法律事务处理的标准RAG(检索增强生成)策略与完整流程。包含:①并行检索策略(北大法宝+IMA知识库)②标准流程(问题识别→RAG检索→Legal技能分析→输出)③北大法宝MCP工具完整映射 ④输出格式规范(法律依据/分析/风险评估/建议/免责)。适用法规查询、案例分析、合同审查、法律风险分析。
柳叶·法律智能检索-策略&流程&工具映射&输出规范
功能概述
柳叶·法律智能检索-策略&流程&工具映射&输出规范是一项面向实际任务的技能,主要用于本技能提供法律事务处理的标准RAG(检索增强生成)流程,确保法律问题处理时优先使用最新法律信息,因为 法律时刻在变化;前置要求(用户必读);
核心要点
- 本技能需配合北大法宝 MCP 服务使用;
- 使用者需完成以下准备:;
- 申请北大法宝账户 :访问 https://mcp.pkulaw.com/docs 注册账户;
使用与执行
申请北大法宝 MCP Token :登。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
柳叶·法律智能检索-策略&流程&工具映射&输出规范
概述
本技能提供法律事务处理的标准RAG(检索增强生成)流程,确保法律问题处理时优先使用最新法律信息,因为法律时刻在变化。
前置要求(用户必读)
本技能需配合北大法宝 MCP 服务使用。
使用者需完成以下准备:
- 申请北大法宝账户:访问
https://mcp.pkulaw.com/docs注册账户 - 申请北大法宝 MCP Token:登录账户后,在应用详情页点击「生成 Token 认证」获取访问令牌
- 配置 MCP:将 Token 填入
~/.workbuddy/mcp.json配置文件(参见下方「北大法宝 MCP 配置说明」)
✅ 北大法宝已开放 MCP 服务,可直接申请使用。 🔍 后期可跟踪新的其他法律 MCP(如法信、裁判文书网、案例库、ChatLaw 等),本技能将适时纳入。
核心原则
RAG优先:所有法律问题必须首先考虑RAG检索,而非仅依赖模型训练数据。
工具名验证:每次调用MCP工具前,建议先用 ToolSearch 验证工具名是否存在,避免因MCP服务器配置变化导致调用失败。
标准工作流程
第一步:问题识别
识别用户法律问题的类型:
问题类型分类
- 法规查询:查找特定法条、法规、司法解释
- 案例分析:查找相似案例、判例、裁判要旨
- 合同审查:合同条款风险分析、条款合规性
- 法律风险分析:行为合法性、合规评估
- 法律文书起草:诉状、合同、法律意见书
IMA知识库作为通用辅助来源:所有法律问题,在北大法宝检索之外,均建议并行检索IMA知识库,作为补充参考。不限于"内部制度"类问题。
北大法宝 MCP 配置说明(用户必读)
本技能依赖 北大法宝 MCP 服务提供权威法律检索能力。使用者需自行申请并配置 Token,请勿将个人 Token 上传至公开平台。
第一步:获取北大法宝 Token
- 百度搜索「北大法宝 MCP」进入官方网站,或直接访问:
https://mcp.pkulaw.com/docs - 进入应用详情页,点击 「生成 Token 认证」
- 配置回调地址(测试环境可填写
*) - 点击 「生成访问令牌」,获取
Access Token - 在 API 请求头中使用:
Authorization: Bearer YOUR_TOKEN
⚠️ 安全提示:Token 仅自己可见,切勿写入代码或上传至公开仓库。
第二步:配置 ~/.workbuddy/mcp.json
将获取的 Token 填入 MCP 配置文件(每个北大法宝工具共用同一 Token):
{
"mcpServers": {
"pkulaw-search": {
"url": "https://apim-gateway.pkulaw.com/assistant/mcp-pkulaw-search",
"headers": {
"Content-Type": "application/json",
"Authorization": "Bearer 你的Token"
},
"disabled": false
}
}
}
