Legal Qa Extractor

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

1. 直接问答 - 客户明确提出问题，律师给出解答 2. 追问回应 - 客户追问，律师进一步解释 3. 风险提醒 - 律师主动提醒的风险点及应对建议 4. 操作指引 - 涉及流程、步骤、注意事项的问答 5. 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：

1. 文档路径：用户提供的沟通记录文档路径 2. 粘贴内容：用户直接粘贴的沟通记录内容 3. 用户要求：用户希望重点关注哪些类型的问答

配置与归档

用户配置

本技能支持通过 config/.env 文件自定义扫描行为：

# 复制模板
cp config/.env.example config/.env

# 编辑配置
QA_EXTRACTOR_SCAN_PATHS=~/Desktop/Clawd/10 - ⚖️ 法律工作/工作文档/011 - 潜在项目
QA_EXTRACTOR_SCAN_DEPTH=3
QA_EXTRACTOR_FILE_TYPES=md,txt

扫描记录

技能会维护 archive/scan-log.json 记录扫描状态：

{
  "version": "1.1.0",
  "last_full_scan": "2026-05-10T23:00:00+08:00",
  "watch_paths": [
    {
      "path": "~/Desktop/Clawd/10 - ⚖️ 法律工作/工作文档/011 - 潜在项目",
      "last_scanned": "2026-05-10T23:00:00+08:00",
      "status": "active"
    }
  ],
  "projects": {
    "潜在项目_A": {
      "source_files": ["path/to/file1.md", "path/to/file2.md"],
      "last_extracted": "2026-05-10",
      "qa_count": 8,
      "output_file": "archive/extractions/2026-05-10_潜在项目_A_qa.md",
      "status": "active"
    }
  },
  "files": {
    "path/to/file.md": {
      "content_hash": "sha256:abc123...",
      "last_modified": "2026-05-09",
      "last_extracted": "2026-05-10",
      "qa_count": 5,
      "status": "active"
    }
  },
  "archived": {
    "path/to/old_project": {
      "archived_at": "2026-05-01",
      "reason": "moved_by_user"
    }
  }
}

字段说明：

增量扫描逻辑：

文件夹类型判断（用于识别归档与活动项目）：

1. 遍历 watch_paths 下所有直接子文件夹 2. 判断每个文件夹类型（归档容器 / 直接项目） 3. 对归档容器递归扫描；对直接项目扫描内容文件 4. 对每个文件计算 content_hash 5. 若文件不在 scan-log，或 hash 与记录不一致 → 触发提取 6. 若项目内所有文件均变化才触发提取 7. 提取完成后，按项目合并多份记录，输出单份 QA 文件

抽取结果归档

抽取的问答对保存在 archive/extractions/ 目录，按项目聚合：

archive/
├── scan-log.json              # 扫描状态记录
└── extractions/
    ├── 2026-05-10_潜在项目_A_qa.md   # 项目A的多轮咨询合并
    ├── 2026-05-10_潜在项目_B_qa.md   # 项目B的单次记录
    └── 2026-05-11_潜在项目_C_qa.md   # 项目C（后续增量新增）

多轮咨询合并逻辑：

• 同一项目文件夹内的所有 .md/.txt 文件视为同一项目的多轮沟通
• 提取时按文件顺序（文件名或修改时间）整合所有问答对
• 去重：相同问题的多次出现保留最新解答
• 输出文件名：{日期}_{项目名}_qa.md

注意：archive/ 目录不纳入 Git 版本控制。

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
• 定时扫描项目文件夹，增量提取新内容

01 单问题咨询

• 场景：整段咨询围绕一个核心法律问题展开，中间只有少量事实补充。
• 关注点：是否只生成 1 张主卡；长摘要是否覆盖完整回答。
• 通过标准：不重复建卡，不遗漏关键结论。

02 多问题跳转

• 场景：客户在同一通话中从实体判断跳到证据、时效、程序，再回到原问题。
• 关注点：是否能拆出多个具体问题，而不是混成一张大卡。
• 通过标准：不同求解目标分别成卡，排序仍保持清晰。

03 同题多次重提

• 场景：同一问题在通话前中后被反复提起，客户每次表述略有变化。
• 关注点：是否合并为一张主卡，并通过“过程痕迹”体现多次提起。
• 通过标准：同题不重复建卡，过程痕迹完整。

