# Employment Law Research

> 在联邦、州和市辖区范围内研究美国雇佣法主题，并产出带适当来源归因的结构化研究笔记。当用户询问美国雇佣法律、法规或待决立法时，任何情况下都使用本 skill——从单一辖区问题到 50 州综述。触发短语包括"research [employment law topic]"、"what are the laws on [employment topic]"、"state-by-state [employment topic]"、"help me understand [topic] across the US"，或任何在另一交付物之前要求法律全景概览的提示。如果最终产出是仪表盘，务必在 employment-law-dashboard skill 之前运行本 skill。输出是一份区分基础来源（法律、法规、机构指引）与次级来源（律所提醒、跟踪组织）的结构化研究笔记。

- Skill: `cslawyer1985/employment-law-research` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add cslawyer1985/employment-law-research`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cslawyer1985/employment-law-research/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: cslawyer1985 (https://skillmd.com/u/cslawyer1985)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/cslawyer1985/employment-law-research

---


# 美国雇佣法研究

本 skill 产出一份关于美国雇佣法特定领域的结构化研究简报。该笔记是下游工作的输入，如构建仪表盘、撰写备忘录或向利益相关方汇报。该 skill 做的最重要的事，是强制实现基础来源主张（法律如此规定）与次级来源主张（Cooley 上周写了关于它的文章）之间的清晰分离。

假设受众是执业律师。

当用户仅需要研究时单独使用本 skill，或作为 `employment-law-dashboard` skill 之前的第一步使用。如果最终交付物是仪表盘，先完成本 skill 的工作流并保存研究笔记，再调用仪表盘 skill。

## 使用时机

每当用户要求对美国雇佣法主题进行研究、比较或全景概览时，本 skill 应触发。示例：
- "研究美国关于工作场所监控的法律现状。"
- "美国各地的薪酬透明度法律有哪些？"
- "帮我逐州了解竞业限制的执行情况。"
- "我需要一份全国范围内孕期合理便利要求的简报。"
- "为[雇佣法主题]做一个仪表盘" → 先运行本 skill，再运行仪表盘 skill。

## 工作流

### 1. 研究前明确范围

进行任何网络检索前，与用户锁定三件事：

1. **主题**——要具体。"AI 在招聘中"过于宽泛；"使用 AI 工具作出雇佣决定"可行。
2. **辖区范围**——联邦层面 + 哪些州？默认"联邦 + 州制度 + 主要城市（如纽约市、旧金山）的法律"，但需确认。
3. **时效窗口**——"近期"要多近？立法默认最近 12 个月，报道默认最近 6 个月。

对于仪表盘前置条件，通常可以直接从仪表盘请求继承范围，无需单独的澄清轮。

### 2. 阅读来源政策

检索前，阅读 `references/source-policies.md`。这是本 skill 承载性约束。它解释哪些类型的陈述只需基础来源，哪些可以使用信誉良好的次级来源。在研究过程中应用它，而非仅在撰写时——如果您发现自己为一项法定主张求助于次级来源，请回到基础来源。

### 3. 开展研究

使用可用的网络检索和抓取工具。按以下顺序覆盖各层面：

**a. 联邦层面**
- 关于该主题的任何联邦法律、法规或支配性判例。
- 近期联邦动态：行政命令、机构指引、待决立法、执法行动。
- 联邦法律的基础来源：uscode.house.gov 或 gpo.gov 上的《美国法典》。法规用 ecfr.gov 上的《联邦法规汇编》。机构指引用机构自身的 .gov 网站。

**b. 州和市已颁布法律**
- 识别最突出的已颁布制度（通常为 3-5 个）。
- 每项：官方法律引用、颁布法案编号、生效日期、执法机构、关键义务、关键除外条款。
- 获取基础来源：州立法机构网站、官方规则数据库、机构 .gov 域名上的指引页面。纽约市法律在 codelibrary.amlegal.com/codes/newyorkcity 和 rules.cityofnewyork.us。州法律在州立法机构网站（如 ilga.gov、leg.colorado.gov、capitol.texas.gov）。

**c. 待决法案**
- 有待决立法的州的近似数量。
- 最受关注的 2-3 项待决法案。
- 基础引用：州立法机构网站上法案的实际页面。跟踪器引用（用于数量）指向跟踪组织。

**d. 诉讼**

覆盖联邦层面和州内的诉讼。只纳入对格局有实质影响的案件。标准：就该主题提供建议的执业者是否需要知道此案？跳过常规诉讼。

值得纳入的案件：
- 已禁止、限缩或可能禁止范围内法律或法规的案件（如 FTC 竞业限制规则挑战）。
- 对有争议义务确立支配性先例的案件。
- 执业者正在跟踪的高关注待决案件（如 AI 招聘领域的 Mobley v. Workday）。
- 任何层级的联邦案件（地区、巡回、最高法院）和联邦机构裁决（FTC、EEOC、NLRB）。
- 影响范围内州法律的州级案件。

