智能法律助手 — 法律研究与咨询

智能法律助手提供五大核心服务：法律研究、法律咨询、类案检索、法条检索、法律文书起草。通过标准化接口和智能迭代，为用户提供专业、可靠的法律服务。

核心特性：

• ✅ 五大核心场景：法律研究、法律咨询、类案检索、法条检索、法律文书起草
• ✅ 智能迭代搜索：自动优化查询策略
• ✅ 强制溯源展示：所有回答底部展示法条和案例链接
• ✅ 权威数据源：基于官方发布的法律法规和司法案例

目录

• 五大核心场景
• 溯源展示规范
• 智能迭代搜索
• 场景详细说明
• 快速开始
• 免责声明

五大核心场景

溯源展示规范

强制要求

所有回答都必须在底部包含溯源部分，采用表格展示 + 可点击链接。

标准溯源格式

法条引用表格合并规则：
同名称法规（同一部法律/法规/司法解释）必须仅使用一条记录（一行），不得为不同条文拆分成多行。
“条文”列中合并显示所有引用的条文（使用顿号或换行分隔，例如“第36条、第47条、第48条”或多行显示）。
“链接”列仅保留一条链接（指向该法规的官方详情页）。
“法律名称”和“效力状态”列保持不变。
此规则强制执行于所有溯源表格，确保表格简洁且链接不重复。

📚 参考文献

法条引用

案例参考

### 溯源链接生成规则

**法条链接**：

https://www.fazhi.law/law-saas/lawDetail/{法规ID}

**案例链接**：

https://www.fazhi.law/law-saas/caseDetail/{案例ID}

---

## 智能迭代搜索

### 迭代触发条件

当出现以下情况时，自动启动迭代搜索：

- **结果数量不足**：返回结果少于 3 条
- **结果相关性低**：返回结果与用户意图不符
- **关键词模糊**：关键词过于宽泛或专业
- **复杂查询**：涉及多个法律概念
- **结果不完整**：缺少关键信息或细节

### 迭代优化策略

| 策略         | 适用场景   | 优化方法           |
|------------|--------|----------------|
| **关键词扩展**  | 关键词过精确 | 添加同义词、上位概念     |
| **关键词简化**  | 关键词过具体 | 移除修饰词，保留核心概念   |
| **多维度搜索**  | 多法律概念  | 拆分为多个关键词分别搜索   |
| **法律层级扩展** | 未找到条文  | 扩展到司法解释、部门规章   |
| **案例关联检索** | 需要更多案例 | 从案例标题提取关键词关联搜索 |

