Legal Document Redaction

/legal-document-redaction — 法律文件脱敏

场景通用原子 skill。本 skill 仅负责"识别 + 替换"两件事。 配套机制（白/黑名单、优先级、还原、批次一致性）由相邻 atomic skill 承担，不在本 skill 范围内。

一、加载上下文（必读）

调用本 skill 前必须确认：

1. 输入文件类型（判决书/合同/邮件/聊天记录/内部备忘录……）
2. 目标受众（律师内部/客户/对方/监管/学术/公众）
3. 脱敏粒度（粗/中/细）
4. 可逆性（不可逆 vs 可逆并生成比对文件）
5. 适用法域（cn-mainland 默认 / hk / tw / sg / mo / eu）
6. 上下文角色标注（是否需要识别甲方/乙方/丙方、合同总价/违约金等）

未指定 → 暂停，要求补充（按 GCL 原子 skill 规范）。 禁止对刑事证据、未成年人信息、医疗健康数据默认采用"粗粒度+不可逆"——这三类必须由用户显式确认。

二、16 类敏感实体清单

任何法律文件脱敏的第一步是识别。下列 16 类是高频命中项：

★ 识别原则 ─────────────────────────────────

• 宁多勿漏：法律文件脱敏"漏一个就可能构成执业风险"。识别阶段允许低置信度命中，由用户后续筛选。
• 上下文敏感："张某"在判决书中必脱敏；在客户内部 KOL 名单中可保留——调用方必须告知文件类型。
• 派生信息也算：单条脱敏后组合仍可识别个人（出生年月+籍贯+职业）的，按"动机-机会"标准仍需脱敏。
• 前缀剥离：若规则以"联系电话："等前缀开头，只识别前缀后的号码，避免前缀被一起替换。 ─────────────────────────────────────────────────

三、上下文角色标注

调用方要求标注上下文角色时（§ 一-6 = 是），按以下规则给实体贴角色标签：

3.1 合同方角色

示例（由 AI 根据原文动态生成）：甲方：[法人原文] → 【买方公司1】（而非无差别 【公司1】）

3.2 金额类型

示例（由 AI 根据原文动态生成）：合同总价：[金额原文] → 【合同总价1】

上下文标注是脱敏的增强层，非必需。调用方没要求时跳过本节，直接按 § 二实体类型生成标签。

四、脱敏规则映射表 ← TODO（用户编写）

业务核心，按 Learning mode 原则，决策权交回用户。 调用方给出"粗/中/细 × 可逆/不可逆"组合后，下表决定每个实体如何被替换。规则本身不是技术问题，是法律执业习惯 + 客户偏好问题。

4.1 三档粒度定义

粗粒度：保留实体类型提示，便于阅读，但具体值不可识别。
        例：[自然人原文] → [当事人A]、[法人原文] → [甲方公司]
中粒度：保留部分特征（如姓、行业），便于人工对应。
        例：[自然人原文] → 张某某、[法人原文] → [公司]
细粒度：仅保留结构（如长度、类型），最接近匿名。
        例：[自然人原文] → 长度 N 的姓名占位、[法人原文] → 长度 N 的法人占位

4.2 替换策略矩阵（通用默认）

基于司法实务 + PIPL + 最高院共识。律所采用时可 fork 修改本表。

¹ 金额标签按 § 三 3.2 上下文类型自动选用：[合同总价 N] [单价 N] [预付款 N] [尾款 N] [违约金 N]

设计依据：

1. 身份证号 6+4：司法惯例（参见《人民法院在线诉讼规则》等），既能脱敏又保留地域信息（便于当事人识别）。
2. 金额保留币种+单位：人民币 *** 万元 比 *** 更可读，便于人工复核。
3. 日期粗/中/细差异：分别保留"结构 / 月份 / 年份"——按需细粒度，避免无意义的具体日期暴露。
4. 健康/未成年人/证人三类强制细粒度 + 不可逆——PIPL 第 73 条与最高院司法解释共识。
5. 自然人姓名：中粒度 张某某 保留姓氏便于实务对应（中国法律文书传统）。
6. 统一社会信用代码：细粒度 ***——18 位代码本身就是敏感标识，无中间粒度意义。
7. 采用本 skill 的律所可 fork 修改：表格是 skill 作者视角的默认设置，律所上线时可按本所 SOP 覆盖。

