Anli Jiansuo

案例检索

概述

本skill用于诉讼案件委托代理后，针对案件中需要案例支撑的法律观点，通过案例数据库进行语义检索，输出结构化的案例检索报告。每个观点独立生成一份报告，每份报告不超过10个案例。

核心定位

• 纯粹的案例检索工具，不做案件分析，不做策略建议
• 检索目的是为律师的法律论证找到司法实践中的案例支撑
• 一个案件可能涉及多个法律观点，每个观点需要独立检索
• 不会有一模一样的案情，检索的是针对某个具体观点的裁判态度

工作流程

第一步：阅读案件材料

完整阅读用户提供的所有案件材料，包括但不限于：合同、协议、起诉状、答辩状、判决书、裁定书、函件、聊天记录、转账凭证等。

阅读时同步提取以下信息：

• 案件基本情况（当事人、案由、案件阶段）
• 核心争议事实
• 涉及的法律关系
• 各方的主张和抗辩

第二步：梳理待证观点

基于材料阅读，从我方立场出发，梳理本案中需要案例支撑的法律观点。

每个观点应当明确：

• 观点的具体表述（即这批案例要证明什么）
• 该观点在本案中的作用（支撑我方哪个主张或反驳对方哪个抗辩）
• 对应的案由

将所有观点列出，提交给律师确认。等律师确认后再进入第三步。

注意：不要自行开始检索，必须等律师确认观点清单。律师可能会调整、增删观点。

第三步：设计检索策略

案例检索工具支持自然语言语义检索，不是关键词匹配。检索策略的核心是为每个观点撰写多段不同角度的案情描述，而不是拆关键词。

针对律师确认的每个观点，设计检索策略：

1. 确定案由（一般一个案件统一使用同一案由） 2. 为该观点撰写2-3段不同角度的自然语言案情描述，每段描述侧重不同的切入点

撰写案情描述的要点：

• 描述应当贴近本案的实际案情事实，包含具体的法律关系和争议焦点
• 用一段完整的话描述案件事实，而不是罗列关键词
• 不同描述之间应当有角度差异，例如：一段侧重事实经过，一段侧重法律关系定性，一段侧重争议焦点
• 描述中自然包含案由、法律关系、当事人行为等要素

示例（以"员工在职期间违反忠实义务"为例）：

• 角度一（事实经过）："员工在公司任职期间，私自注册经营范围与公司相同的企业，利用在职期间获取的客户资源开展同类业务，公司发现后要求员工赔偿损失"
• 角度二（法律关系）："劳动者在劳动合同存续期间违反忠实义务从事竞争性经营活动，用人单位主张损害赔偿"
• 角度三（争议焦点）："在职员工经营同类业务是否构成违反忠实义务，用人单位能否就间接损失主张赔偿"

第四步：执行检索

通过案例检索工具进行语义检索。将第三步撰写的每段案情描述作为检索输入，每段描述单独检索一次。

具体的调用方式取决于你使用的检索工具（北大法宝 MCP、北大法宝 API 等），详见本skill目录下的 README.md。

检索要点：

• 每个观点使用2-3段不同角度的案情描述分别检索
• 每次检索结果需要逐一浏览，筛选与观点相关的案例
• 关注裁判文书中法院的认定和说理部分，提取与待证观点直接相关的裁判观点
• 不同角度的描述可能返回不同的案例，合并去重后统一筛选
• 如果检索结果不理想，按照下方"检索结果不理想时的调整方法"处理

检索结果不理想时的调整方法

如果某个观点的检索结果中相关案例太少或质量不高，按以下思路调整案情描述后重新检索：

1. 概念上位化：将描述中的具体概念替换为上位概念或近义概念，扩大匹配范围。例如：

• "策划案" → "运营方案""工作方案""工作成果"
• "微信转账发工资" → "通过非正式渠道支付劳动报酬"
• "抖音运营" → "新媒体运营""平台运营"
• "客户名单" → "客户信息""经营信息""商业信息"

2. 抽象法律关系：将描述从具体案情事实层面提升到法律关系层面。例如：

• 具体："员工把公司的抖音运营方案带到了新公司使用" → 抽象："劳动者离职后使用原单位的工作成果是否侵犯著作权"

3. 变换争议主体或场景：保持法律关系不变，替换当事人类型或行业场景。例如：

• "个体工商户与员工之间的劳动关系" → "未签订书面劳动合同情形下事实劳动关系的认定"

每次调整后重新检索，将新的有效案例补充进来。一个观点的检索调整一般不超过3轮。

第五步：筛选与排序

对检索到的案例进行筛选和排序。

筛选标准：

• 案例中法院的裁判观点必须与待证观点直接相关
• 裁判观点的表述清晰、论证充分，有参考价值
• 排除与待证观点关联度低或论证模糊的案例

排序规则（按优先级从高到低）： 1. 案情与本案高度相似的案例，排在最前面（并列第一） 2. 高级别法院的案例优先（最高人民法院 > 高级人民法院 > 中级人民法院 > 基层人民法院） 3. 案件管辖地当地法院的案例优先 4. 近几年的案例优先