04 多轮追问

• 场景：客户围绕同一问题连续追问例外情形、计算方式或应对路径。
• 关注点：哪些追问应归并，哪些应拆卡。
• 通过标准：归并边界稳定，必要时标 待确认。

05 律师主动风险提醒

• 场景：客户主要叙述事实，律师主动指出潜在法律风险、证据问题或程序风险。
• 关注点：是否能识别为有效主卡，而不是忽略。
• 通过标准：能以“风险提醒”或相关类型形成主卡。

06 行政沟通占比高

• 场景：大量内容是排期、报价、付款、发材料，真正法律问题很少。
• 关注点：是否会过度抽取无效卡片。
• 通过标准：只保留真正的法律问题，其余内容不单独成卡。

07 回答不完整

• 场景：客户问题明确，但律师回答被打断、尚未展开完毕，或明显依赖未补充事实。
• 关注点：是否把结果保守标为 待补充 或 待确认。
• 通过标准：不把残缺回答伪装成完整结论。

08 目录批处理混合场景

• 场景：目录里同时包含咨询文本、行政沟通文本、历史抽取结果、隐藏文件和非文本文件。
• 关注点：扫描范围、排除逻辑、跳过原因是否稳定。
• 通过标准：只处理有效文本，跳过项说明清楚，不生成总索引文件。

Benchmark 样本说明

本目录不存放真实客户材料，只存放脱敏样本设计说明，用于回归测试 legal-qa-extractor 的输出稳定性。

样本列表

• 01-single-issue.md：单问题咨询
• 02-multi-issue-switching.md：多问题跳转
• 03-same-issue-repeated.md：同题多次重提
• 04-follow-up-questions.md：多轮追问
• 05-proactive-risk-reminder.md：律师主动风险提醒
• 06-admin-heavy.md：行政沟通占比高
• 07-incomplete-answer.md：回答不完整
• 08-batch-mixed-directory.md：目录批处理混合场景

使用方式

• 每次调整 SKILL.md、输出模板或规则文档后，至少按上述 8 类场景做一次纸面回归。
• 若有真实脱敏咨询记录，可将其映射到最接近的样本类型，复核输出是否满足 references/benchmark-rubric.md。

变更日志

[1.1.0] - 2026-05-10

新增

• config/.env.example：用户自定义配置模板，支持扫描路径、深度、文件类型配置
• archive/ 目录：扫描记录与抽取结果本地归档，与 git 完全隔离
• 增量扫描：基于 content_hash 判断文件是否变化，变化才触发提取
• 项目级聚合：同一子文件夹内的多份沟通记录合并为单份 QA 输出
• 归档识别：archived 机制追踪已移走的路径，跳过归档后的项目

改进

• scan-log 格式升级：从文件列表升级为含 hash、status、projects 的结构化格式
• 抽取结果按项目/日期组织到 archive/extractions/

正式版发布

• 从 test/ 目录迁移至 skills/ 正式目录
• 功能完整，经过验证，正式发布使用

---

[0.1.0] - 2026-02-07

新增

• 从 extract-law command 转换为 skill 格式
• 从律师与客户沟通记录中提取有价值的法律问答对
• 支持 5 个问答识别维度（直接问答、追问回应、风险提醒、操作指引、普遍关切）
• 严格的客户信息脱敏处理机制
• 结构化输出格式（Q&A 形式）
• 问答分类与关联分析功能

改进

• 适配 skill 触发机制，使用自然对话替代命令调用
• 将输出模板移至 references/output-template.md，保持 SKILL.md 简洁
• 简化工作流程描述，聚焦问答对提取

优化

• 定位调整：从"法律问题提炼"调整为"法律问答提取"，更准确反映技能核心价值
• 输出格式：从"问题-分析-背景-解决方案"改为"Q&A"格式，更适合知识复用
• 价值判断：新增价值标签（普遍性、典型性、教育性、复用性）

文档完善

• 创建 SKILL.md 核心文档
• 创建 references/output-template.md 输出模板参考
• 添加 MIT 许可证

---

原始版本记录（Command 时期）

v2.7 (2025-10-30)

• 添加严格的客户信息保护机制：所有问题分析报告必须脱敏处理，绝不包含客户姓名、企业名称等敏感信息

v2.6 (2025-10-29)