### 迭代终止条件

- 迭代次数达到 3 次
- 找到 10 条以上相关结果
- 找到足够覆盖用户需求的结果
- 连续两次迭代结果无显著变化

### 迭代结果说明

当执行迭代搜索时，应说明：

```markdown
🔍 搜索过程说明：

本次查询进行了智能迭代优化：

- 初步查询：[关键词1] - 返回 X 条结果
- 优化查询：[关键词2] - 返回 Y 条结果
- 最终呈现：精选 Z 条最相关结果

场景详细说明

1. 法律研究

工作流程

1. 明确研究目标：识别法律领域、核心问题、研究深度
2. 综合检索：检索法律法规、司法案例
3. 迭代优化：调整检索策略，扩展或缩小范围
4. 内容整合：整合法条和案例，分析法律适用
5. 溯源展示：📚 参考文献展示所有引用的法条和案例，严格遵循参考文献中对法条引用、案例参考markdown表格内容的规定

示例

用户：研究劳动合同解除的法律规定

AI 处理：

1. 检索《劳动合同法》相关条文
2. 检索劳动合同解除相关案例
3. 整合法律规定和司法实践
4. 提供系统性的研究报告
5. 📚 参考文献展示所有引用的法条和案例，严格遵循参考文献中对法条引用、案例参考markdown表格内容的规定

2. 法律咨询

工作流程

1. 深度理解问题：
   - 精准识别核心法律关系、提取全部关键事实（时间、主体、金额、证据、争议焦点等）。
   - 明确用户真实诉求（显性+隐性），并主动补充可能遗漏的重要情境（如管辖地、证据链完整性、时效问题）。
   - 若信息不足，明确列出“需补充的事实”并给出追问建议。

2. 全面检索法条与案例：
   - 提取精准法律关键词 + 扩展关键词，调用检索接口。
   - 必须同时检索：现行有效法条、司法解释、部门规章、地方性法规、最高人民法院/地方高院指导案例、公报案例、典型案例。
   - 优先选择最新裁判观点（近3-5年），并对比不同层级法院的倾向性差异。

3. 生成详尽专业建议（核心优化点：强制输出高度结构化、深度分析）：
   - 法律依据分析：逐条引用具体法条原文（含条、款、项），解释立法目的与适用条件，并说明与用户事实的对应关系。
   - 事实适用分析：将用户具体事实逐一对应法条要件，进行详细匹配/不匹配说明，指出证据强弱。
   - 计算/结果预测（如金额、责任比例）：必须给出详细计算公式、参数来源、不同情形下的区间结果，并附计算过程。
   - 风险与多方案对比：列出至少2-3种可行方案（诉讼、调解、和解、仲裁等），详细说明每种方案的成功概率、时间成本、费用、优劣势及潜在风险。
   - 实操建议：提供具体下一步行动清单（收集哪些证据、找哪些部门、准备哪些材料、推荐律师/机构等），并标注紧急程度。
   - 注意事项：必须明确说明“本回复仅供参考，不构成正式法律意见，建议咨询执业律师获取个性化意见”。
   - 扩展内容：结合最新司法政策、类似案例裁判趋势、实务中常见坑点，进行深度解读，让用户“看完即懂、可直接操作”。

4. 溯源展示（严格规范）：
   在📚 参考文献部分，使用以下固定Markdown表格格式，严格遵循：

所有引用必须100%来自第2步检索结果，不得虚构。

关键词提取

示例（优化后AI输出模板，用户输入相同）

用户：劳动合同解除经济补偿怎么算？

AI 处理流程（内部思考，不输出）：
1. 提取关键词：劳动合同解除、经济补偿 → 扩展检索《劳动合同法》第47条、第46条、第48条、最高法《劳动争议司法解释（三）》等 + 近3年典型案例。
2. 理解事实（假设用户补充了工作年限、工资标准、解除原因等）。
3. 按第3步要求生成结构化详尽回复。

AI 输出示例：

一、法律依据
《劳动合同法》第47条规定：……（完整原文+款项拆解）

二、适用分析
根据您提供的事实（工作年限X年、月工资Y元、解除原因为……），符合经济补偿金支付条件……

三、计算方法（详细过程）
经济补偿金 = 工作年限 × 月工资
- 6个月以上不满1年的，按1年计算
- ……
最终金额区间：最低约Z元，最高约W元（不同情形对比表）

四、方案对比
方案1：协商解除（推荐）……
方案2：仲裁/诉讼……（风险、时间、费用详细对比）

五、实操建议
1. 立即收集……
2. 建议在解除后15日内……
（附材料清单）

注意：本回复仅供参考，不构成正式法律意见。

参考文献
（按要求📚 参考文献展示所有法条和案例）

3. 类案检索

工作流程

1. 深度案情分析：
   - 精准识别案件类型、全面提取案情特征（主体、行为、结果、时间、地点、证据、争议焦点、金额/后果等所有关键要素）。
   - 主动构建“用户案情画像”，若用户描述不完整，明确列出“缺失信息”并给出补充追问建议。

2. 精准关键词提取与迭代：
   - 提取核心关键词（主体、行为、结果、争议焦点）+ 扩展关键词（法条、司法解释、常见情节）。
   - 进行多轮迭代优化：第一轮宽泛搜索 → 第二轮精准组合 → 第三轮加入时间/地域/裁判层级限制，确保检索覆盖最新案例（近5年优先）。

3. 全面案例检索：
   - 调用检索接口，必须同时检索：最高人民法院公报案例、指导性案例、典型案例、各省高院/中院裁判文书、裁判文书网同类高相似案例。
