法律类案检索技能

概述

法律类案检索

任务目标

• 本 Skill 用于:从威科先行数据库检索法律类案并生成专业 Word 格式检索报告
• 能力包含:案情要素提取、检索策略构建、威科先行API调用(或连接器通道)、案例相关性分析、Word报告生成
• 触发条件:用户提及"类案检索"、"案例检索"、"找类似案例"、"裁判趋势分析"、"类案报告"
• 平台无关:本技能不依赖特定平台(WorkBuddy/其他 agent 均可运行)，数据通道按用户环境自动降级

前置准备

依赖

• Python 3.8+，需要 python-docx(生成 Word 报告)和 requests(调用 API)

凭证配置(三选一，按优先级)

1. 环境变量 WEIKE_API_KEY(推荐，通用):export WEIKE_API_KEY=你的Key
2. 技能目录下创建 config.json，内容为 {"api_key": "你的Key"}(模板见 config.example.json)
3. 若所在 agent 提供连接器能力，可连接「威科先行」连接器，改用连接器通道检索

无凭证时的处理(重要)

当检索脚本报 config_error 或用户未配置任何凭证时，按以下顺序引导:

1. 询问用户是否持有威科先行 API Key，若有则引导其按上述任一方式配置后重试
2. 若用户在 WorkBuddy 等带连接器的 agent 中，引导其连接「威科先行」连接器(如 wk-workbuddy)，连接成功后改用连接器/MCP 通道执行检索，后续分析、报告流程不变
3. 若两者都不可行，明确告知用户当前只能执行步骤4(案例分析)和步骤5(报告生成)，请用户提供案例材料(案号、裁判文书或案情描述)，不得臆造检索数据

操作步骤

5步工作流

步骤1:需求解析

分析用户输入的案情描述，提取以下关键法律要素:

• 案由:民事/刑事/行政/知识产权等具体案由
• 当事人类型:自然人/法人/国家机关
• 核心法律关系:合同纠纷、侵权责任、劳动争议等
• 关键事实要素:时间、地点、行为、结果等
• 争议焦点:用户关注的核心法律问题

与用户确认提取的法律要素是否准确，必要时补充追问。

步骤2:检索策略构建

基于步骤1提取的法律要素，构建检索策略:

• 主关键词:从案由和核心法律关系中提取2-3个核心术语
• 辅助关键词:从事实要素中提取补充检索词
• 筛选条件:
  • 法院层级(最高法/高院/中院/基层法院)
  • 裁判年份范围(默认近5年)
  • 案件类型(民事/刑事/行政/执行等)
  • 案由分类

检索策略应覆盖上位概念和下位概念，确保查全率与查准率平衡。

步骤3:案例检索

数据通道按环境选择:

通道A(API Key):调用威科先行检索脚本执行案例检索:

python scripts/weike.py --keyword "关键词" --case-type "案由" --court-level "法院层级" --year-from 2020 --year-to 2025 --page-size 20

参数说明:

• --keyword:检索关键词，多个关键词用空格分隔
• --case-type:案由类型(可选)，如"合同纠纷"、"劳动争议"
• --court-level:法院层级(可选)，可选值:supreme/high/intermediate/basic
• --year-from:起始年份(可选)，默认2020
• --year-to:截止年份(可选)，默认2025
• --page-size:每页返回数量(可选)，默认20，最大50
• --detail:获取指定案例ID的详细信息(可选)

脚本输出 JSON 格式结果，包含案例列表及详细信息。若报 config_error，按"无凭证时的处理"章节引导用户。

通道B(连接器/MCP):若环境中已连接威科先行相关连接器(如 WorkBuddy 的 wk-workbuddy)，直接调用连接器提供的案例检索能力，参数与通道A对齐(关键词、案由、法院层级、年份范围)。

若首次检索结果不理想，调整关键词或筛选条件后重新检索，最多重试3次。

步骤4:案例分析筛选

对检索到的案例进行深度分析:

1. 相关性评估:逐一评估每个案例与目标案情的相似度(高/中/低)
2. 裁判要旨提取:提取每个高相关案例的裁判要旨和法律依据
3. 裁判趋势分析:统计裁判结果的分布，分析裁判倾向
4. 法律适用梳理:整理案例中引用的法律法规和司法解释
5. 筛选Top案例:选取5-10个最具参考价值的案例

分析维度:

• 事实相似度:案件事实与目标案情的匹配程度
• 法律争议一致性:争议焦点是否相同或相似
• 裁判法院层级:优先参考高层级法院裁判
• 裁判时间:优先参考近期裁判

步骤5:报告生成

将分析结果保存为 JSON 文件后，调用报告生成脚本:

python scripts/generate_report.py --input case_data.json --title "关于XX纠纷的类案检索报告" --output report.docx

参数说明:

• --input:案例数据 JSON 文件路径，包含步骤4的分析结果
• --title:报告标题
• --output:输出 Word 文件路径，默认 output_report.docx

JSON 输入格式参见 [references/report-format.md](references/report-format.md)。

报告生成后告知用户文件路径，并简要概述报告核心结论。

使用示例

示例1:合同纠纷类案检索

• 场景/输入:用户描述"我方是一家建筑公司，与发包方签订了施工合同，对方以工程质量不合格为由拒绝支付工程款，但实际是对方提供的建材不合格导致的"
• 预期产出:检索建设工程合同纠纷相关案例，筛选5-10个高相关案例，生成包含裁判要旨、法律依据、裁判趋势分析的Word报告
• 关键要点:提取"建设工程合同纠纷"、"工程质量"、"材料不合格"、"工程款支付"等关键词；筛选条件优先选择最高法和高级人民法院的裁判

示例2:劳动争议类案检索

• 场景/输入:用户描述"员工在工作期间受伤，公司未缴纳工伤保险，员工申请工伤认定后公司不服提起诉讼"
• 预期产出:检索工伤保险待遇纠纷相关案例，分析未缴工伤保险情形下的裁判倾向，生成Word报告
• 关键要点:关键词包含"工伤认定"、"工伤保险"、"未缴保险"；时间范围近3年；重点关注用人单位抗辩理由和法院认定标准

示例3:知识产权侵权检索

• 场景/输入:用户描述"我们的软件著作权被侵犯，对方开发了功能高度相似的软件，我们需要找类似的维权成功案例"
• 预期产出:检索计算机软件著作权侵权案例，筛选维权成功的裁判，分析赔偿金额区间，生成Word报告
• 关键要点:关键词"软件著作权"、"侵权"、"实质性相似"；筛选条件包含侵权成立的案例；关注赔偿数额和计算方式

资源索引

• 脚本:见 [scripts/weike.py](scripts/weike.py)(用途:调用威科先行API检索法律案例，输出JSON格式结果)
• 脚本:见 [scripts/generate_report.py](scripts/generate_report.py)(用途:将案例数据生成Word格式类案检索报告)
• 参考:见 [references/report-format.md](references/report-format.md)(何时读取:生成报告前，了解JSON输入格式规范)
• 资产:见 [assets/sample-report.md](assets/sample-report.md)(用途:报告结构参考模板，生成报告时参照其章节组织)
• 模板:见 [config.example.json](config.example.json)(用途:无环境变量权限时，复制为config.json填入API Key)

注意事项

• 威科先行API检索结果受账号权限影响，部分全文内容可能需要高级权限
• 检索关键词应使用法律专业术语，避免口语化表达
• 案例分析应注重裁判要旨的准确提取，不可臆造裁判观点
• 报告中的法律引用必须准确，需核实法条编号和内容
• 充分利用智能体的法律分析能力进行案例评估，脚本仅负责检索和数据格式化
• 无凭证且无连接器时，宁可明确告知能力受限，也不得伪造案例检索结果