• 统一输出目录：输出文件保存至原文档所在目录

v2.5 (2025-10-28)

• 增强分析深度：明确各部分字数要求（详细分析300-500字、问题背景200-300字、解决方案300-400字）

v2.4 (2025-10-28)

• 简化输出格式：将详细的无序列表改为段落文字总结

v2.3 (2025-10-28)

• 专注提炼：删除营销建议，增强问题分析的细致性

v2.2 (2025-10-28)

• 全面优化：增强问题分析维度、详细营销建议、平台适配方案

v2.1 (2025-10-28)

• 修复：全面分析文档中的所有法律问题，不仅限于用户关注的重点

v2.0 (2025-10-28)

• 大幅简化流程，专注于从文档中提炼法律问题

v1.0 (2025-10-28)

• 初始版本

目录批处理规则

本规则定义 legal-qa-extractor 在接收目录路径时的稳定行为。

一、适用范围

目录模式第一版只处理已经转换为文本的咨询记录：

• .md
• .txt

不直接处理：

• PDF
• DOCX
• 音频、视频
• 图片

二、扫描规则

1. 默认递归

输入一个目录路径后，默认递归扫描全部子目录。

2. 候选文件类型

只将以下文件纳入候选：

• *.md
• *.txt

3. 默认排除项

以下文件或目录默认不进入候选集：

• 隐藏文件（以 . 开头）
• 隐藏目录中的文件
• 非文本文件
• 已生成结果文件：*_法律问答提取_*.md

4. 稳定排序

候选文件应按相对路径字典序排序后再处理，确保同一目录多次运行时处理顺序一致。

三、逐文件处理规则

对每个候选文件，按单文件模式执行： 1. 读取文本 2. 根据 intake-checklist.md 判断是否适合抽取 3. 适合则生成单文件输出 4. 不适合则跳过，并记录原因

单文件结果仍保存到源文件同目录，命名规则保持： {原文档名}_法律问答提取_{YYYYMMDD}.md

四、跳过规则

当出现以下情形时，应跳过该文件：

• 文件虽为文本，但主体并非咨询记录
• 基本没有可识别的法律问题
• 几乎全是行政沟通、报价、排期、材料流转
• 文本严重残缺，无法形成稳定问题主卡
• 文件本身就是已生成的历史抽取结果

跳过时：

• 不生成结果文件
• 在本次批处理返回中写出“相对路径 + 简短原因”

五、目录模式返回摘要

批处理完成后，AI 在对话中应返回简短摘要，包括：

• 已处理文件数
• 已跳过文件数
• 跳过原因分类
• 是否存在高比例 待确认 文件

示例：

批量处理完成：
- 已处理：12 份
- 已跳过：4 份
- 跳过原因：行政沟通为主 2 份，已生成结果文件 1 份，文本残缺 1 份
- 需人工重点复核：3 份（待确认主卡占比较高）

六、明确不做的事情

目录模式第一版不做：

• 生成目录级总索引文件
• 统一汇总全部主卡到单一大文件
• 自动调用其他技能处理 PDF、DOCX、音频
• 对目录中每个无效文件都生成“空结果文件”

回归测试与验收标准

本 Rubric 用于评估 legal-qa-extractor 在不同咨询场景中的稳定性。

一、Hard Fail 条件

出现以下任一情况，直接判定为不通过：

1. 泄露客户身份信息或企业可识别信息 2. 重复扫描或处理已生成的 *_法律问答提取_*.md 3. 将原文不存在的法律结论写入主卡摘要 4. 将两个明显不同的问题错误合并成一张主卡 5. 将明显不完整的回答写成确定结论，且未标 待补充 或 待确认

二、评分维度

每个维度按 0 / 1 / 2 评分：

• 2 = 稳定符合预期
• 1 = 基本可用，但存在可见瑕疵
• 0 = 明显失真或无法使用

1. 问题识别

• 2：主要法律问题全部识别，边界清晰
• 1：识别出主要问题，但漏掉次要问题或个别边界含糊
• 0：漏掉主要问题，或大量把非问题内容误判为问题

2. 同题归并

• 2：同一问题稳定合并，不重复建卡
• 1：大体合并正确，但个别追问处理不稳
• 0：频繁重复建卡或错误合并不同问题

3. 摘要忠实性

• 2：长摘要与要点都忠实、完整、不越权扩写
• 1：基本忠实，但有轻微压缩失衡或表达漂移
• 0：摘要明显加入原文没有的判断，或遗漏核心结论

4. 完整度与置信度标记

• 2：完整 / 基本完整 / 待补充 与 正常 / 待确认 使用稳定
• 1：偶有过严或过松，但整体可接受
• 0：边界模糊内容未被标记，或滥用标记导致结果失真

