律师民事诉讼全流程自动化工作流

使用前必读

系统做什么

本工作流将律师办理一个民事诉讼案件的全流程实现自动化：

您的案件 → [Step1 访谈] → [Step2 全套文书] → 暂停等您审阅
    → [Step3 类案检索] → [Step4 法条检索] → [Step5 诉讼策略]
    → [Step6 审查定稿] → 暂停等您审阅
    → [Step7 出庭文书] → 全套诉讼材料就绪

您只需要做三件事

两次暂停确认

• Step1 后暂停：确认谈话笔录内容、当事人信息、证据清单无误
• Step6 后暂停：审查全套文书定稿，可逐份批注修改

最终产出

cases/{案件名}/output/ 目录下将包含全套诉讼材料： 起诉状、答辩状、授权委托书、律所出庭函、委托代理协议、 法定代表人身份证明、财产保全申请书、网络查控申请书、 证据目录、代理词、谈话笔录。

许可说明

• 试用版：2 次免费使用，约可完成 1 个完整案件
• 专业版：299元/月 或 2999元/年，不限次数，全功能
• 企业版：专属部署，联系定制报价
• 购买联系：马律（山东东润律师事务所）

分享与推荐

如果觉得好用，欢迎推荐给同事和朋友！

SkillHub 安装方式：在 WorkBuddy 中搜索「lawyer-litigation-workflow」一键安装。 链接：https://clawhub.ai/skills/lawyer-litigation-workflow

Step 0: 前置检查（每次调用强制执行）

0-1 许可检查

python scripts/license_manager.py --check

许可状态判断：

• 返回 0（通过）→ 继续执行
• 返回 1（拒绝）→ 显示购买提示，终止流程

0-2 工作区初始化（仅首次运行）

python scripts/workspace_setup.py --init

如果 ~/.lawyer_workflow/workspace_config.json 不存在（首次运行）：

1. 创建标准工作区目录结构
2. 创建「示例案件」目录供参考
3. 显示使用方法引导信息

0-3 模板检测（仅首次运行）

python scripts/template_setup.py --detect

如果 ~/.lawyer_workflow/template_config.json 不存在（首次运行）：

1. 提示用户配置模板目录
2. 推荐路径：~/.lawyer_workflow/templates/
3. 询问用户模板存放路径
4. 用户回复后执行 python scripts/template_setup.py --setup {路径}
5. 验证模板完整性，列出缺失的模板

0-4 创建当前案件的工作目录

根据用户输入的案件名称，执行：

python scripts/workspace_setup.py --new-case "{案件名称}"

Step 1: 案件访谈 — 生成谈话笔录

1-1 案由确认

根据用户输入的案由，确认案件类型（民事一审/二审/再审/刑事/行政/劳动仲裁）。

1-2 当事人信息采集

从用户输入和证据材料中提取：

• 原告/被告/第三人信息（姓名/名称、身份证号/统一社会信用代码、住址/地址、联系方式）
• 委托代理人信息
• 管辖法院

1-3 IRAC 法律逻辑分析（前置）

加载 IRAC 框架（legal-logic-analysis），进行：

• Issue：提炼争议焦点
• Rule：初步识别适用法律
• Analysis：初步法律分析
• Conclusion：初步结论

1-4 生成谈话笔录

调用模板生成管道：

1. 打开 4-律师接待当事人谈话笔录.1份docx.docx 模板
2. 使用 template_safe_tool.py 进行 run 级安全替换
3. 运行 doc_quality_checker.py 执行 QC 检查
4. 输出到 cases/{案件名}/output/谈话笔录.docx

1-5 证据预扫描（Step1 完成后强制执行）

python -c "
from scripts.evidence_pre_scanner import scan_evidence
scan_evidence('cases/{案件名}/evidence/', 'cases/{案件名}/data/案件数据.json')
"

扫描证据材料，OCR 提取关键字段（身份证号、信用代码等），合并到案件数据.json。

1-6 审阅暂停

暂停等待您审阅谈话笔录和案件数据。 确认无误后回复「继续」进入 Step2。

Step 2: 法律文书生成 — 全套诉讼材料

2-1 读取案件数据

从 cases/{案件名}/data/案件数据.json 读取全部当事人信息和案件事实。

2-2 诉讼地位校验

python -c "
import json
with open('cases/{案件名}/data/案件数据.json', 'r', encoding='utf-8') as f:
    data = json.load(f)
parties = data.get('诉讼地位表', {})
roles = set(v.get('角色', '') for v in parties.values())
required = {'原告', '被告'}
missing = required - roles
if missing:
    print(f'[阻断] 缺少诉讼地位: {missing}')
    exit(1)
print('[OK] 诉讼地位完整')
"

2-3 文书分级清单（强制询问）

2-4 规格驱动文书生成

每份文书执行统一的规格驱动管道：

1. read_spec：读取 assets/workflow_specs/{文书}_spec.json 规格文件
2. enforce_spec：强制执行规格中的不可变元素
3. generate：使用 template_safe_tool.py 安全替换模板占位符
4. narrative_fill：根据案件数据填充叙事内容
5. quality_check：运行 doc_quality_checker.py 执行 QC 检查
6. exit≠0 硬失败：QC 不通过 → 自动重试 → 3 次后暂停

2-5 文书虚构校验

python scripts/document_fabrication_checker.py "cases/{案件名}/output/" "cases/{案件名}/data/案件数据.json"