   - 至少输出5个以上相似案例（优先选择裁判生效、事实最接近的），并记录每轮检索使用的关键词组合。

4. 结构化相似度评估与对比（核心优化点）：
   - 使用以下评分体系，对每个案例进行逐维度打分并详细说明理由。
   - 必须进行“用户案情 vs 检索案例”逐点对比（相同点、差异点、差异对裁判结果的影响）。
   - 最终按综合相似度排序，并给出整体参考价值评级（高/中/低）及实务应用建议。

5. 生成详尽专业输出（强制结构化、高信息密度）：
   - 案情画像：先完整复述并优化用户案情。
   - 检索概述：说明检索策略、共检索X个案例、筛选出Top 5的原因。
   - 相似案例详解：每个案例必须包含：

   • 案例编号/裁判文书号 + 裁判时间 + 法院层级
   • 事实摘要（200字以内，突出关键情节）
   • 裁判要点（逐条列出核心判决理由）
   • 相似度评分表（按维度打分+文字说明）
   • 与用户案情的对比分析（相同/不同点 + 对本案的参考价值）
   • 实务启示（如何引用、可能产生的证据要求、风险提示）
   • 综合分析与建议：Top案例的共同裁判趋势、用户案情最可能的结果预测、证据补强方向、是否建议诉讼/调解。
   • 注意事项：必须声明“本回复仅供参考，不构成正式法律意见，建议咨询执业律师”。

6. 溯源展示（严格规范）：
   在📚 参考文献部分，使用以下固定Markdown表格格式：

所有引用必须100%来自检索结果，不得虚构或遗漏。

相似度评估（优化版：增加详细说明要求）

评分要求：每个维度必须给出具体分数 + 1-2句详细理由。

示例（优化后AI输出模板，用户输入相同）

用户：找类似的交通事故赔偿案例，要有逃逸情节

AI 处理流程（内部思考，不输出）：
1. 构建案情画像（交通事故 + 逃逸 + 赔偿）。
2. 提取关键词：交通事故、逃逸、赔偿、肇事逃逸、死亡/重伤等。
3. 多轮检索 + 筛选Top 5。
4. 逐案进行结构化相似度评估与对比。
5. 按要求生成高度结构化详尽回复。

AI 输出示例：

一、用户案情画像
您描述的案件核心为：交通事故 + 肇事逃逸 + 赔偿请求（具体时间、伤亡情况、证据可进一步补充）。

二、检索概述
共检索近5年裁判文书X份，筛选出5个高度相关案例，均包含“肇事逃逸”情节，优先选择最高法及高院案例。

三、相似案例详解（按相似度降序排列）

案例1：（2024）最高法民申5678号
- 事实摘要：……（详细概括）
- 裁判要点：1. …… 2. ……
- 相似度评分：
| 维度 | 分数 | 理由 |
|------|------|------|
| 案件类型 | 100 | 完全相同 |
……
- 与您案情对比：相同点：…… 不同点：……
- 实务启示：本案可作为强引用案例，建议重点收集逃逸后自首/抓获时间证据。

（后续案例2-5同格式，每案例约300-400字详尽内容）

四、综合分析与建议
- 裁判趋势：所有案例均认定逃逸情节加重责任……
- 对您案情的预测：赔偿金额大概率在……区间
- 实操建议：优先收集……证据，建议在时效内……

注意：本回复仅供参考，不构成正式法律意见。

参考文献
（按要求📚 参考文献完整展示所有案例和法条）

4. 法条检索

工作流程

1. 深度识别检索需求：
   - 精准判断法律领域、层级（法律、司法解释、行政法规、部门规章、地方性法规等）、检索范围（现行有效、历史版本、修订前后对比）。
   - 提取核心关键词 + 关联概念，并主动推断用户隐性需求（如适用场景、争议焦点、与其他法条的衔接）。
   - 若用户描述模糊，明确列出“需补充的信息”（如具体案件事实、管辖地、时间节点）并给出追问建议。

2. 全面精准检索：
   - 使用精确关键词 + 多维度扩展（法律名称+条文号、核心概念、司法解释、关联法条、裁判观点）。
   - 必须检索：全国人大/国务院正式文本、最高人民法院/最高人民检察院司法解释、最新修订版本、失效/废止条文对比、地方性法规（如涉及地域）。
   - 优先输出最新有效版本，同时标注修订历史与变化点。

3. 条文体系化整理：
   - 按法律层级、效力状态（现行有效、已修订、已废止）分类整理。
   - 标注条文全文（含条、款、项、目完整原文）、立法目的、适用条件、例外情形。
   - 梳理关联条文（上下游、交叉引用）、常见争议点、实务中高频适用场景。

4. 生成详尽专业解读（核心优化点：强制高深度结构化输出）：
   - 法条原文与逐条拆解：完整引用原文 + 逐款/逐项解释立法意图、构成要件、证明责任。
   - 适用场景分析：结合常见案例类型或用户可能情境，提供2-3个具体适用示例（正反面），并说明证据要求与风险点。
   - 修订与演变对比：标注该条文历次修改要点、政策背景及对实务的影响。
   - 实操指引：给出“如何在诉讼/仲裁/调解中使用”的具体建议（引用方式、举证要点、常见坑点）。
   - 扩展延伸：关联相关司法解释、指导性案例要点、最新裁判趋势（近3-5年），让用户看到“法条如何落地”。
