户给了事实,想做普通法律分析

按以下顺序选择:

  1. references/core/frameworks-core.md
  2. references/core/process.md
  3. 选择 1 个最相关的 references/domains/*.md
  4. 如存在特殊规则优先问题,再加 references/core/priority-rules.md
  5. 如涉及特定司法解释争点,再进入 references/interpretations/metadata.json 后选解释目录

路由 B:用户先问“这是什么案件/属于什么纠纷”

按以下顺序:

  1. 优先调用 case_identifier.py
  2. 如识别结果置信度较高,用返回的 case_id 进入下一步分析
  3. 如置信度较低,再人工参考 case_types_list.json 做补充判断
  4. 之后再按领域读取相应 domains/*.md

路由 C:用户想要“要件、证据、争点、原告/被告应准备什么”

按以下顺序:

  1. 先确认或识别 case_id
  2. 调用 checklist_generator.py
  3. 根据角色选择:plaintiff / defendant / neutral
  4. 输出六段式或角色化审查清单
  5. 如需分析方法补充,再读 frameworks-core.md 或 process.md

路由 D:用户争点明显落在合同编通则解释或担保制度解释

按以下顺序:

  1. 先读 references/interpretations/metadata.json
  2. 命中后进入对应子目录 README.md
  3. 再读 index.md
  4. 如需要再补 contract-law.md / corporate-law.md / investment-law.md

路由 E:用户已经写出法律分析意见,想检查是否引用过期法规

按以下顺序:

  1. 读 references/shared/verification/automated-checklist.md
  2. 读 references/interpretations/metadata.json
  3. 调用 automated_verification.py
  4. 根据输出中的 issues_found 和 updated_opinion 做修正说明

精确脚本调用命令

下面命令是本 skill 中建议写入并实际使用的明确调用命令。

1. 案件类型识别:case_identifier.py

用途:根据用户案情描述,返回 case_type、case_id、confidence、method。

工作目录:skill 根目录

调用命令模板:

cd /path/to/china-legal-issue-analysis && python - <<'PY'
import sys
from pathlib import Path

sys.path.insert(0, str(Path('references/tools').resolve()))
from case_identifier import CaseIdentifier

user_input = "我借给朋友10万元,他一直不还"
db_path = str(Path('references/data/case_types.db').resolve())

identifier = CaseIdentifier(db_path)
result = identifier.identify(user_input, top_k=3)
print(result)
PY

使用规则:

  • 先用于“案件类型不明确”的输入
  • 若 confidence 较高,可直接使用返回的 case_id
  • 若 confidence 较低,再结合 case_types_list.json 和领域文档人工补判

2. 要件清单生成:checklist_generator.py

用途:根据已知 case_id 和角色生成结构化清单。

工作目录:skill 根目录

调用命令模板:

cd /path/to/china-legal-issue-analysis && python - <<'PY'
import sys
from pathlib import Path

sys.path.insert(0, str(Path('references/tools').resolve()))
from checklist_generator import ChecklistGenerator
from checklist_framework import UserRole

case_id = 7
user_role = UserRole.NEUTRAL  # 可改为 UserRole.PLAINTIFF / UserRole.DEFENDANT

db_path = str(Path('references/data/case_types.db').resolve())
generator = ChecklistGenerator(db_path)
checklist = generator.generate(case_id=case_id, user_role=user_role)
print(generator.format_markdown(checklist))
PY

角色选择规则:

  • 原告视角:UserRole.PLAINTIFF
  • 被告视角:UserRole.DEFENDANT
  • 中立完整视角:UserRole.NEUTRAL

3. 数据库直接查询:db_accessor.py

用途:需要直接查看案件类型、框架、统计信息时使用。

工作目录:skill 根目录

调用命令模板(查看案件类型详情):

cd /path/to/china-legal-issue-analysis && python - <<'PY'
import sys
from pathlib import Path

sys.path.insert(0, str(Path('references/tools').resolve()))
from db_accessor import get_db_accessor

db = get_db_accessor(str(Path('references/data/case_types.db').resolve()))
case_info = db.get_case_type(7)
print(case_info)
PY

调用命令模板(搜索关键词对应案件类型):

cd /path/to/china-legal-issue-analysis && python - <<'PY'
import sys
from pathlib import Path

sys.path.insert(0, str(Path('references/tools').resolve()))
from db_accessor import get_db_accessor

db = get_db_accessor(str(Path('references/data/case_types.db').resolve()))
results = db.search_case_types_by_keyword("借贷")
print(results)
PY

4. 自动化法律校验:automated_verification.py

用途:对初步法律意见进行法规引用提取、更新检查、新旧法适用分析、修正输出。

注意:该脚本内部使用相对路径 interpretations/metadata.json, 因此建议在 references/ 目录下执行。

工作目录:references/

调用命令模板:

cd /path/to/china-legal-issue-analysis/references && python - <<'PY'
import sys
from pathlib import Path

sys.path.insert(0, str(Path('tools').resolve()))
from automated_verification import AutomatedLegalVerification

legal_opinion = """
本案涉及《中华人民共和国公司法》(2018年修正)第二十条。
案件事实发生于2024年8月15日。
"""

verifier = AutomatedLegalVerification()
result = verifier.verify(legal_opinion=legal_opinion, fact_date="2024-08-15")
print(result['verification_report'])
print(result['issues_found'])
print(result['updated_opinion'])
PY

使用规则:

  • 当分析中出现具体法律名称、年份、司法解释文号时优先考虑校验
  • 尤其适用于公司法、民诉法、劳动合同法等存在版本更新风险的问题
  • 如案件事实发生在新旧法切换附近,更应调用

实际工作顺序建议

模式 1:先识别,再分析

适用于案情模糊、案件类型不明的输入。

顺序:

  1. 调 case_identifier.py
  2. 必要时用 db_accessor.py 查看该 case_id 的详细信息
  3. 读取对应领域文档
  4. 用 frameworks-core.md + process.md 输出分析
  5. 需要清单时再调 checklist_generator.py

模式 2:已知领域,直接分析

适用于用户已经明确说是合同、劳动、公司、侵权等争议。

顺序:

  1. 读取 1 个最匹配的领域文档
  2. 读取 frameworks-core.md
  3. 需要完整办案路径时追加 process.md
  4. 涉及司法解释时进入 interpretations/
  5. 涉及时效/版本问题时做 automated_verification.py

模式 3:先出初步意见,再校验修正

适用于较长法律分析输出。

顺序:

  1. 先用 core + domain 输出初步分析
  2. 若引用了具体法规/司法解释,调用 automated_verification.py
  3. 根据 issues_found 修正表述
  4. 在最终答案中交代“已做版本与适用性复核”

输出要求

使用本 skill 输出时,应尽量包含以下结构:

  • 事实与争议概括
  • 案件类型或法律关系判断
  • 争议焦点
  • 适用规则
  • 要件匹配/抗辩分析
  • 风险判断
  • 建议行动方案

若调用了脚本,可在内部工作流中使用脚本结果,但对用户输出时应转化为自然语言分析,不要只粘贴原始字典。

重要提醒

  • case_identifier.py、checklist_generator.py、automated_verification.py 才是主要可调用入口
  • db_accessor.py 和 checklist_framework.py 主要是支持模块
  • 不要把 python xxx.py 的测试输出当作正式调用方式;应使用本文件中给出的明确命令模板
  • 只根据当前任务读取必要子目录,不要扫描整个 skill