💡 完整工具列表及 URL 参见北大法宝官方文档,上述为示例配置。
Token 重新生成
若怀疑 Token 泄露,登录北大法宝官网 → 应用详情页 → 重新生成 Token,旧 Token 立即失效。
第二步:RAG检索(必须执行)
所有法律问题,均执行「北大法宝 + IMA知识库」并行检索。
策略说明:北大法宝提供权威公域法律依据,IMA知识库提供个性化补充(个人笔记、历史案例、法律订阅内容)。 两者互相补充,不互斥。
每次调用前,建议先用 ToolSearch 验证工具是否存在。
并行检索:北大法宝(Peking University Law)
中国权威法律数据库,公域法律问题首选。
MCP工具扩展备注(2026-05-03): 目前检索到的相对权威的开放MCP工具是北大法宝。 后期若法信、裁判文书网、案例库、ChatLaw对个人开放MCP接口, 应评估并考虑将其纳入本策略的MCP工具列表。
工具映射(已验证):
| 工具名 | 功能 | 适用场景 |
|---|---|---|
mcp__pkulaw-search__ai_pkulaw_search |
综合智能语义检索(推荐首选) | 自然语言提问,自动路由到法规/案例/文章 |
mcp__pkulaw-law-search__search_article |
法规语义检索 | 已知大概方向,精确检索法条 |
mcp__pkulaw-law-search__get_article |
按法规标题+条号获取法条内容 | 已知法规名称和条号,精确获取 |
mcp__pkulaw-mcp-law__get_law_list |
法规列表查询(按标题/正文关键词) | 探索某领域有哪些相关法规 |
mcp__pkulaw-case-search-service__search_case |
司法案例智能语义检索 | 查找相似案例、裁判要旨 |
mcp__pkulaw-mcp-case__get_case_list |
案例列表查询(按标题/正文关键词) | 探索某纠纷类型有哪些案例 |
mcp__pkulaw-law-recognition__law_recognition |
法规名称识别与标准化 | 用户提到法规但名称不标准时 |
mcp__pkulaw-case-number-recognition__anhao_recognition |
案号识别与标准化 | 用户提供了案号,需要标准化并获取案例信息 |
mcp__pkulaw-fatiao__get_law_item_content |
按法规标题+条号获取法条内容 | 已知法规名称和条号(数字参数) |
mcp__pkulaw-citation-validator__adjust_provisions |
法条引用校验与调整 | 验证法条引用是否准确、有效 |
调用策略:
- 用户用自然语言提问 → 优先用
ai_pkulaw_search(最智能,自动路由) - 用户明确提到法条/法规名称 → 用
get_article或get_law_item_content精确获取 - 用户提到案例或纠纷类型 → 用
search_case或get_case_list - 用户提到案号 → 用
anhao_recognition先识别标准化,再获取案例
并行检索:IMA知识库(通用辅助来源)
用户个人/团队法律知识库,所有法律问题均建议检索,作为北大法宝的补充参考。
IMA知识库内容来源(重要): IMA知识库的内容来自两个渠道:
- 用户自行上传的文件(合同模板、历史案例、个人法律笔记、团队制度文档等)
- IMA发现中的法律订阅(订阅的法律资讯、法规更新、司法解释动态等,自动同步入知识库) 两者共同构成个性化法律参考库,与北大法宝的公域权威数据互为补充。
工具调用:
- 调用
Skill工具,传入skill: "ima-skill"或skill: "腾讯ima:knowledge-base" - 在IMA知识库中搜索相关法律文档、合同模板、历史案例、订阅资讯
适用场景(不限内部制度):
- 内部公司规章制度查询(如劳动法场景下的公司规章)
- 历史合同模板检索
- 团队积累的法律知识和备忘录