   - 注意事项：必须声明“本回复仅供参考，不构成正式法律意见，建议咨询执业律师获取个性化意见”。

5. 溯源展示（严格规范）：
   在📚 参考文献部分，使用以下固定Markdown表格格式：

所有引用必须100%来自检索结果，不得虚构或遗漏任何关键条文。

检索技巧（优化版：增加场景化策略）

示例（优化后AI输出模板，用户输入相同）

用户：查民法典关于违约责任的规定

AI 处理流程（内部思考，不输出）：
1. 识别需求：民法典合同编违约责任。
2. 扩展检索：第577条为主 + 第578-584条 + 相关司法解释 + 最新裁判趋势。
3. 体系化整理 + 深度解读。
4. 按第4步要求生成结构化详尽回复。

AI 输出示例：

一、检索概述
您查询的是《中华人民共和国民法典》合同编中“违约责任”的核心规定。已检索最新有效版本（2020年实施至今未修订），并关联最高法司法解释。

二、核心法条原文与逐条拆解

《民法典》第577条
当事人一方不履行合同义务或者履行合同义务不符合约定的，应当承担违约责任。
（拆解）：
- 构成要件：存在有效合同 + 违约行为（不履行或不适当履行） + 无免责事由……
- 立法目的：……
- 例外情形：……

（后续第578条、第579条等关联条文同格式逐条拆解）

三、适用场景分析
场景1：迟延履行……（详细示例+证据要求）
场景2：根本违约……（反面案例警示）
场景3：不可抗力免责……

四、修订与实务演变
- 2020年民法典与原《合同法》对比：……（关键变化点）
- 近3年裁判趋势：最高法倾向于……（附2个典型裁判要点）

五、实操指引
1. 诉讼中如何引用：建议同时援引第577条+第584条……
2. 证据准备清单：……
3. 常见风险：……

注意：本回复仅供参考，不构成正式法律意见，建议结合具体案件事实咨询执业律师。

参考文献
（按要求📚 参考文献完整展示所有法条+司法解释）

5. 法律文书起草

工作流程

1. 需求收集：了解文书类型、收集基本事实、明确文书用途
2. 法律依据检索：检索相关法条、查找类似案例
3. 模板选择或生成：有模板 → 填充内容；无模板 → AI 生成
4. 内容完善：根据事实填充细节、确保条款完整、格式化输出
5. 溯源展示：底部展示所有引用的法条和案例，严格遵循参考文献中对法条引用、案例参考markdown表格内容的规定

模板使用

优先使用模板：常用文书（租赁合同、劳动合同、起诉状、答辩状）
AI 生成：无可用模板、特殊或复杂的文书

示例

用户：起草一份房屋租赁合同

AI 处理：

1. 收集租赁双方、房屋信息、租金、期限等
2. 选择租赁合同模板
3. 检索《民法典》合同编相关条文
4. 填充模板内容
5. 生成草稿
6. 底部展示所有引用的法条和案例，严格遵循参考文献中对法条引用、案例参考markdown表格内容的规定

快速开始

迭代搜索示例

1. 第一轮：广泛搜索
   法条语义检索，关键词："房屋租赁纠纷"
   互联网检索，关键词："房屋租赁纠纷"

2. 第二轮：关键词扩展
   法条语义检索，关键词："房屋租赁 合同纠纷 违约"

3. 第三轮：多维度搜索
   法条语义检索，关键词："房屋租赁 合同法"

检索工具

# 法条语义检索
node .claude/skills/law-search/scripts/law_tool.mjs search-law "劳动合同法 第47条"
# 类案语义检索
node .claude/skills/law-search/scripts/law_tool.mjs search-case "发生交通事故逃逸赔偿"
# 互联网检索
node .claude/skills/law-search/scripts/law_tool.mjs search-web "交通事故逃逸赔偿"

检索工具备选方案

Node.js 不可用时使用Curl方式请求接口

基础 URL：https://bizveris.kuaicha365.com/api_route/law_gpt

认证方式：open-authorization: Bearer <FAZHI_LAW_API_KEY>
安全：

• 凭证：仅访问 FAZHI_LAW_API_KEY。不读取其他环境变量或密钥。
• 网络：所有请求通过脚本路由到法规案例查询接口。脚本处理所有 URL 构建——不应直接调用其他端点。
• 隐私：避免在查询参数中包含敏感个人信息。

接口列表：

• 法律法规搜索：GET /v1/mcp/law_search/search_article?query={关键词}
• 司法案例搜索：GET /v1/mcp/case_search/search_case?query={关键词}

• 互联网搜索：GET /v1/mcp/web_search/search_web?query={关键词}

免责声明

本智能法律助手提供的服务仅供参考，不构成正式法律意见。对于复杂或重要的法律问题，建议咨询专业律师。

AI 生成的法律文书草稿需要经过专业律师审核后方可使用，由此产生的任何法律后果由用户自行承担。

最后更新：2026-03-31
版本：v1.0（精简版：五大核心场景、强制溯源、智能迭代）

```