4.3 可逆性开关

可逆模式：生成 sidecar（内部） + 比对文件 .md（可外发给审核人）
不可逆模式：映射表不持久化，执行后无法还原
刑事证据 / 未成年人 / 医疗数据 → 默认不可逆（即使选了可逆，强制覆盖）

五、跨法域法律依据

调用方标注法域后，本节决定脱敏标准；未标注默认 cn-mainland。

5.1 cn-mainland — 中华人民共和国

5.2 hk — 香港

5.3 tw — 台湾

5.4 sg — 新加坡

5.5 mo — 澳门

5.6 eu — 欧盟（跨境参考）

六、工作流（4 步）

步骤 1 解析：读取文件 → 切分段落 → 识别文件类型 → 未指定参数则暂停
步骤 2 识别：按 § 二 16 类清单 + § 三 上下文角色做正则匹配
步骤 3 替换：按 § 四 4.2 映射表取得替换模板 → 分配映射键 → 生成脱敏稿
步骤 4 校验：覆盖率 ≥ 95% + 派生信息风险扫描 + 可读性自检 + 不可逆文件销毁映射

七、输出格式

7.1 脱敏输出（3 段式）

## [A] 脱敏元数据
- 文件：<原文件名> | 法域：<cn-mainland/hk/tw/sg/mo/eu>
- 粒度：<粗/中/细> | 可逆：<是/否>
- 上下文标注：<是/否> | 替换计数：N 处

## [B] 脱敏后文本
[完整文本，每处替换以 [ENTITY_TYPE_N] 占位]

## [C] 风险标注
- [WARN] 派生信息残留 / 低置信度未处理

7.2 可逆模式附加

sidecar（内部，不外发）：`plugins/legal-scenes/<本场景>/matters/<slug>/redaction-map.json`
  permissions: 0600
比对文件（可外发给审核人）：{原文件名}_比对.md
  # 脱敏比对表
  ## 批次元数据（批次 UUID / 法域 / 生成时间）
  ## 映射表（占位符 | 原文 | 实体类型 | 上下文角色）

八、与场景的协作

本 skill 是只读改写器，不修改调用方的业务逻辑：

配套 references / 相邻 skill（不在本 SKILL.md 范围）：

• references/config.md — 白/黑名单 + 优先级 + 自定义类型（脱敏时按需 Read）
• legal-document-restoration/ — 脱敏稿 runs 级还原 + 比对文件回填（另一操作）
• shared/matter-workspace/ — 案件工作区管理（plugins/legal-scenes/<本场景>/matters/<slug>/ 为实际存储路径）

九、禁用与边界

• ❌ 禁止对刑事证据原始件脱敏（仅副本可脱敏）
• ❌ 禁止对未成年人信息默认采用粗粒度（必须细粒度+不可逆）
• ❌ 禁止映射表入版本控制（加入 .gitignore，强制本地存储）
• ❌ 禁止在不知道调用方角色时执行（按 GCL 规范，律师/客户/公众的脱敏要求不同）
• ❌ 禁止脱敏稿与原文混存同一目录

十、版本与变更

★ Insight ─────────────────────────────────────

• skill 原子化原则：一个 skill 只做一件事。脱敏 = 识别 + 替换。配置（白黑名单）、还原（反向）、批次（工作流）都是别的原子操作，应单独建 skill 或由调用方组织。
• 借鉴 ≠ 复制：吸收参考项目的 16 类分类与上下文角色标注的业务洞察，不复制其工具架构与数据结构。洞察可跨实现，架构应适配载体。
• 行数即约束：< 350 行是可持续维护的边界。超 500 行的 skill 必然塞了无关内容，且单 session 写不完。瘦身就是原子化体检。 ─────────────────────────────────────────────────