ThomasMoreAI 法律问答提取技能
概述
从律师与客户的沟通记录中提取有价值的法律问答对（客户问题 + 律师解答），生成结构化知识库内容。适用于将客户咨询转化为可复用的法律知识，供后续整理成文章、案例或学习材料。
核心价值：提取那些可以被其他客户复用的问答内容，而不是单一客户的具体案情。
核心原则
客户信息保护
绝对禁止在问答内容中包含：
- ❌ 客户真实姓名
- ❌ 企业/机构名称
- ❌ 具体地址、联系方式
- ❌ 任何可识别个人或企业的信息
脱敏处理标准：
- ✅ 客户姓名 → 使用"当事人"、"客户"、"甲/乙"等代称
- ✅ 企业名称 → 使用"某公司"、"某企业"、"该企业"等代称
- ✅ 具体信息 → 模糊化为"某地"、"某时间"、"相关人员"等
- ✅ 客户原话 → 脱敏后引用："客户询问..."而非"张总说..."
问答对的价值判断
提取的问答应该满足以下条件之一：
- 普遍性：其他客户也可能遇到同类问题
- 典型性：代表了某类法律场景的常见关切
- 教育性：律师的解答有普法价值或指导意义
- 复用性：可以独立成文或作为知识库条目
工作流程
步骤 1：分析输入内容
获取沟通记录文档和用户的具体要求，理解：
- 文档中的沟通内容和情境
- 用户希望重点关注哪些方面
- 哪些问答具有复用价值
步骤 2：识别有价值的问答对
完整梳理文档中的问答内容，按以下维度识别价值：
问答识别维度
- 直接问答 - 客户明确提出问题，律师给出解答
- 追问回应 - 客户追问，律师进一步解释
- 风险提醒 - 律师主动提醒的风险点及应对建议
- 操作指引 - 涉及流程、步骤、注意事项的问答
- 普遍关切 - 其他客户也可能遇到的同类问题
问答提取方法
- 语义分析：理解客户真实问题和律师核心观点
- 逻辑归纳：将分散的对话整理为独立问答对
- 价值评估：判断问答是否具有普遍适用性
- 标准化表述：将口语化表达转化为规范的问答格式
步骤 3：生成结构化报告
输出文件保存至原文档的同一目录，文件命名：{原文档名}_法律问答提取_{YYYYMMDD}.md
输出格式详见 output-template.md。
每个问答对包含以下部分：
- 问题：客户提出的问题（标准化表述）
- 律师解答：律师的核心观点和建议（300-500字）
- 问题背景（可选）：该问题出现的情境（200-300字）
- 价值标签：普遍性/典型性/教育性/复用性
- 适用场景：什么情况下读者会关心这个问答
步骤 4：问答分类与关联
提供以下分析维度：
- 问答特征分析：重点问答数量、常规问答数量、价值分布
- 领域分类：按法律领域或业务场景分类
- 关联分析：哪些问答之间存在关联、可组合成文章
质量标准
- 独立性：每个问答对可以独立理解，不依赖完整对话背景
- 普遍性：问答内容对其他客户也有参考价值
- 完整性：问题和解答都清晰完整，没有断章取义
- 脱敏严格：严格遵循客户信息保护规则
- 可复用：提取的问答可以直接用于文章、知识库或学习材料
输入要求
本技能接受以下类型的输入：
- 文档路径：用户提供的沟通记录文档路径
- 粘贴内容：用户直接粘贴的沟通记录内容
- 用户要求：用户希望重点关注哪些类型的问答
配置与归档
用户配置
本技能支持通过 config/.env 文件自定义扫描行为：
# 复制模板
cp config/.env.example config/.env
# 编辑配置
QA_EXTRACTOR_SCAN_PATHS=~/Desktop/Clawd/10 - ⚖️ 法律工作/工作文档/011 - 潜在项目
QA_EXTRACTOR_SCAN_DEPTH=3
QA_EXTRACTOR_FILE_TYPES=md,txt
扫描记录
技能会维护 archive/scan-log.json 记录扫描状态：
{
"version": "1.1.0",
"last_full_scan": "2026-05-10T23:00:00+08:00",
"watch_paths": [
{
"path": "~/Desktop/Clawd/10 - ⚖️ 法律工作/工作文档/011 - 潜在项目",
"last_scanned": "2026-05-10T23:00:00+08:00",
"status": "active"
}
],
"projects": {
"潜在项目_A": {
"source_files": ["path/to/file1.md", "path/to/file2.md"],
"last_extracted": "2026-05-10",
"qa_count": 8,
"output_file": "archive/extractions/2026-05-10_潜在项目_A_qa.md",
"status": "active"
}
},
"files": {
"path/to/file.md": {
"content_hash": "sha256:abc123...",
"last_modified": "2026-05-09",
"last_extracted": "2026-05-10",
"qa_count": 5,
"status": "active"
}
},
"archived": {
"path/to/old_project": {
"archived_at": "2026-05-01",
"reason": "moved_by_user"
}
}
}
字段说明：
| 字段 | 用途 |
|---|---|
files.*.content_hash |
文件内容指纹，变化时触发重新提取 |
files.*.status |
active / archived，归档后跳过扫描 |
projects.*.source_files |
同一项目的多份沟通记录，合并输出 |
projects.*.status |
active / archived，项目归档后锁定 |
archived.* |
记录已移走的路径，防止重复扫描 |
增量扫描逻辑：
文件夹类型判断（用于识别归档与活动项目）：
| 命名模式 | 类型 | 处理方式 |
|---|---|---|
纯数字 / 日期区间（如 24、25 01-06、26 01-06） |
归档容器 | 深度扫描内部子文件夹 |
日期+姓名（如 260323 张美金...、260404 顾忆芬...） |
直接项目 | 直接扫描该文件夹 |
| 其他 | 项目 | 直接扫描该文件夹 |
- 遍历 watch_paths 下所有直接子文件夹
- 判断每个文件夹类型（归档容器 / 直接项目）
- 对归档容器递归扫描；对直接项目扫描内容文件
- 对每个文件计算
content_hash - 若文件不在 scan-log，或 hash 与记录不一致 → 触发提取
- 若项目内所有文件均变化才触发提取
- 提取完成后，按项目合并多份记录，输出单份 QA 文件
抽取结果归档
抽取的问答对保存在 archive/extractions/ 目录，按项目聚合：
archive/
├── scan-log.json # 扫描状态记录
└── extractions/
├── 2026-05-10_潜在项目_A_qa.md # 项目A的多轮咨询合并
├── 2026-05-10_潜在项目_B_qa.md # 项目B的单次记录
└── 2026-05-11_潜在项目_C_qa.md # 项目C（后续增量新增）
多轮咨询合并逻辑：
- 同一项目文件夹内的所有
.md/.txt文件视为同一项目的多轮沟通 - 提取时按文件顺序（文件名或修改时间）整合所有问答对
- 去重：相同问题的多次出现保留最新解答
- 输出文件名：
{日期}_{项目名}_qa.md
注意：archive/ 目录不纳入 Git 版本控制。
适用场景
- 整理客户咨询记录为可复用知识
- 从对话中提取内容营销素材
- 建立法律问答知识库
- 准备普法文章的素材
- 制作客户常见问题清单
- 定时扫描项目文件夹，增量提取新内容