cat-xierluo/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：

| 字段 | 用途 | |------|------| | files.*.content_hash | 文件内容指纹，变化时触发重新提取 | | files.*.status | active / archived，归档后跳过扫描 | | projects.*.source_files | 同一项目的多份沟通记录，合并输出 | | projects.*.status | active / archived，项目归档后锁定 | | archived.* | 记录已移走的路径，防止重复扫描 |

增量扫描逻辑：

文件夹类型判断（用于识别归档与活动项目）：

| 命名模式 | 类型 | 处理方式 | |----------|------|----------| | 纯数字 / 日期区间（如 24、25 01-06、26 01-06） | 归档容器 | 深度扫描内部子文件夹 | | 日期+姓名（如 260323 张美金...、260404 顾忆芬...） | 直接项目 | 直接扫描该文件夹 | | 其他 | 项目 | 直接扫描该文件夹 |

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