AGENT SKILL
legal-case-validator-mctmilk
用真实案例验证法条分析结果,分析司法实践中的裁判分歧、高频败诉原因和法官审查重点。AI生成的分析必须用真实案例验证。当用户想检验法条分析是否符合司法实践时使用。
- License 许可
- MIT
- 最近更新
- 2026-06-10
- Stars
- ★ 3
- Forks
- 0
01 前言 Front Matter
- name
- legal-case-validator-mctmilk
- description
- 用真实案例验证法条分析结果,分析司法实践中的裁判分歧、高频败诉原因和法官审查重点。AI生成的分析必须用真实案例验证。当用户想检验法条分析是否符合司法实践时使用。
03 SKILL.md 正文
类案检索与验证 (Legal Case Validator)
触发场景
- 用户说"这个法条在实践中怎么用"、"类案检索"、"验证分析"
- 用户担心AI分析不符合司法实践
- 用户想知道法官在审理这类案件时的关注重点
核心提示词
请针对【法条编号】,帮我分析该条在司法实践中的适用情况:
1. 典型适用场景:该条最常见的3类案件类型是什么?
2. 裁判分歧:实务中对该条的适用是否存在裁判分歧?主要分歧点是什么?
3. 指导性案例:是否有最高法指导性案例涉及该条?裁判要旨是什么?
4. 高频败诉原因:当事人援引该条但败诉的最常见原因是什么?(至少3个)
5. 法官审查重点:法官在审查该条适用时,最关注哪几个点?
6. 实务操作建议:基于以上分析,在实务中运用该条应注意的要点清单
⚠️ 重要铁律
AI生成的案例信息,务必去以下数据库交叉验证:
- 中国裁判文书网
- 北大法宝
- 法信
AI可能生成看起来真实的案号和裁判要旨,但它们可能根本不存在。逢案必验,是底线。
输出要求
- 典型案件类型:3类最常见场景
- 裁判分歧点:说明分歧原因和各自裁判观点
- 高频败诉原因:至少3个,要具体
- 法官审查重点:给用户实务操作建议
注意事项
- 这一步是验证,不是替代判例研究
- AI可以提供分析框架,但真实案例必须自己去数据库核实
- 如果找到裁判分歧,这也是庭前准备的重要方向
04 同仓库更多 Skills
youtube-content
YouTube transcripts to summaries, threads, blogs.
★ 3
xurl
X/Twitter via xurl CLI: post, search, DM, media, v2 API.
★ 3
touchdesigner-mcp
Control a running TouchDesigner instance via twozero MCP — create operators, set parameters, wire connections, execute Python, build real-time visuals. 36 native tools.
★ 3
test-driven-development
TDD: enforce RED-GREEN-REFACTOR, tests before code.
★ 3
teams-meeting-pipeline
Operate the Teams meeting summary pipeline via Hermes CLI — summarize meetings, inspect pipeline status, replay jobs, manage Microsoft Graph subscriptions.
★ 3
systematic-debugging
4-phase root cause debugging: understand bugs before fixing.
★ 3