# Legal Request Router Pl

> Klasyfikator zadania prawnego - patrzy na zapytanie (i opcjonalnie deliverable) i decyduje, ktora sciezka weryfikacji uruchomic: zwykla odpowiedz, weryfikacja cytatow (citation-grounding-pl), kontradyktoryjna debata (adversarial-legal-review-pl) czy paczka audytowa (legal-ai-audit-bundle). Ocenia zlozonosc i ryzyko, zwraca decyzje routingu z uzasadnieniem. To warstwa NAD warstwa weryfikacji - chroni przed paleniem tokenow na rutynie i przed przepuszczeniem spraw wysokiej stawki bez kontroli. Uzywaj gdy: "co z tym zrobic", "czy to wymaga debaty", "jaka sciezka", "rozdziel zadanie", "klasyfikuj zapytanie", "czy to high-stakes", "routing", "triage zadania prawnego", na poczatku obslugi nowego zapytania prawnego zanim wybierzesz narzedzia.

- Skill: `matematicsolutions/legal-request-router-pl` (Agent Skill)
- Install (CLI): `npx skillmds@latest add matematicsolutions/legal-request-router-pl`
- Raw SKILL.md: https://api.skillmd.com/api/skills/matematicsolutions/legal-request-router-pl/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- License: Apache-2.0
- Author: matematicsolutions (https://skillmd.com/u/matematicsolutions)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/matematicsolutions/legal-request-router-pl

---


# Legal Request Router PL - klasyfikator i triage zadania prawnego

## Filozofia

**Nie kazde zapytanie zasluguje na te sama sciezke.** Streszczenie wyroku nie potrzebuje
kontradyktoryjnej debaty; opinia do klienta nie powinna wyjsc bez weryfikacji cytatow.
Router to jedna decyzja podejmowana na wejsciu, ktora dobiera proporcjonalna sciezke -
oszczedza tokeny na rutynie i wymusza kontrole tam, gdzie stawka jest wysoka.

Ten skill **nie wykonuje** pracy prawnej ani weryfikacji. Tylko klasyfikuje i wskazuje,
ktore companion-skille uruchomic i w jakiej kolejnosci.

## Workflow

1. **Zbierz sygnaly** - typ zapytania, czy jest gotowy deliverable, czy sa cytaty ze zrodel,
   kto jest odbiorca (klient / sad / wewnetrzne), jaka konsekwencja bledu.
2. **Sklasyfikuj** wg schematu ponizej (LLM zwraca strukture, NIE proza).
3. **Zmapuj na sciezke** wg tabeli decyzyjnej.
4. **Zwroc decyzje** + uzasadnienie + liste skilli do odpalenia w kolejnosci.

## Schemat klasyfikacji (output)

```json
{
  "typ_zadania": "odpowiedz_bezposrednia | weryfikacja_cytatow | kontrola_adwersaryjna | pelna_sciezka",
  "zlozonosc": "niska | srednia | wysoka",
  "ryzyko": "niskie | srednie | wysokie",
  "ma_cytaty_zrodlowe": true,
  "odbiorca": "wewnetrzny | klient | sad | regulator",
  "wymaga_groundingu": true,
  "wymaga_debaty": false,
  "wymaga_paczki_audytowej": false,
  "wymaga_pseudonimizacji": true,
  "sciezka": ["let-it-be", "citation-grounding-pl"],
  "uzasadnienie": "krotko: dlaczego ta sciezka"
}
```

## Tabela decyzyjna

Najpierw `typ_zadania` (rosnaca intensywnosc kontroli), 1:1 ze sciezka:

| Sygnal wejsciowy | `typ_zadania` | Sciezka kontroli |
|---|---|---|
| Brak cytatow, odbiorca wewnetrzny, ryzyko niskie | `odpowiedz_bezposrednia` | zadna weryfikacja |
| Sa cytaty ze zrodel (orzeczenie / ustawa / umowa), ale odbiorca wewnetrzny | `weryfikacja_cytatow` | **citation-grounding-pl** |
| Odbiorca klient / sad / regulator, ryzyko srednie+ | `kontrola_adwersaryjna` | **citation-grounding-pl** -> **adversarial-legal-review-pl** |
| Deliverable wychodzi na zewnatrz, ryzyko wysokie | `pelna_sciezka` | grounding -> debata -> **legal-ai-audit-bundle** |

Potem dwie flagi dodatkowe, niezalezne od `typ_zadania`:

| Sygnal | Flaga | Skill |
|---|---|---|
| Wejscie zawiera dane objete tajemnica / PII | `wymaga_pseudonimizacji = true` | **let-it-be** PRZED czymkolwiek |
| Deliverable na zewnatrz lub ryzyko wysokie | `wymaga_paczki_audytowej = true` | **legal-ai-audit-bundle** na koncu |

(`weryfikacja_cytatow` ustawia `wymaga_groundingu`, `kontrola_adwersaryjna` dodatkowo `wymaga_debaty`,
`pelna_sciezka` wszystkie cztery.)

## Reguly twarde

- **Nie eskaluj rutyny.** Jesli ryzyko niskie i odbiorca wewnetrzny - nie odpalaj debaty
  ani paczki audytowej, chocby dalo sie. Bramka kosztu dziala w obie strony.
- **Nie przepuszczaj wysokiej stawki na skroty.** Odbiorca sad/klient + cytaty = grounding obowiazkowy,
  nawet jesli uzytkownik nie poprosil. Jezeli odmawiasz eskalacji - powiedz to wprost w `uzasadnienie`.
- **Grounding poprzedza debate.** Jesli sciezka ma i grounding, i debate - grounding idzie pierwszy
  (debata na niezweryfikowanych cytatach jest bezwartosciowa).
- **Pseudonimizacja zawsze pierwsza.** `let-it-be` przed jakimkolwiek wyslaniem do modelu.
- **Paczka audytowa zawsze ostatnia.** Pakuje slady z poprzednich krokow.

## Output (dla uzytkownika)

```
## Routing - <nazwa zapytania>

Typ: pelna_sciezka | Zlozonosc: wysoka | Ryzyko: wysokie | Odbiorca: klient
Sciezka (kolejnosc):
  1. let-it-be          (pseudonimizacja - sa dane klienta)
  2. <praca prawna>     (poza tym skillem)
  3. citation-grounding-pl   (3 cytaty z orzecznictwa do weryfikacji)
  4. adversarial-legal-review-pl  (high-stakes: opinia do klienta)
  5. legal-ai-audit-bundle   (deliverable wychodzi na zewnatrz)

Uzasadnienie: opinia cytujaca SN, idzie do klienta, ryzyko wysokie -> pelna sciezka.
```

## Ochrona danych (RODO)

Router operuje na metadanych zapytania (typ, ryzyko, odbiorca), nie musi widziec pelnej tresci
objetej tajemnica. Jezeli do klasyfikacji potrzebny jest fragment dokumentu z danymi - pseudonimizuj
przez `let-it-be` najpierw.

## Integracja z AI Act

Proporcjonalna sciezka to operacjonalizacja podejscia opartego na ryzyku (risk-based approach AI Act).
Jawne `ryzyko` + `uzasadnienie` w decyzji routingu to slad, ktory wklada sie do `legal-ai-audit-bundle`
jako uzasadnienie wyboru poziomu kontroli.

## Atrybucja

Pattern (router + klasyfikacja zadania na sciezki) zainspirowany przez AnttiHero/lavern
(Apache 2.0, RouterClassification). Schemat, tabela decyzyjna i reguly napisane od zera pod polski
kontekst i warstwe weryfikacji MateMatic. Nie skopiowano kodu Lavern.