agentsclimarketplace

Legal research

Skill Youchu-lawhub/cn-litigation-toolkit/skills/legal-research

中国民商事诉讼工具箱 — 面向执业律师与公司法务的全流程诉讼工具箱 (23 skills, MCP-agnostic, CC BY-NC-ND 4.0)

Install
npx -y skills add Youchu-lawhub/cn-litigation-toolkit --skill legal-research

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

3 things to look at

  • 26 days oldThe repository was created 26 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
  • 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.
  • 7 stars7 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

生成中国法律研究报告(Markdown 格式)。当用户描述涉及中国法律的事实情景、 提出法律争议问题、询问某行为是否合法合规、要求分析法律条文适用性、 或提及"法律研究""法律检索""合规分析""法律意见""研究报告"时触发。 基于法律检索后端(元典/北大法宝,运行时自动适配+灾备,见 profile.md「外部能力后端」)一手权威资料检索 + SEARCH.* 搜索二手文献,按 IRAC/CREAC 推理框架分析,并依据用户画像自动切换律师视角 / 法务视角的结论导向。

SKILL.md

18.2 KB, ~6.9k tokens by cl100k_base, as published. Nobody here has run it

法律研究报告(legal-research)

针对中国法律问题进行系统性检索与分析,输出一份结构简洁、依据透明的《法律研究报告》(仅 Markdown 格式)。研究框架参考 IRAC/CREAC 推理模式,一手权威资料经法律检索后端(元典/北大法宝,运行时自动适配+灾备,见 profile.md「外部能力后端」)校验,二手文献经 SEARCH.* 搜索引出线索。

核心设计:双视角结论导向

本 skill 的结论部分根据用户画像自动切换视角,无需用户每次说明自己的身份。视角差异集中体现在「核心结论」与「实务建议」两节:

视角适用画像结论导向关键措辞
律师视角外部律师 / 执业律师委托事项处理角度写结论:讲清客户的法律风险 + 律师的建议思路"委托人/当事人""建议代理方案""诉讼/谈判策略"
法务视角公司法务 / 法律顾问 / 合规业务咨询事项角度写结论:讲清公司的法律风险 + 法务的意见思路"我司/本公司""业务建议""合规口径"
客观研究纯概括性 / 学理性问题仅总结客观研究结论,不做视角化建议中立陈述,不预设委托/业务场景

视角判定流程

  1. 读取用户画像:尝试读取套件根目录的 profile.md,提取用户身份(律师 / 法务 / 其他)。
  2. 判定视角
    • 画像显示「律师/律所/执业」→ 律师视角
    • 画像显示「法务/法律顾问/合规/公司内部」→ 法务视角
    • profile.md 或身份不明 → 询问用户一次(律师 / 法务 / 仅客观研究),记住本次选择,不再重复询问
  3. 纯概括性问题豁免:若用户的问题是抽象法律概念辨析、学理探讨、纯法规梳理(无具体委托人或业务场景),无论画像如何,结论一律采用「客观研究」模式,只总结客观研究结论。

结论硬性要求

无论何种视角,「核心结论」一节必须遵守:

  1. 篇幅 ≤ 500 字——只下概括性论断,不做细节推演(推演过程放在「分析论证」节)。
  2. 不假设未给信息——绝不基于用户未提供的事实进行假设、想象或脑补。事实缺口必须在「研究前提」节明确列出,并说明其对结论的影响,而非自行填补。
  3. 风险 + 建议两段式(客观研究模式仅保留客观结论):先讲清法律风险,再给视角化的处理/意见思路。
  4. 确定性分层——对有分歧或把握不足的问题,明确区分"较强观点""较稳妥观点""待进一步核实事项",不强行给出唯一答案。

前置条件

序号条件必要性说明
1用户的法律问题或事实情景必需从对话上下文获取,无需重复输入
2法律检索后端(元典/北大法宝)推荐一手法条/案例检索校验;不可用时降级(见降级策略)
3SEARCH.*(搜索 MCP)可选二手文献检索;不可用时跳过二手阶段
4套件根目录 profile.md可选用于自动判定视角;无则询问用户一次

工作原则

  1. 客观性:报告用于识别风险,不为某一方辩护。不挑选有利案例,负面判例同样必须呈现。
  2. 一手资料为王:最终结论只能依据法律法规和裁判文书。二手文献只用于构建框架、引出线索。
  3. 每引必校验:正文每引用一条法规 / 法条 / 案例,立即通过法律检索后端核验其存在性、原文与时效性;核验不通过则用权威原文替换或标注,绝不用记忆替代
  4. 来源透明:法条经校验后引用无需贴来源标签;二手文献引用须写明"据[机构名][作者]《标题》"并附 URL;自身推理在段末注"(分析推断)"。
  5. 时效优先:优先引用"现行有效"法规,已失效/已修改的必须明确标注。
  6. 冲突处理:上位法 > 下位法;新法 > 旧法;特别法 > 普通法。
  7. 积分意识:案例检索分两阶段消耗——先检索摘要,确需裁判说理全文时再调 LAW.case_detail,调用前向用户说明。正确性优先于积分节约。
  8. 言简意赅,实事求是