每个观点最多保留10个案例，不够10个不用凑数。

第六步：生成检索报告

每个观点生成一份独立的检索报告，保存为md文件。

文件名格式：参考案例整理_[观点简称].md

报告格式

报告必须为纯文本格式，不使用任何markdown符号（不加粗、不用#标题、不用表格语法）。以下是报告的固定结构：

---

第一行：观点标题 （空一行） 第二行起：证明目的说明（一段话，说明这批案例整体证明什么） （空一行） 然后是案例列表，每个案例按以下格式排列：

序号 案例名称：XX 审理法院：XX 案号：XX 裁判观点：（完整摘录法院认定的关键段落，保持原文表述）

案例之间空一行分隔。

---

具体示例：

关于XX公司使用"XX"字样宣传属于具有商业性、盈利性业务活动及商业性使用行为的认定

证明在关于商业性使用等事项认定的司法实践中，众多现有案例均将公司在自有网站、公众号及其他宣传文章中的企业宣传、推广等行为，认定为具有商业性、盈利性的"业务活动"，属于明显的"商业性使用"行为。

1 案例名称：XX与XX肖像权纠纷二审民事判决书 审理法院：北京市第三中级人民法院 案号：(2019)京03民终XXXX号 裁判观点：法院认为：根据现有证据显示，XX公司在其主办的网站中使用了XX的肖像，且该网站内有与XX公司经营相关的营销和推广内容......（完整摘录法院认定的关键段落）

2 案例名称：XX与XX肖像权纠纷二审民事判决书 审理法院：XX市中级人民法院 案号：(2020)XX民终XXXX号 裁判观点：法院认为：......

---

裁判观点摘录要求

• 摘录法院认定和说理中与待证观点直接相关的段落
• 保持法院原文表述，不改写、不概括
• 摘录应当完整，包含法院的认定结论和论证过程
• 如果法院在多个段落中涉及该观点，合并摘录
• 一审和二审法院的观点如果都有参考价值，都摘录，标注审级

工作纪律

• 不虚构案例：所有案例必须来自案例数据库的检索结果，不得编造案例信息
• 不篡改裁判观点：法院原文怎么说就怎么摘，不修改、不美化
• 不凑数：找不到足够相关的案例就如实报告，不用无关案例凑数
• 不越界：只做检索和整理，不对案例做评价，不做案件分析
• 检索过程中如发现与本案案情高度相似或对我方明显不利的案例，主动向律师提示

案例检索 anli-jiansuo

针对诉讼案件中的法律观点，通过案例数据库进行语义检索，生成结构化的案例检索报告。

---

这个 Skill 做什么

律师在诉讼中经常需要找到支持自己论点的类案。这个 Skill 把案例检索的过程结构化：

1. 阅读案件材料，理解案情 2. 梳理需要案例支撑的法律观点，提交律师确认 3. 为每个观点设计多角度的语义检索策略 4. 执行检索、筛选、排序 5. 生成纯文本格式的检索报告（可直接粘贴到 Word）

每个法律观点独立生成一份报告，每份报告最多 10 个案例。

Skill 本身只定义工作流程，不绑定特定的案例数据库。你需要自行接入一个案例检索工具。

---

接入案例检索工具

本 Skill 需要一个支持自然语言语义检索的案例数据库工具。以下是目前已验证可用的方案。

方案一：北大法宝 API（推荐）

北大法宝 提供了 MCP 案例检索服务，支持自然语言语义检索。

1. 注册并获取 API Key

访问 法宝 MCP 控制台，注册账号后进入控制台，在「我的服务」中找到「检索司法案例-语义」服务，获取 Authorization Bearer Token。

2. 在 Skill 中使用

检索时通过 curl 调用北大法宝 API：

curl -s "https://apim-gateway.pkulaw.com/mcp-case-search-service" \
  -H "Authorization: Bearer 你的Token" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"search_case","arguments":{"text":"自然语言案情描述"}},"id":1}'

参数说明：

• text：自然语言案情描述，用一段完整的话描述案件事实，不是关键词
• id：请求编号，每次调用递增即可

返回结果是 JSON 格式的案例列表，包含案例标题、法院、案号、判决日期、案由、裁判文书内容等字段。

3. 解析返回结果

返回的 JSON 结构中，案例信息在 result.content[0].text 字段内（JSON 字符串，需二次解析）。每个案例包含以下字段：

可以用以下命令快速浏览检索结果：

curl -s [上述完整命令] | python3 -c "
import sys,json
data=json.load(sys.stdin)
cases = json.loads(data['result']['content'][0]['text'])
for i,c in enumerate(cases):
    print(f'--- Case {i+1} ---')
    print(f'Title: {c[\"title\"]}')
    print(f'Court: {c[\"court_name\"]}')
    print(f'Number: {c[\"case_number\"]}')
    print(f'Date: {c[\"decision_date\"]}')
    print(f'Cause: {c[\"cause_of_action\"]}')
    print(f'Content: {c[\"content\"][:600]}')
    print()
"

方案二：其他案例数据库

本 Skill 的工作流程不绑定北大法宝，任何支持自然语言语义检索的案例数据库都可以接入。如果你使用其他工具（如威科先行、无讼等），只需在第四步"执行检索"时替换为对应工具的调用方式即可。

---

使用方式

Claude Code

# 将 SKILL.md 软链接到 Claude Code 的 skills 目录
ln -s $(pwd)/anli-jiansuo ~/.claude/skills/anli-jiansuo

安装后，在 Claude Code 中提供案件材料并说"帮我检索案例"即可触发。

其他 AI 工具

复制 SKILL.md 中 --- 分隔线以下的全部内容，粘贴到 AI 工具的对话框中作为系统提示词。检索步骤需要手动执行 curl 命令或在 AI 工具中授权执行。

---

注意事项

• 本 Skill 只做案例检索和整理，不做案件分析、不做策略建议
• 检索报告为纯文本格式，不使用 Markdown 符号，可直接复制粘贴到 Word
• 检索结果来自第三方数据库，案例的完整性和准确性以数据库为准
• API Token 是你的个人凭证，请勿提交到公开仓库