Labor Material Ingestion

劳动争议原始材料接入与本地处理。当案件以 PDF、图片、扫描件或混合文件提供,需要保全原件、检测文字层、决定是否 OCR、生成分页索引或登记派生文件时使用。

cslawyer1985 Updated 926 repo stars

File contents

劳动争议材料接入

  1. 确认当前工作图节点为 material_ingestion,对用户明确指定的材料运行:

    python3 scripts/ingest_materials.py \
      --state <case-root>/.casework/case_state.json \
      --source <原始材料路径> \
      --original-or-copy <original|copy|unknown>
    

    多份材料重复传入 --source。脚本保持原件只读,计算 SHA-256、大小、文件类型和可取得的页数;在 .casework/materials/ 生成逐材料接入记录、派生文本及 JSON/Markdown 索引,并就地回写 materials[]。

  2. 先检测文字层的完整性,不因 PDF “能复制几个字”就认定无需 OCR。

  3. 执行器只使用本地文本解码、DOCX XML 和可用的本机 pdfinfo/pdftotext;图片、扫描 PDF 或文本层不足的 PDF 只登记 ocr_status=pending。案件、客户或执业材料默认仅本地处理;未获明确授权不调用云端 OCR。

  4. OCR、分页图和接触表由运行环境在对应材料目录继续生成;完成后更新 derivative_path、OCR 引擎、语言和可视复核状态,不在 OCR 文本中静默修改原文。

  5. 在 materials[] 登记 material_id、source_path、source_sha256、page_start/end、derivative_path、ocr_engine、ocr_language、ocr_status、visual_review_status 和 original_or_copy。

  6. 将 OCR 不确定、手写表格、截断聊天、旋转或模糊页列为人工复核任务。

  7. 将分页图、OCR、接触表和材料接入索引统一输出到 <case-root>/.casework/materials/,不在案件根目录建立用户交付文件;完成后才进入 intake。

进入下游前运行 python3 scripts/workflow_graph.py transition --state <case-root>/.casework/case_state.json --event pass --actor <执行者>。工作图会重新读取源文件并核对当前 SHA-256、大小、逐材料接入记录和派生文件;只写一个哈希字符串或事后改动原件不能通过门禁。

不识别实体争点,不将 OCR 文本当作经证实事实。

cslawyer1985/legal-skillhub commit af741681f7

Frequently asked questions

npx get-skill add cslawyer1985/labor-material-ingestion