5. 双层标签稳定性

• 2：知识库标签与内容标签口径稳定、可解释
• 1：个别标签存在主观漂移，但不影响整体使用
• 0：标签混乱或与主卡内容明显不符

6. 批处理行为

• 2：扫描范围、排除逻辑、跳过策略均稳定
• 1：偶有误扫或跳过说明不充分
• 0：重复处理结果文件、误处理非文本或批处理行为不稳定

三、通过标准

• 无 Hard Fail
• 六项评分总分至少 10 / 12
• 其中“问题识别”“同题归并”“摘要忠实性”三项不能为 0

四、建议样本集

建议使用 assets/benchmarks/ 下的 8 类场景做回归：

1. 01-single-issue.md 2. 02-multi-issue-switching.md 3. 03-same-issue-repeated.md 4. 04-follow-up-questions.md 5. 05-proactive-risk-reminder.md 6. 06-admin-heavy.md 7. 07-incomplete-answer.md 8. 08-batch-mixed-directory.md

五、记录模板

## 回归记录

- **样本**：
- **日期**：
- **问题识别**：0 / 1 / 2
- **同题归并**：0 / 1 / 2
- **摘要忠实性**：0 / 1 / 2
- **完整度与置信度**：0 / 1 / 2
- **双层标签稳定性**：0 / 1 / 2
- **批处理行为**：0 / 1 / 2
- **是否触发 Hard Fail**：否 / 是
- **结论**：通过 / 需调整
- **备注**：

问题识别与归并规则

本规则用于稳定生成“问题主卡”，避免在不同咨询文本中发生卡片边界漂移。

一、主卡单元定义

主卡的最小单元是“具体法律问题”，而不是：

• 单次发言
• 一轮问答
• 一个自然段
• 一个法律领域大类

示例：

• “公司单方调岗是否合法？” -> 一个主卡
• “如果我不同意调岗，后面被解除怎么办？” -> 与前一问题有关，但属于不同的后续法律问题，应视内容决定是否拆卡
• “补偿怎么算？” -> 如独立构成新的求解目标，应单独成卡

二、允许进入主卡的问题类型

1. 直接提问

客户明确提出问题，律师给出回应。

2. 追问补充

客户围绕同一问题继续追问、补充情境或缩小范围。

3. 律师主动风险提醒

客户未明确提问，但律师主动提示风险、后果、底线或常见误区。

4. 律师主动操作指引

律师主动给出流程、准备材料、沟通策略、证据保留等操作建议。

5. 隐含问题

客户虽然主要在叙述事实，但其真实意图明显是在寻求法律判断或路径建议。

三、同题归并规则

以下情形原则上合并为一张主卡：

• 同一法律问题在前后多次出现
• 后续只是补充事实、追加细节、追问例外情形
• 律师在前面回答核心结论，后面补充风险或操作建议
• 客户换了口语表达方式，但实质问的仍是同一问题

归并后必须在“过程痕迹”中体现：

• 首次提出
• 补充事实
• 追问 / 再次提起
• 补充回答

四、拆卡规则

以下情形必须拆成不同主卡：

• 虽然发生在同一通话里，但求解目标不同
• 对应不同法律判断路径或不同操作决策
• 前一个问题讨论是否合法，后一个问题讨论如何举证、如何补偿、如何起诉
• 前一个问题围绕实体权利，后一个问题围绕程序、时效、证据或执行

判断标准不是“话题相近”，而是“能否用一套回答稳定覆盖”。如果不能，就应拆卡。

五、默认排除项

以下内容默认不形成主卡：

• 寒暄和过渡性表达
• 预约时间、付款、报价、沟通渠道
• 发材料、补资料、加联系方式
• 单纯情绪表达，且没有形成法律求解问题
• 纯背景铺垫，但后续没有承接法律判断

