Legal request router pl
Polish hub of legal-AI skills - 41 skills in 8 Claude Code / Cowork bundles (LLM output verification, PL/EU case law, DOCX redline, AI Act audit bundle). GDPR-safe, vendor-neutral, MIT.
npx -y skills add matematicsolutions/awesome-matematic-skills-pl --skill legal-request-router-plAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
Klasyfikator zadania prawnego - patrzy na zapytanie (i opcjonalnie deliverable) i decyduje, ktora sciezka weryfikacji uruchomic: zwykla odpowiedz, weryfikacja cytatow (citation-grounding-pl), kontradyktoryjna debata (adversarial-legal-review-pl) czy paczka audytowa (legal-ai-audit-bundle). Ocenia zlozonosc i ryzyko, zwraca decyzje routingu z uzasadnieniem. To warstwa NAD warstwa weryfikacji - chroni przed paleniem tokenow na rutynie i przed przepuszczeniem spraw wysokiej stawki bez kontroli. Uzywaj gdy: "co z tym zrobic", "czy to wymaga debaty", "jaka sciezka", "rozdziel zadanie", "klasyfikuj zapytanie", "czy to high-stakes", "routing", "triage zadania prawnego", na poczatku obslugi nowego zapytania prawnego zanim wybierzesz narzedzia.
The file declares its own license as Apache-2.0. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
5.8 KB, ~1.7k tokens by cl100k_base, as published. Nobody here has run it
Legal Request Router PL - klasyfikator i triage zadania prawnego
Filozofia
Nie kazde zapytanie zasluguje na te sama sciezke. Streszczenie wyroku nie potrzebuje kontradyktoryjnej debaty; opinia do klienta nie powinna wyjsc bez weryfikacji cytatow. Router to jedna decyzja podejmowana na wejsciu, ktora dobiera proporcjonalna sciezke - oszczedza tokeny na rutynie i wymusza kontrole tam, gdzie stawka jest wysoka.
Ten skill nie wykonuje pracy prawnej ani weryfikacji. Tylko klasyfikuje i wskazuje, ktore companion-skille uruchomic i w jakiej kolejnosci.
Workflow
- Zbierz sygnaly - typ zapytania, czy jest gotowy deliverable, czy sa cytaty ze zrodel, kto jest odbiorca (klient / sad / wewnetrzne), jaka konsekwencja bledu.
- Sklasyfikuj wg schematu ponizej (LLM zwraca strukture, NIE proza).
- Zmapuj na sciezke wg tabeli decyzyjnej.
- Zwroc decyzje + uzasadnienie + liste skilli do odpalenia w kolejnosci.
Schemat klasyfikacji (output)
{
"typ_zadania": "odpowiedz_bezposrednia | weryfikacja_cytatow | kontrola_adwersaryjna | pelna_sciezka",
"zlozonosc": "niska | srednia | wysoka",
"ryzyko": "niskie | srednie | wysokie",
"ma_cytaty_zrodlowe": true,
"odbiorca": "wewnetrzny | klient | sad | regulator",
"wymaga_groundingu": true,
"wymaga_debaty": false,
"wymaga_paczki_audytowej": false,
"wymaga_pseudonimizacji": true,
"sciezka": ["let-it-be", "citation-grounding-pl"],
"uzasadnienie": "krotko: dlaczego ta sciezka"
}
Tabela decyzyjna
Najpierw typ_zadania (rosnaca intensywnosc kontroli), 1:1 ze sciezka:
| Sygnal wejsciowy | typ_zadania | Sciezka kontroli |
|---|---|---|
| Brak cytatow, odbiorca wewnetrzny, ryzyko niskie | odpowiedz_bezposrednia | zadna weryfikacja |
| Sa cytaty ze zrodel (orzeczenie / ustawa / umowa), ale odbiorca wewnetrzny | weryfikacja_cytatow | citation-grounding-pl |
| Odbiorca klient / sad / regulator, ryzyko srednie+ | kontrola_adwersaryjna | citation-grounding-pl -> adversarial-legal-review-pl |
| Deliverable wychodzi na zewnatrz, ryzyko wysokie | pelna_sciezka | grounding -> debata -> legal-ai-audit-bundle |
Potem dwie flagi dodatkowe, niezalezne od typ_zadania:
| Sygnal | Flaga | Skill |
|---|---|---|
| Wejscie zawiera dane objete tajemnica / PII | wymaga_pseudonimizacji = true | let-it-be PRZED czymkolwiek |
| Deliverable na zewnatrz lub ryzyko wysokie | wymaga_paczki_audytowej = true | legal-ai-audit-bundle na koncu |
(weryfikacja_cytatow ustawia wymaga_groundingu, kontrola_adwersaryjna dodatkowo wymaga_debaty,
pelna_sciezka wszystkie cztery.)
Reguly twarde
- Nie eskaluj rutyny. Jesli ryzyko niskie i odbiorca wewnetrzny - nie odpalaj debaty ani paczki audytowej, chocby dalo sie. Bramka kosztu dziala w obie strony.
- Nie przepuszczaj wysokiej stawki na skroty. Odbiorca sad/klient + cytaty = grounding obowiazkowy,
nawet jesli uzytkownik nie poprosil. Jezeli odmawiasz eskalacji - powiedz to wprost w
uzasadnienie. - Grounding poprzedza debate. Jesli sciezka ma i grounding, i debate - grounding idzie pierwszy (debata na niezweryfikowanych cytatach jest bezwartosciowa).
- Pseudonimizacja zawsze pierwsza.
let-it-beprzed jakimkolwiek wyslaniem do modelu. - Paczka audytowa zawsze ostatnia. Pakuje slady z poprzednich krokow.
Output (dla uzytkownika)
## Routing - <nazwa zapytania>
Typ: pelna_sciezka | Zlozonosc: wysoka | Ryzyko: wysokie | Odbiorca: klient
Sciezka (kolejnosc):
1. let-it-be (pseudonimizacja - sa dane klienta)
2. <praca prawna> (poza tym skillem)
3. citation-grounding-pl (3 cytaty z orzecznictwa do weryfikacji)
4. adversarial-legal-review-pl (high-stakes: opinia do klienta)
5. legal-ai-audit-bundle (deliverable wychodzi na zewnatrz)
Uzasadnienie: opinia cytujaca SN, idzie do klienta, ryzyko wysokie -> pelna sciezka.
Ochrona danych (RODO)
Router operuje na metadanych zapytania (typ, ryzyko, odbiorca), nie musi widziec pelnej tresci
objetej tajemnica. Jezeli do klasyfikacji potrzebny jest fragment dokumentu z danymi - pseudonimizuj
przez let-it-be najpierw.
Integracja z AI Act
Proporcjonalna sciezka to operacjonalizacja podejscia opartego na ryzyku (risk-based approach AI Act).
Jawne ryzyko + uzasadnienie w decyzji routingu to slad, ktory wklada sie do legal-ai-audit-bundle
jako uzasadnienie wyboru poziomu kontroli.
Atrybucja
Pattern (router + klasyfikacja zadania na sciezki) zainspirowany przez AnttiHero/lavern (Apache 2.0, RouterClassification). Schemat, tabela decyzyjna i reguly napisane od zera pod polski kontekst i warstwe weryfikacji MateMatic. Nie skopiowano kodu Lavern.