legal-qa-extractor
SKILL.md
法律问答提取技能
概述
从律师与客户的沟通记录中提取有价值的法律问答对(客户问题 + 律师解答),生成结构化知识库内容。适用于将客户咨询转化为可复用的法律知识,供后续整理成文章、案例或学习材料。
核心价值:提取那些可以被其他客户复用的问答内容,而不是单一客户的具体案情。
核心原则
客户信息保护
绝对禁止在问答内容中包含:
- ❌ 客户真实姓名
- ❌ 企业/机构名称
- ❌ 具体地址、联系方式
- ❌ 任何可识别个人或企业的信息
脱敏处理标准:
- ✅ 客户姓名 → 使用"当事人"、"客户"、"甲/乙"等代称
- ✅ 企业名称 → 使用"某公司"、"某企业"、"该企业"等代称
- ✅ 具体信息 → 模糊化为"某地"、"某时间"、"相关人员"等
- ✅ 客户原话 → 脱敏后引用:"客户询问..."而非"张总说..."
问答对的价值判断
提取的问答应该满足以下条件之一:
- 普遍性:其他客户也可能遇到同类问题
- 典型性:代表了某类法律场景的常见关切
- 教育性:律师的解答有普法价值或指导意义
- 复用性:可以独立成文或作为知识库条目
工作流程
步骤 1:分析输入内容
获取沟通记录文档和用户的具体要求,理解:
- 文档中的沟通内容和情境
- 用户希望重点关注哪些方面
- 哪些问答具有复用价值
步骤 2:识别有价值的问答对
完整梳理文档中的问答内容,按以下维度识别价值:
问答识别维度
- 直接问答 - 客户明确提出问题,律师给出解答
- 追问回应 - 客户追问,律师进一步解释
- 风险提醒 - 律师主动提醒的风险点及应对建议
- 操作指引 - 涉及流程、步骤、注意事项的问答
- 普遍关切 - 其他客户也可能遇到的同类问题
问答提取方法
- 语义分析:理解客户真实问题和律师核心观点
- 逻辑归纳:将分散的对话整理为独立问答对
- 价值评估:判断问答是否具有普遍适用性
- 标准化表述:将口语化表达转化为规范的问答格式
步骤 3:生成结构化报告
输出文件保存至原文档的同一目录,文件命名:{原文档名}_法律问答提取_{YYYYMMDD}.md
输出格式详见 output-template.md。
每个问答对包含以下部分:
- 问题:客户提出的问题(标准化表述)
- 律师解答:律师的核心观点和建议(300-500字)
- 问题背景(可选):该问题出现的情境(200-300字)
- 价值标签:普遍性/典型性/教育性/复用性
- 适用场景:什么情况下读者会关心这个问答
步骤 4:问答分类与关联
提供以下分析维度:
- 问答特征分析:重点问答数量、常规问答数量、价值分布
- 领域分类:按法律领域或业务场景分类
- 关联分析:哪些问答之间存在关联、可组合成文章
质量标准
- 独立性:每个问答对可以独立理解,不依赖完整对话背景
- 普遍性:问答内容对其他客户也有参考价值
- 完整性:问题和解答都清晰完整,没有断章取义
- 脱敏严格:严格遵循客户信息保护规则
- 可复用:提取的问答可以直接用于文章、知识库或学习材料
输入要求
本技能接受以下类型的输入:
- 文档路径:用户提供的沟通记录文档路径
- 粘贴内容:用户直接粘贴的沟通记录内容
- 用户要求:用户希望重点关注哪些类型的问答
适用场景
- 整理客户咨询记录为可复用知识
- 从对话中提取内容营销素材
- 建立法律问答知识库
- 准备普法文章的素材
- 制作客户常见问题清单
Weekly Installs
18
Repository
cat-xierluo/legal-skillsGitHub Stars
56
First Seen
Feb 20, 2026
Security Audits
Installed on
gemini-cli18
kimi-cli18
cursor18
opencode18
claude-code17
github-copilot17