必要时，可将这些内容只作为已有主卡的“适用事实边界”或“过程痕迹”辅助信息，而不是单独建卡。

六、忠实总结规则

1. 长摘要

• 建议长度：200-400 字
• 目标是完整总结律师的核心解答
• 允许压缩口语、归并前后段落
• 不得引入原文没有的法条、判例或策略

2. 关键要点 bullet

• 建议 3-6 条
• 覆盖结论、风险、操作建议、限制条件
• 不能只写空泛标题，如“注意风险”“保存证据”

3. 适用事实边界

• 简洁写出该主卡成立所依赖的事实前提
• 不复述全部案情
• 不写可识别个人或企业信息

七、完整度与置信度规则

完整度

• 完整：问题和核心回答都比较完整
• 基本完整：主要结论清楚，但仍有少量缺口
• 待补充：问题已可识别，但回答明显残缺或事实前提不足

置信度

• 正常：问题边界、归并关系和回答方向都较明确
• 待确认：存在以下任一情形
• 同题归并边界存疑
• 客户/律师发言归属偶有混淆
• 追问是否应拆卡不完全确定
• 回答只覆盖部分情形，且文本噪声较大

对不确定内容，应优先使用 待确认，而不是强行给出确定表达。

八、双层标签判断规则

知识库标签

先判断其是否适合作为长期知识单元沉淀：

• 是否高频常见
• 是否具有可复用标准解释
• 是否适合作为风险提醒或操作流程
• 是否主要是时效、证据、程序性问题
• 是否过于依赖个案事实，导致不宜泛化

内容输出标签

在知识库标签之后，再做粗筛：

• 是否适合写成长文解释
• 是否适合做短内容提醒
• 是否适合做 FAQ
• 是否带有反常识或传播点
• 是否暂不建议内容化

如果问题明显个案化、争议点过窄、事实缺口太大，应优先标为 暂不建议内容化。

九、排序规则

主卡默认按“话题归并后排序”，而不是按对话原顺序排序。

建议排序逻辑： 1. 先按主要法律主题分组 2. 再按问题的重要程度或复用价值排序 3. 同一主题内，先放基础判断，再放操作路径、风险提醒、证据/程序问题

这样更利于后续知识库沉淀和内容池筛选。

输入检查清单

本清单用于判断一份输入是否适合交给 legal-qa-extractor 处理，以及在何种情况下应标记 待确认 或直接跳过。

一、可直接处理的输入

满足以下条件时，可直接进入问答抽取：

• 文件或粘贴文本主体为咨询记录、电话转录、沟通纪要
• 能大致判断客户和律师的发言边界
• 文本中存在明确或隐含的法律求解问题
• 记录主体为中文，且整体可读
• 单文件为 .md 或 .txt；目录模式下候选文件同样只限 .md、.txt

二、可处理但需谨慎标注的输入

满足以下情况时仍可抽取，但应对相关主卡标记 待确认 或 待补充：

• 客户与律师发言偶有混杂，但大部分段落仍可判断
• 口语化明显，存在少量转录错误，但不影响总体理解
• 同一问题前后多次出现，边界需要依靠归并判断
• 律师回答明显不完整，或只回答了问题的一部分
• 对事实前提把握不足，导致部分结论只能保守表达

三、应直接跳过的输入

出现以下情况时，不应输出正式问答结果：

• 纯音频、视频、PDF、DOCX 或截图，尚未转换为文本
• 全文几乎无法区分客户与律师发言
• 全文主要是行政沟通、排期、报价、付款、材料流转，没有形成法律问题
• 文本严重残缺、乱码或只有零散句子，无法形成稳定问题单元
• 目录模式下扫描到已生成的 *_法律问答提取_*.md

目录模式遇到跳过文件时：

• 不生成结果文件
• 在批处理摘要中说明相对路径和跳过原因

四、单文件模式最少判断项

在开始提取前，至少回答以下四个问题：

1. 这是不是咨询文本，而不是一般聊天或行政沟通？ 2. 能不能识别出至少一个具体法律问题？ 3. 能不能大致判断律师对该问题做了什么解答？ 4. 是否存在需要保守标记 待确认 的边界模糊内容？