- 个人法律学习笔记
- IMA发现订阅的法律资讯、法规更新(已同步入知识库)
- 任何希望在个人知识库中补充参考材料的法律问题
IMA知识库扩充建议(2026-05-03): 建议持续使用 IMA发现 中的法律订阅功能, 将订阅内容同步入IMA知识库,丰富日常法律参考的快速知识库。 例如:劳动法法规更新订阅、司法解释订阅等。
检索失败降级处理(重要)
| 场景 | 处理方式 |
|---|---|
| 北大法宝无结果,IMA有结果 | 以IMA结果为主输出,注明来源为个人知识库 |
| IMA无结果,北大法宝有结果 | 以北大法宝结果为主输出,注明来源为公开法律数据库 |
| 两者均无结果 | 明确告知用户当前无法通过RAG检索到相关信息,建议用户:①提供更具体的关键词 ②确认问题表述是否准确 ③咨询专业律师 |
| MCP工具调用失败 | 用 ToolSearch 重新验证工具名,或提示用户检查MCP服务器连接状态 |
第三步:Legal技能分析
在RAG检索完成后,加载 Legal技能 进行专业分析。根据问题类型选择合适的Legal技能:
| 问题类型 | 推荐技能 | 技能名 |
|---|---|---|
| 综合法律分析 | 柳叶-法律问题框架主策略 | 当前技能(已加载) |
| 合同风险审查 | 合同风险审查 | contract-risk-reviewer |
| 法律概念深度解析(如"合理期限") | 法律概念深度解析 | legal-concept-deep-dive-mctmilk |
| 劳动/消费者/租赁/交通纠纷 | 法律咨询模板生成 | Legal |
| 诉讼案件分析 | 顶级诉讼律师分析 | 法律 |
| 法条/案例RAG检索 | 柳叶法律检索技能 | 柳叶的法律检索技能 |
分析维度(必须覆盖):
- 问题识别与法律要点提取
- 管辖权分析(哪个法院/仲裁机构有权处理)
- 法律依据梳理(检索到的法条/案例)
- 风险评估(法律后果、胜诉概率、执行难度)
- 可执行的结论与建议(具体行动步骤)
法律垂直模型深层分析(可选)
对于复杂案件,在RAG检索和Legal技能分析之后,可调用法律垂直模型进行更深入的分析。
垂直模型备注(2026-05-03): 目前可用 北大法宝 提供的垂直模型能力。 后期若其他法律垂直模型(如法信、ChatLaw等)开放接口, 可评估并选用其他模型。
适用场景:
- 复杂案件的多角度分析
- 法律文书的专业起草(诉状、合同、法律意见书)
- 判例推理与类案比对
- 法律风险的深度评估
第四步:输出格式规范
所有法律问题的回答必须按照以下格式输出:
## 法律依据 (列出检索到的法条/案例,附来源链接) ## 案情分析 (基于事实和法律的推理过程) ## 风险评估 - 法律后果:... - 胜诉/合规概率:高/中/低 - 执行难度:高/中/低 ## 可操作建议 1. ... 2. ... 3. ... ## 免责声明 以上内容基于AI检索和分析,不构成正式法律意见,复杂或重大案件建议咨询专业律师。
工具调用优先级总结
法律问题触发
↓
并行执行(不分优先/次要):
├── 北大法宝 RAG 检索(公域法律依据)
└── IMA 知识库检索(个性化补充参考)
↓
检索失败?→ 执行"降级处理"(见上文)
↓
加载合适的 Legal 技能 进行专业分析
↓
(复杂案件)法律垂直模型深层分析
↓
按"输出格式规范"输出回答
注意事项
- 永远优先RAG:不要仅依赖模型训练数据回答法律问题。法律在持续修订,模型知识有截止日期。
- 工具调用前验证:MCP工具名可能因服务器配置变化而失效,调用前用
ToolSearch验证。 - 结果验证:RAG检索结果需要与用户问题比对,确保相关性和准确性。如果检索结果明显不相关,应告知用户并建议重新表述问题。
- 公私法源不混淆:北大法宝的结果是公开法律依据;IMA知识库的结果是内部资料,两者效力不同,回答时需注明来源性质。
- 动态技能加载:如果现有技能无法满足需求,使用
Skill工具的find-skills命令搜索其他法律技能。 - 免责声明:所有法律分析输出必须附带免责声明,明确AI分析不构成正式法律意见。