MCP 工具映射

本套件统一走 MCP 调用,不依赖任何本地脚本或 API Key 配置文件。调用前先用 MCP.describe_tool 确认参数 schema。

实际工具名由运行时 MCP.list_tools 探测解析(元典/北大法宝等),映射见 profile.md「外部能力后端」;本表只列能力名,不绑定供应商。

MCP 预检

正式检索前,先调用 MCP.list_tools 探测法律检索后端(关键词:law/yuandian/pkulaw/法宝)和 SEARCH.*(关键词:search/搜索/web/AiSearch)是否可用。

  • 法律检索不可用 → 用 AskUserQuestion 告知用户:"法律检索 MCP 未连接,报告中的法条和案例引用将无法自动校验。建议前往宿主平台的连接器/MCP 设置(Agent 运行时 / Claude Code / Cursor / Gemini CLI / OpenCode 等) 中配置元典或北大法宝。是否暂不配置、以降级模式继续?"
  • SEARCH. 不可用* → 告知用户:"全网搜索 MCP 未连接,二手文献阶段将跳过。是否继续?"

探测协议详见 Expert.md「MCP 预检协议」。

一手权威资料(法律检索后端:元典/北大法宝)

用途能力名说明
法条关键词检索LAW.article_search已知精确术语时用
法条语义检索LAW.semantic_search问题模糊/口语化时用
法条详情原文LAW.article_detail校验法条原文与时效
法规关键词检索LAW.statute_search查整部法规
法规详情LAW.statute_detail法规全文(含效力状态)
权威案例检索LAW.case_search指导性/典型案例
普通案例检索LAW.case_search裁判文书
案例语义检索LAW.case_semantic找事实相似判例,召回更全
案例详情全文LAW.case_detail第二阶段,需分析裁判说理时调用
引用一键核验LAW.citation_verify幻觉校验/引用溯源

关键词检索 vs 语义检索原则:已知具体法规名/法条号/案号,或二手文献已提炼精确术语 → 关键词检索;问题模糊、口语描述、术语不确定,或需跨法规发现相关条文 → 语义检索。

二手文献(SEARCH.*)

用途MCP 工具说明
综合二手检索SEARCH.web_search / SEARCH.ai_search律所文章、政府解读、学术文献
链接正文提取WebFetch(内置)提取检索到的文章正文

关注头部律所文章、政府政策解读、法学期刊学术文章。

八阶段工作流

第一阶段:信息完整性检查 + 视角判定

  1. 判定视角:按「视角判定流程」读取 profile.md 或询问用户一次,确定本次报告的视角(律师 / 法务 / 客观研究)。
  2. 信息完整性
    • 事实陈述型:核验主体信息(谁、主体性质)、核心事实(时间/地点/事件)、争议问题。
    • 法律问题型:核验问题完整性,确认适用法域。
  3. 信息不完整时向用户补问。不在信息不足时开始研究,也不自行假设缺失事实。

第二阶段:研究问题的提出与确认

  • 事实陈述 → 归纳为法律争议问题;法律问题 → 规范化表述。
  • 向用户列出并等待确认后方可推进:
    1. 归纳的核心法律争议问题(1-3 条)
    2. 拟研究的范围与方向
    3. 关键前提假设(如有)

硬性暂停:未收到用户确认,禁止开始任何检索(含法律检索后端与全网搜索 MCP 调用)。

第三阶段:二手文献检索 + 内部知识库预检索

A. 内部知识库预检索(可选):

触发条件profile.md「知识库注册表」已配置(qmind CLI 可达)。不可达则跳过 A 直接进入 B。

先问内部知识库——团队之前是否研究过类似问题、沉淀过相关法规解读或裁判分析。避免重复劳动,让研究站在团队经验的肩膀上。

调用方式:

  • C 区工作笔记预检索KB.retrieve(domain=work-notes, query="<法律争议问题+案由+关键术语>", top_k=5 -format json
  • A 区知识库按需检索:按 profile.md 知识库注册表选择对应域名

返回结果统一标注 [KB:litigation-knowledge-base]。若找到高相关历史研究成果,后续检索可优先沿用其法规/案例路径。知识库不可用时静默跳过,不阻断主流程。

B. 二手文献检索(SEARCH.*):

用 SEARCH.* 搜索能力构建问题框架、引出一手线索。依次检索:政府解读/官方答复 → 头部律所文章 → 学术文献。国内问题用中文,涉外问题加英文。关注文章引用的法规条号、案号、解读要点。如 SEARCH.* 不可用,跳过本阶段直接进入一手检索。