如果前 3 个问题中有任一答案是否定的，则不应勉强出卡。

五、目录模式最少判断项

对目录中每个候选文件执行以下判断：

1. 文件是否为 .md 或 .txt 2. 文件名是否不是隐藏文件，路径中是否不存在隐藏目录 3. 文件名是否不是 *_法律问答提取_*.md 4. 文件主体是否存在咨询性质内容 5. 文件是否至少能形成一个稳定问题单元

仅在 1-5 全部成立时，才进入正式抽取。

法律问答提取输出模板

输出文件命名规则

• 文件位置：原文档的同一目录
• 文件命名：{原文档名}_法律问答提取_{YYYYMMDD}.md

输出内容模板

# {主题}法律问答提取

## 📋 基本信息

**提取时间**：{时间}
**原始文档**：{文档名称}
**用户要求**：{用户的具体要求}

---

## 💬 重点问答对

*这些是您重点关注或有高复用价值的问答*

### 问答 1：{问题标题}

**Q：{客户提出的问题}**

**A：**

{律师的解答，用300-500字的段落文字，清晰表达律师的核心观点、法律依据、操作建议和注意事项。确保解答完整、准确，读者可以独立理解并应用。}

**问题背景**（可选）：

{该问题出现的情境，用200-300字说明。包括：客户在什么情况下提出这个问题、涉及什么样的法律关系、为什么这个问题值得被记录。如果问题本身很清晰，可以省略此部分。}

**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}

---

### 问答 2：{问题标题}

**Q：{客户提出的问题}**

**A：**

{律师解答}

**问题背景**（可选）：

{问题情境}

**价值标签**：普遍性 / 典型性 / 教育性 / 复用性
**适用场景**：{适用场景}

---

## 📌 常规问答对

*文档中发现的其他有价值的问答*

### 问答 3：{问题标题}

**Q：{客户提出的问题}**

**A：**

{律师解答}

**价值标签**：普遍性 / 典型性 / 教育性 / 复用性
**适用场景**：{适用场景}

---

## 💡 提取总结

### 问答特征分析

从该文档中共提取出{X}个问答对：
- **重点问答**：{X}个（您关注的高价值内容）
- **常规问答**：{X}个（其他有价值的问答）

**价值分布**：
- 普遍性：{X}个（其他客户也可能遇到）
- 典型性：{X}个（代表某类法律场景）
- 教育性：{X}个（有普法或指导价值）
- 复用性：{X}个（可直接用于文章或知识库）

### 领域分类

按法律领域或业务场景分类：

| 领域/场景 | 问答数量 | 问答编号 |
|----------|----------|----------|
| {领域1} | {X}个 | 1, 3, 5 |
| {领域2} | {X}个 | 2, 4 |
| {领域3} | {X}个 | 6 |

### 关联分析

**可组合的问答组**：
- **{主题1}**：问答 {1, 3, 5} 可以组合成一篇关于{主题1}的文章
- **{主题2}**：问答 {2, 4} 可以组合成一篇关于{主题2}的文章

**文章建议**：
- {建议1}：可以写一篇"{文章标题}"，整合问答 {1, 2, 3}
- {建议2}：可以写一篇"{文章标题}"，整合问答 {4, 5, 6}

**复用价值**：
- 高价值问答（适合做头条内容）：{问答编号}
- 中价值问答（适合做补充内容）：{问答编号}
- 基础问答（适合做FAQ）：{问答编号}

字数要求说明

价值标签说明

脱敏处理规范

在撰写问答内容时，必须严格遵循以下脱敏规则：

问答独立性原则

提取的每个问答对必须满足：

• 可独立理解：读者不需要看完整对话就能理解问答
• 完整信息：问题和解答都清晰完整，没有断章取义
• 脱敏严格：不包含任何可识别特定客户的信息
• 普遍价值：对其他客户也有参考意义

人工复核清单

本清单用于人工检查 legal-qa-extractor 的单文件结果和批处理行为是否符合预期。

一、隐私与合规

• [ ] 未出现客户真实姓名
• [ ] 未出现企业全称、统一社会信用代码、具体联系方式
• [ ] 未保留足以识别个体的精确身份信息
• [ ] 时间、地点等事实信息只保留到法律判断必要程度

二、问题主卡边界

• [ ] 每张主卡都对应一个具体法律问题
• [ ] 没有把两个不同问题错误合并
• [ ] 没有把同一问题拆成多张重复主卡
• [ ] 同一问题的追问和补充，已体现在“过程痕迹”中