更新日志
参见 CHANGELOG.md
免责声明
重要提示:使用本技能前,请务必阅读并理解以下免责声明。
【特别声明】 本技能系由 WorkBuddy 环境产生,鉴于大模型及 Agent 在现阶段的局限性(包括图片示例也由模型自动产生),故难免有错漏之处,该错漏之处非技能发布人所能控制,故请使用者在使用时严加注意和甄别,技能发布者不承担错漏或 AI 幻觉或 AI 本身或第三方 MCP 服务等所导致的任何责任,特此声明。
【非法律意见】 本技能所有输出(包括但不限于法规检索结果、案例分析、合同审查意见、风险评估、可操作建议等)均基于 AI 检索与分析生成,不构成正式法律意见、律师意见或具有法律约束力的专业建议。
【务必咨询专业律师】 涉及重大利益的法律事务(如刑事诉讼、大额合同纠纷、劳动争议仲裁、婚姻财产分割等),用户务必咨询持有执业资格的律师,本技能不可替代专业法律服务。
【无律师-客户关系】 使用本技能不构成律师与客户之间的关系,技能作者/提供者不承担律师法上的勤勉义务与保密义务。
【第三方数据免责】 本技能依赖北大法宝 MCP 等第三方服务提供的法律数据,数据的准确性、完整性、时效性由数据提供方负责。若因第三方数据错误或滞后导致用户损失,技能作者不承担责任。
【AI幻觉风险】 尽管本技能采用 RAG(检索增强生成)机制优先使用最新法律信息,AI 仍可能产生事实错误或"幻觉",用户务必对关键法条和案例进行独立核实。
【用户自行承担风险】 用户根据本技能输出内容所采取的任何行动或不行动,其后果均由用户自行承担。技能作者不对任何直接或间接损失承担责任。
【管辖法律限制】 本技能主要面向中华人民共和国(中国大陆)法律场景设计,其他司法管辖区的法律问题可能不适用,输出内容不应作为该等司法管辖区法律事务的依据。
【技能依赖说明】 本技能需用户自行申请并配置北大法宝 MCP Token,因 Token 配置错误、过期或北大法宝服务不可用导致技能无法正常使用,技能作者不承担责任。
继续使用本技能,即表示您已阅读并同意上述免责声明的全部条款。
版权所有 © 2026 柳叶(发布方)。保留所有权利。 本技能受著作权法保护,未经授权不得复制、修改、分发或用于商业用途(MIT-0 许可证允许的使用情形除外)。
更新日志
热门AI工具
相关专题
本专题汇总了Uvicorn服务器常见问题与报错解决的教程合集,涵盖启动失败、端口占用、模块导入错误、事件循环冲突及热重载失效等典型故障的排查思路。同时整理了多进程与Worker配置、SSL/HTTPS证书报错、跨域与代理配置等实战解决方案,助你快速定位并解决Uvicorn运行中的各类问题。
0
2026.11.02
本专题汇总了Uvicorn使用教程与启动运行指南,涵盖其作为Python ASGI服务器的定位与特点,以及命令行启动(uvicorn main:app --reload)、参数配置(host/port/workers)、程序内嵌运行与Gunicorn结合部署等核心用法。同时整理了热重载调试、日志配置与生产环境部署优化等技巧,助你快速掌握Uvicorn的运行与配置。
0
2026.11.02
本专题汇总了Uvicorn的安装配置教程与部署指南,涵盖通过pip安装Uvicorn、启动FastAPI/Starlette应用、开发模式热重载(--reload)及多进程工作模式配置等核心操作。同时整理了结合Gunicorn的生产部署方案、HTTPS与反向代理配置及性能调优技巧,助你快速完成Uvicorn服务的安装与上线部署。
0
2026.11.02
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章,帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章,帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章,帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.7万人学习
共6课时 | 54.7万人学习
最新文章