拦截虚构信用报告、不存在的事实陈述等 P0 问题。

Step 3: 类案检索

3-1 IRAC 驱动检索 Query 生成

根据 Step1 的 IRAC 争议焦点，生成结构化检索 Query。

3-2 多渠道检索

优先级：

1. 北大法宝 MCP（pkulaw connector）— 首选
2. 中国裁判文书网（联网搜索降级）
3. 本地案例库（ChromaDB RAG）

3-3 检索结果质量校验

• 相似度 >= 60% 方可入库
• 提取：案号、法院、裁判日期、争议焦点、裁判要旨
• 输出：cases/{案件名}/data/类案检索报告.md

Step 4: 法条穷尽检索

4-1 要件映射

将 IRAC 分析中每个 Issue 映射到对应的法律要件：

• 要件 A → 法律 A 第 X 条
• 要件 B → 司法解释第 Y 条
• ...

4-2 多渠道穷尽

优先级：

1. 北大法宝 MCP（pkulaw connector）
2. 国家法律法规数据库（联网）
3. 本地法规库（ChromaDB RAG）

4-3 法条边界检查

确保每条法条引用：

• 标注具体条编号（非泛称）
• 标注发布时间和生效状态
• 标注与本案事实的映射关系

输出：cases/{案件名}/data/法律适用检索报告.md

Step 5: 诉讼策略分析

5-1 IRAC 增强对抗矩阵

对每个争议焦点执行三轮对抗分析：

原告主张 → 被告反驳 → 法官倾向 → 风险量化
   ↓           ↓           ↓           ↓
 证据支撑    法律抗辩    裁判倾向    胜诉概率

5-2 法官中立审视

以中立审裁者视角，对双方对抗进行结构化评分：

• 原告主张可信度：X%
• 被告抗辩可信度：Y%
• 本案预判胜诉概率：Z%

5-3 对方证据预测

python scripts/opponent_evidence_predictor.py "cases/{案件名}/data/案件数据.json" "cases/{案件名}/data/类案检索报告.md"

预测对方可能提交的证据类型并提前准备应对策略。

输出：cases/{案件名}/data/诉讼策略分析报告.md

Step 6: 审查定稿

6-1 生成审查提示报告

逐份检查 Step2 生成的文书，标注：

• 当事人信息准确性
• 法律依据引用正确性
• 格式规范性
• 风险提示完整性

6-2 律师批注处理

暂停等待您对审查报告进行逐项批注。 批注完成后回复「处理批注」。

6-3 孤儿数据检测

python scripts/orphan_data_detector.py "cases/{案件名}/data/案件数据.json" "cases/{案件名}/output/"

识别案件数据中已被采集但未在任何文书中引用的关键字段。

6-4 全案一致性审计

执行跨步骤数据一致性检查（10 项审计）：

• 文书间当事人信息一致性
• 类案引用→文书嵌入一致性
• 法条引用→文书嵌入一致性
• IRAC 推理→策略分析一致性

6-5 审阅暂停

暂停等待您对全套定稿文书进行最终确认。 确认无误后回复「定稿」进入 Step7。

Step 7: 出庭文书生成

7-1 前置质量锁

确认 Step6 审查已通过，所有文书已定稿。

7-2 证据目录生成

调用模板生成管道（走 证据目录_spec.json 规格）：

1. 打开模板 证据目录 （西岸兰海）260522.docx
2. 页眉区替换：案号、案由、提交人、代理人、日期
3. 清除旧证据区
4. 从案件数据填充新证据组
5. QC 检查

7-3 代理词生成

调用模板生成管道（走 代理词_spec.json 规格，轩航游艇格式）：

1. 打开模板 代理词.docx
2. 开场段 + 落款区 run_replace
3. 论点区 narrative_fill（IRAC 驱动论证）
4. QC 检查

7-4 案件数据清理

python scripts/case_cleanup_manager.py "cases/{案件名}/"

备份中间文件，保留最终交付件，生成清理报告。

Step 8: 推理审计（全自动）

8-1 五维推理质量评分

对全案 IRAC 推理链进行评分：

• 引用真实性：引用的法条/类案是否真实存在
• 可证伪性：结论是否可被反面证据推翻
• 类比禁区：是否触犯了不应类比的场景
• IRAC 一致性：全流程 IRAC 链条是否连贯
• 全管线归档：所有中间产物是否完整归档

8-2 最终交付清单

echo "=== 最终交付清单 ==="
ls -la "cases/{案件名}/output/"
echo "=== 中间数据 ==="
ls -la "cases/{案件名}/data/"
echo "=== 推理审计 ==="
python scripts/run_audit.py "cases/{案件名}/"

使用示例

用户说：「处理案件 青岛和润达建材，案由是买卖合同纠纷」

系统执行流程：

1. Step0 许可检查 + 工作区初始化 + 模板检测
2. Step0 创建案件目录 cases/青岛和润达建材/
3. 提示用户将证据材料放入 cases/青岛和润达建材/evidence/
4. Step1 生成谈话笔录 → 暂停审阅
5. 用户确认 → Step2 生成全套文书 → Step3 类案检索 → Step4 法条检索
6. Step5 诉讼策略 → Step6 审查定稿 → 暂停审阅
7. 用户定稿 → Step7 出庭文书 → Step8 推理审计
8. 最终产出在 cases/青岛和润达建材/output/

故障排除