三、摘要忠实性

• [ ] 律师回答长摘要没有引入原文没有的结论
• [ ] 关键要点 bullet 覆盖了主要结论、风险或操作建议
• [ ] 对明显不完整的回答，已标注 待补充
• [ ] 对边界模糊的内容，已标注 待确认

四、标签判断

• [ ] 知识库标签与主卡内容匹配
• [ ] 内容输出标签只做粗筛，没有越权展开为策划结论
• [ ] 个案性过强的问题已使用“个案性较强”或“不宜沉淀”
• [ ] 暂不适合内容化的问题已使用“暂不建议内容化”

五、输出结构稳定性

• [ ] 包含“基本信息”“问题总览”“Q&A 主卡”“简短结尾说明”四个固定部分
• [ ] 每张主卡字段完整，无缺漏
• [ ] 未展示时间戳或原句证据
• [ ] 未输出文章大纲、传播建议、组合选题等内容

六、目录批处理行为

• [ ] 默认递归扫描子目录
• [ ] 只处理 .md、.txt
• [ ] 已排除隐藏文件和隐藏目录
• [ ] 已排除 *_法律问答提取_*.md
• [ ] 不适合抽取的文件被跳过并给出简短原因
• [ ] 未生成目录级总索引文件

七、复核结论建议

人工复核结束后，建议按以下格式记录：

## 复核结论

- **样本名称**：
- **是否通过**：通过 / 需调整
- **主要问题**：
  -
- **建议修正**：
  -

扫描与归档规格说明

本文档定义 archive/scan-log.json 的结构规范和扫描行为，供定时任务和未来 Agent 理解。

---

一、watch_paths 配置

"watch_paths": [
  {
    "path": "~/Desktop/Clawd/10 - ⚖️ 法律工作/工作文档/011 - 潜在项目",
    "last_scanned": "2026-05-10T23:00:00+08:00",
    "status": "active"
  }
]

• 每次全量扫描后更新 last_scanned
• status: active | archived

---

二、文件夹类型判断

关键原则：归档容器本身不输出 QA，其内部的每个子文件夹才是独立项目。

---

三、files 记录

"files": {
  "path/to/file.md": {
    "content_hash": "sha256:abc123...",
    "last_modified": "2026-05-09",
    "last_extracted": "2026-05-10",
    "qa_count": 5,
    "status": "active"
  }
}

• content_hash：文件内容 SHA-256，仅计算文件内容，不含路径/mtime
• 增量判断：hash 一致 → 跳过；hash 变化或文件新增 → 触发提取
• status：active | archived（文件被移走后从 files 移到 archived）

---

四、projects 聚合

"projects": {
  "240428 薛心澄房屋买卖转移登记": {
    "source_files": ["240428 薛心澄.../沟通记录1.md", "240428 薛心澄.../沟通记录2.md"],
    "last_extracted": "2026-05-10",
    "qa_count": 8,
    "output_file": "archive/extractions/2026-05-10_240428 薛心澄..._qa.md",
    "status": "active"
  }
}

• 一个项目 = 一个直接子文件夹（不含归档容器内的子项目）
• 多轮咨询合并：同一项目下所有 .md/.txt 文件合并为单份 QA 输出
• 去重：相同问题保留最新解答
• 输出文件命名：{日期}_{项目名}_qa.md

---

五、archived 记录

"archived": {
  "011 - 潜在项目/24/240428 薛心澄": {
    "archived_at": "2026-05-01",
    "reason": "moved_to_archived_folder",
    "last_known_qa_count": 3
  }
}

• 用户归档操作后，将对应路径及其下文件标记为 archived
• 扫描时跳过所有 status: archived 的路径
• 定期清理 archived 记录（超过 6 个月的可删除）

---

六、扫描流程摘要

1. 加载 scan-log.json
2. 遍历 watch_paths 下的直接子文件夹
3. 判断每个文件夹类型（归档容器 / 直接项目）
4. 归档容器 → 递归获取所有子文件夹 → 每个子文件夹视为一个项目
5. 直接项目 → 直接作为项目处理
6. 对每个项目的文件计算 content_hash
7. 对比 scan-log：hash 变化或文件新增 → 触发提取
8. 提取完成 → 更新 files 和 projects 记录
9. 保存 scan-log.json