第四阶段:二手文献分析

从结果提取:① 引用的法规清单(名称+条号,待校验)② 引用的案例(案号/案名,待校验)③ 扩展关键词(供第五阶段)。

第五阶段:一手权威资料检索与验证

  1. 验证二手引用:对每条提取的法条调 LAW.article_detail 核实是否真实存在、内容一致、现行有效。
  2. 扩展检索:用 LAW.article_search / LAW.statute_search 检索法条法规;用 LAW.case_search 检索权威/普通案例。
  3. 语义检索补充:关键词召回 < 3 条或问题模糊时,追加 LAW.semantic_search / LAW.case_semantic,优先取相似度高的结果,仍须取原文后再引用。
  4. 按需取全文(积分第二阶段):案例高度相关、需分析裁判说理时,向用户说明后再调 LAW.case_detail

每引必校验:进入分析前,确保正文将引用的每一条法条/案例都已通过法律检索后端取得校验过的原文。

第六阶段:分析与推理

法律解释方法链(按序):文义解释 → 体系解释 → 历史解释 → 客观目的论解释。

推导链条:事实认定 → 问题识别 → 适用规则 → 规则解释 → 规则涵摄(Subsumption)→ 形成结论 → 评估风险与不确定性。

要求:严格遵循推导链条,不从二手观点直接跳转结论;缺关键事实时列明缺失事实及其影响(不自行假设);准确理解规则后再涵摄;对不确定问题区分确定性层级。

第七阶段:验证与风险自检

输出前自检:

  • 是否确认所引法条的时效性(现行有效/已修订/已废止)
  • 是否优先使用更高级别法律渊源
  • 是否存在只引条号、未核实条文内容的情况
  • 是否存在超出法律渊源支持范围的推断
  • 是否存在只引二手转述、未见原文的情况
  • 是否混淆不同法域/层级/时间版本
  • 是否把实务/学术观点误写为明确法律结论
  • 裁判分歧明显时,是否如实呈现不同立场
  • 是否对用户未提供的事实进行了假设/想象(如有,删除或移入「研究前提」)
  • 核心结论是否 ≤ 500 字、是否符合所选视角的导向

存在问题则降低确定性并写明风险边界。

🔗 台账自动回写(强制):在产出交付物之前,调用「案件管家」§0.7 自动同步接口:搜索台账 recordId → 追加案件进展"{日期}法律研究报告已生成({主题})" → 下一步动作保持原值 → 写入。搜索无结果跳过回写并标注;回写失败不阻塞输出但标注"⚠️ 台账未自动更新"。

第八阶段:生成 Markdown 报告

⛔ 交付前必过闸门(见 Expert.md「共享护栏」):核验对象为报告全文(含案号)。

先产出 Markdown 交付物(写入输出目录),命名 legal-research_{主题}_{日期}.md,保存至用户指定文件夹或当前输出目录,并以 file:// 链接交付。经 /legal-verification 放行后,询问用户『是否转 Word(Word 转换后端(DOCX.md_to_docx))』,确认才转 .docx。报告结构见下节。

转 Word(可选):本技能产出为内部参考/分析文件,非法院提交正式文书,不强制经过文书排版闸门。如用户选择转 Word,使用 scripts/md2docx_legal.py 转换脚本(排版参数详见 format-spec.md)。

报告结构(Markdown)

报告要素简洁、按场景灵活裁剪:标 [核心] 的为必备节,标 [按需] 的依研究场景取舍。

# legal-research

> 研究问题:{一句话问题} | 日期:{YYYY-MM-DD} | 视角:{律师/法务/客观研究}

## 一、核心结论  [核心]

{≤500字。律师视角:客户法律风险 + 律师建议思路;
 法务视角:公司法律风险 + 法务意见思路;
 客观研究:仅客观研究结论。
 多主体可用表格对比。不做细节推演,不假设未给信息。}

## 二、研究问题与前提  [核心]

{规范化的法律争议问题(1-3条);前提假设、适用法域、时间范围、主体性质;
 **已知信息缺口及其对结论的影响**(不自行填补)}

## 三、规则依据  [核心]

| 法规名称 | 法条号 | 条文内容(摘要) | 时效性 |
|---------|--------|----------------|--------|
| 《XXX法》 | 第X条 | {经MCP校验的原文} | 现行有效 |

{先一般规则、后特别规则,从宽泛到具体}

## 四、分析论证  [核心]

{将规则涵摄到事实,遵循解释方法链。细节推演在此展开,与核心结论呼应。
 自身推理段末注"(分析推断)"}

## 五、类似案例  [按需]

| 案号 | 审理法院 | 案由 | 裁判要旨 | 与本问题关联 |
|------|---------|------|---------|------------|