对每个案件记录：案件名称、法院、案卷号或引用、当前状态（待决、已决、上诉中、被禁止、已和解），以及一句话说明它对该法律的作用。

基础引用：链接到法院案卷页面、官方意见（CourtListener、PACER 或法院自身网站）或机构裁决页面。律所提醒对案件的报道属于第二类（Bucket B），应归于"近期报道"而非此处。

**e. 跨州跟踪器**
- 识别 2-4 个覆盖该主题的信誉良好的跟踪器。
- 强力候选：Littler、Bryan Cave Leighton Paisner、K&L Gates、Multistate.ai、Bloomberg Law、NCSL（注意——NCSL 自 2024 年以来对 AI 立法的更新可靠性下降；引用前先核验）。
- 记录：组织名称、跟踪器标题、URL、更新频率、该跟踪器有何用途的简要描述。

**f. 近期报道**
- 关于已颁布法律的 3-5 篇文章（优先最近 6 个月内）。
- 关于待决法案的 1-3 篇文章（优先最近 3 个月内）。
- 记录：来源名称（律所或出版物）、日期、标题、URL、一句话"为何值得一读"的框架。

### 4. 撰写时应用来源政策

对研究笔记中的每项陈述，按 `references/source-policies.md` 将其归类为第一类（仅基础来源）或第二类（欢迎次级来源）。拒绝任何缺少基础引用的第一类主张。如果找不到基础引用，那是一个信号，说明该主张错误、过于简化，或您混淆了两个制度。

常见失败模式：
- 为"该法律要求 X"的陈述引用律所摘要 → 通过回到法律本身来修正。
- 本意指已编入法典的法律却引用法案编号 → 对已颁布法律，优先法典化引用（如 "775 ILCS 5/2-102(L)"）而非法案（"HB 3773"）。
- 在承载性内容为公共法案/最终文本时，链接州立法机构的"法案页面" → 链接到公共法案/最终文本。

### 5. 产出研究笔记

将输出保存为单个 markdown 文件。使用此精确结构：

```markdown
# [主题]——美国雇佣法研究

**范围：** [主题、覆盖的辖区、时效窗口]
**摘要：** [主要发现的简要概述]
**编制日期：** [日期]

## 联邦层面
[法律 / 法规 / 行政命令 / 机构指引 / 待决联邦行动]
[基础引用]

## 按辖区划分的已颁布法律
对每个辖区（按字母顺序，或按州/市分组）：

### [辖区名称]
- **法律：** [法典化引用；如有用括号附法案编号]
- **生效日期：**
- **覆盖的雇主：**
- **关键义务：** [通知 / 审计 / 差别影响 / 反歧视 / 等]
- **执法：** [机构、私人诉权、处罚、整改期]
- **引用：** [仅基础来源]

## 待决法案
- **近似数量：** [N 个州]（引用跟踪器）
- **值得注意的待决法案：**
  - [法案] — [州] — [状态] — [链接]

## 诉讼
对每个值得纳入的案件（联邦或州）：

### [案件名称]
- **法院：** [法院层级和辖区；案卷号或引用]
- **状态：** [待决 / 已决 / 上诉中 / 被禁止 / 已和解]
- **作用：** [对范围内法律或义务影响的一句话框架]
- **引用：** [法院案卷或官方意见链接]

## 资源

### 跨州跟踪器
- **[组织名称]** — [跟踪器标题] — [URL] — [更新频率] — [为何有用]
- ... 2-4 条

### 近期报道

#### 已颁布法律
- **[来源]** — [日期] — [标题] — [URL] — [一句话框架]
- ... 3-5 条

#### 待决法案
- **[来源]** — [日期] — [标题] — [URL] — [一句话框架]
- ... 1-3 条

## 开放问题 / 值得关注的事项
[用户可能需要监控的项目；不确定性；未解决的解释]
```

### 6. 核验

交接前，阅读 `references/verification.md` 并对照研究笔记运行检查清单。修正任何未通过项。核验流程能捕获未经基础来源支撑而漏过的主张、过时的跟踪器引用、法案与法律之间的混淆，以及已被替代的诉讼。

### 7. 交接

将文件保存在用户的工作区文件夹中，以便其阅读和回查。如果此研究将用于仪表盘，指引用户下一步使用 `employment-law-dashboard` skill，并告知研究笔记保存在何处。

## 常见陷阱说明

- **不要混淆法案与法律。** 州立法机构关于 HB ###### 的页面适合跟踪待决法案，但对已颁布法律，法典化引用（如 "775 ILCS 5/2-102(L)"）才是律师实际引用的。找到两者；以法律为准。
- **警惕过时的"草案"或"拟议"规则。** 许多州在最终采纳前数月公布法规草案。始终注明状态（草案 vs 最终）和生效日期。
- **联邦优先尝试 ≠ 联邦优先。** *试图*优先于州法律的联邦行政命令或待决法案，在法院如此认定之前并非实际优先。框架上要小心。
- **城市法律很重要。** 纽约市 LL 144 是市法律而非州法律，且它一直是 AI 招聘格局的重要部分。不要默认只过滤"仅州"。