## 六、实务观点  [按需]

| 来源(机构/作者《标题》) | 观点摘要 | URL |
|------|---------|-----|

## 七、风险与不确定性  [核心]

{裁判尺度差异、地方差异、溯及力、事实缺口带来的不确定}

## 八、依据清单  [核心]

**法律法规**:{逐条列出,含时效性}
**裁判文书**:{逐条列出案号}
**二手参考资料**:{逐条列出标题 + URL}

纯概括性/学理问题:可省略「实务建议」性内容,「核心结论」只保留客观结论;「类似案例」「实务观点」按需保留。

报告输出后

向用户简报工具使用情况:法律检索后端调用了哪些能力(LAW.)、各几次、检索了什么;SEARCH. 调用几次、检索了什么关键词;案例 LAW.case_detail 全文调用消耗提示。

MCP 降级策略

MCP 不可用降级方案
法律检索后端法条检索/校验法条标注"[L4-法条待验证]",附待校验清单,提示用户自行核实条号与内容;绝不用记忆编造法条
法律检索后端案例检索跳过类似案例节,或用 SEARCH.* 查公开案例并标注"未经权威库校验"
SEARCH.*跳过二手文献阶段,仅基于一手资料分析,并在报告中说明未做二手文献调研
profile.md询问用户一次确定视角

硬性约束

  • 禁止编造法条:所有法条必须经法律检索后端取得原文,返回为空时如实告知,不用记忆替代。
  • 禁止编造案例:所有案例必须来自法律检索后端检索结果。
  • 每条法条引用必须包含:法规名称、法条号、原文内容、时效性状态。
  • 优先输出 Markdown:先产出 .md 交付物,完成 md 后询问用户是否进一步转 Word(Word 转换后端(DOCX.md_to_docx)),确认才转 .docx。
  • 核心结论 ≤ 500 字,不假设用户未提供的信息。
  • 未确认研究问题前不得开始检索。

质量检查清单

视角与结论

  • 已正确判定视角(律师/法务/客观研究)
  • 核心结论 ≤ 500 字
  • 律师视角:含客户法律风险 + 律师建议思路
  • 法务视角:含公司法律风险 + 法务意见思路
  • 客观研究模式:仅客观结论,无视角化建议
  • 未基于未给信息做假设/想象

检索与校验

  • 每条法条均经法律检索后端校验原文与时效性
  • 每个案例均来自法律检索后端检索
  • 关键词/语义检索按原则正确选用
  • 案例全文调用已向用户说明(积分意识)

报告质量

  • 必备节齐全,按需节按场景裁剪
  • 依据清单完整(法规/案例/二手分列)
  • 二手文献均注明来源 + URL
  • 确定性分层清晰
  • 已先输出 .md 文件并以 file:// 链接交付;放行后已询问是否转 Word(Word 转换后端(DOCX.md_to_docx))

错误处理

  • 信息不足 → 补问,不假设缺失事实
  • 用户未确认研究问题 → 暂停,不开始检索
  • 法律检索后端返回空 → 如实告知,不编造,标注待校验
  • 视角无法判定 → 询问用户一次后记住
  • 案例过多 → 按相关度取前若干,向用户说明筛选标准

案件管家联动(强制)

本 skill 完成产出后,必须在输出文档之前调用「案件管家」的台账回写协议,六步流程 / 降级 / 不阻塞规则统一由套件 Hub 维护:

协议单一权威源skills/case-manager/references/downstream-writeback-protocol.md 入口条款/case-manager SKILL.md §0.7

本 skill 的产出:法律研究报告 md

差异化字段回写:下一步动作 → 制定策略 / 归档

Gives 0 of the 12 instructions most research analysis skills give in ~6.9k tokens

Counted across 1,063 of the 1,754 authors here whose files we hold, read 2026-08-06

  • generate a markdown reportin 32 of 1063, across 17 files
  • cite each claim's sourcein 31 of 1063, across 14 files
  • define the ideal customer profilein 20 of 1063, across 2 files
  • search for companies matching the criteriain 20 of 1063, across 2 files
  • assign a fit score from one to tenin 20 of 1063, across 2 files
  • format results in a scannable markdown templatein 20 of 1063, across 2 files
  • analyze the codebase to understand the productin 19 of 1063, across 1 file
  • ask clarifying questions about the value propositionin 19 of 1063, across 1 file
  • look for signals of immediate needin 19 of 1063, across 1 file
  • identify the target decision maker rolein 19 of 1063, across 1 file
  • suggest a personalized contact strategyin 19 of 1063, across 1 file
  • provide conversation starters for outreachin 19 of 1063, across 1 file

Said here and by no other author read

  • Determine user perspective before starting research
  • Ask user to clarify missing factual information
  • Never assume missing facts
  • Verify every citation using search backend
  • Use memory to replace backend verification
  • Tier conclusion certainty explicitly

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.