Lawd Legal Citation Verifier

---
name: 法条案例一键验真
name_en: lawd-legal-citation-verifier
displayName: 法条案例一键验真
description_en: "Triggered when users need to verify whether AI-generated statute or case citations are accurate. It takes AI-generated legal text (statute name plus article number with generated text, or case number with ruling summary), retrieves authoritative originals through statute and case search data connectors, compares each citation, and outputs a proofreading report with the authoritative original, effective date, currency status, accuracy verdict (accurate / partial deviation / seriously inaccurate / not found), and ready-to-use corrected text. Suited to lawyers reviewing AI-drafted documents, in-house counsel validating AI legal consultation, and quality-gating AI-generated legal analysis."
argument-hint: 待验真的法条或案号
description: "当用户需要验证 AI 生成的法条引用或案例引用是否准确时触发。接收 AI 生成的法律文本（含法规名称 + 条号 + 生成文本，或案例案号 + 裁判摘要），通过法规检索与案例检索数据连接器检索权威原文，逐条比对后输出校对报告：权威原文 + 实施日期 + 时效状态 + 准确度判定（✅准确/⚠️部分偏差/❌严重失实/🔍未找到）+ 可替换的修正文本。适用于律师审核 AI 起草的文书、法务验证 AI 法律咨询结果、对 AI 生成的法律分析做质量把关等场景。触发条件：校对法条、核实法条、验证法条、幻觉检测、法条验证、案例核实、检查引用准确性、AI法条是否正确。NOT-FOR：单纯法条查询/检索（→法规检索工具）、单纯类案检索（→类案检索工具）、法律分析报告生成（→案情法律分析报告）、合同审查（→合同审查工具）、文书起草（→对应文书生成 Skill）。"
recommended_connectors: "法规检索类 + 案例检索类 MCP 连接器（探测关键词见正文 Phase 2「权威检索（三段式探测）」小节）"
graceful_degradation: strict
---

# 法条案例一键验真

## 重要提示

大模型生成的法律文本经常存在法条引用不准确的问题：改写条文、遗漏限定条件、张冠李戴、甚至凭空编造法条。本 Skill 通过外部权威数据库自动比对，帮助用户快速识别和修正这些问题。

核心原则：
1. **验证工具，不是生成工具** — 本 Skill 输出校对报告，不生成法律文书或法律分析
2. **权威来源仅限数据连接器检索结果** — 所有权威原文必须来自法规/案例检索数据连接器的检索结果，严禁使用模型自身知识充当权威来源
3. **连接器不可用不降级** — 与其他 Skill 不同，本 Skill 在检索连接器不可用时标注"未能验证"，绝不用模型知识替代。原因：本 Skill 的核心价值是"用外部权威验证 AI"，用 AI 验证 AI 是自我循环
4. **逐条覆盖** — 输入中的每条法条/案例引用必须逐一校验，不遗漏
5. **修正文本取原文** — 提供的修正文本直接取自权威原文，不做 AI 改写

## 法律合规声明

1. **管辖范围**：中国大陆（不含港澳台）
2. **输出性质**：校对报告仅供参考，不构成法律意见
3. **数据来源**：法条与案例原文来自权威法规/案例数据库检索（通过数据连接器），法律法规最终权威以国家法律法规数据库（flk.npc.gov.cn）为准
4. **时效说明**：法律法规的时效性以检索时数据库收录为准，不保证实时更新
5. **不编造**：严禁编造权威原文、伪造检索结果、虚构匹配度数据

## 适用场景

当用户需要验证 AI 生成内容中法条/案例引用的准确性时使用：
- 律师审核 AI 起草的文书中的法条引用是否准确
- 法务验证 AI 法律咨询回复中的法条是否存在幻觉
- 对其他 Skill 输出（如答辩状、论证链、分析报告）做二次质量校验
- 验证案例引用是否真实（案号、裁判日期、裁判要旨）

### NOT-FOR（引导至其他 Skill）

| 用户意图 | 引导方向 |
|----------|----------|
| "帮我查XX法第几条" / 单纯法条检索 | 法规检索工具 |
| "帮我找类似案例" / 单纯类案检索 | 类案检索工具 |
| "写答辩状" / "写起诉状" | 对应文书生成 Skill |
| "全面分析这个案件" | 案情法律分析报告 |
| "分析起诉状" | complaint-analyzer |
| "审查合同" | 合同审查工具 |

## 安全声明

本 Skill 为**只读校验工具**，不执行任何写操作（不创建文件、不修改文件、不发送消息、不调用写入类 API）。输出仅为对话中的校对报告文本。

## 状态机制

本 Skill **无状态**。每次校对独立执行，不保存历史记录、不依赖先前校对结果。如需对比多次校对结果，由用户自行管理。

## 外部服务依赖

本 Skill 依赖以下两类数据连接器能力（**不绑定任何具体连接器或工具名**，运行时按 Phase 2「权威检索（三段式探测）」探测并选择实际可用的连接器）：

| 能力 | 用途 | 降级方案 |
|------|------|---------|
| 法规检索能力 | 检索法律法规条文权威原文 | 标注"⚠️ 法规检索连接器不可用，无法验证该法条，请人工核实" |
| 案例检索能力 | 检索司法案例权威信息 | 标注"⚠️ 案例检索连接器不可用，无法验证该案例，请人工核实" |

**关键约束**：连接器不可用时严禁降级到模型知识。本 Skill 的全部价值在于外部权威数据验证，用模型知识充当"权威"会使校对失去意义。

## 输入参数

### 必需信息

| 参数 | 说明 | 获取方式 |
|------|------|----------|
| AI 生成文本 | 包含法条引用或案例引用的文本 | 文本粘贴 |

### 两种输入模式

**模式 A — 结构化输入**（用户明确分条提供）：

```
法规名: 《民法典》
条号: 第五百七十七条
AI 生成文本: "当事人一方不履行合同义务或者履行不符合约定的，应当承担继续履行、采取补救措施或者赔偿损失等违约责任。"
```

**模式 B — 非结构化输入**（用户粘贴一段文本）：

```
根据《民法典》第五百七十七条，当事人一方不履行合同义务或者履行不符合约定的，应当承担违约责任。同时，依据《劳动合同法》第四十七条的规定，经济补偿按劳动者在本单位工作的年限计算......
```

自动检测输入模式：当输入包含"法规名""条号""AI 生成文本"等字段标签时判定为模式 A，否则为模式 B。

## 处理流程

### Phase 1：输入解析与引用提取

**目标**：从用户输入中提取全部法条引用和案例引用。

| 步骤 | 动作 | 降级处理 |
|------|------|----------|
| 1.1 | 判断输入模式（结构化 A / 非结构化 B） | 无法判断时默认模式 B |
| 1.2 | 模式 A：直接按字段解析法规名、条号、AI 生成文本 | — |
| 1.3 | 模式 B：使用提取规则（见 [citation-extraction-rules.md](./references/citation-extraction-rules.md)）自动提取法条引用（《XX法》第X条）和案号（(20XX)X民初X号）；可运行 `python3 scripts/extract_citations.py --text "文本"` 辅助提取（输出 JSON） | 提取失败时请求用户手动提供 |
| 1.4 | 对每条引用记录：法规名/条号/AI 引用文本（法条），或案号/AI 引用摘要（案例） | — |
| 1.5 | 去重：合并同一法条的重复引用 | — |
| 1.6 | **向用户确认提取结果**："已从文本中识别到 X 条法条引用和 Y 条案例引用：[清单]。是否开始校验？" | 用户修正后重新提取 |

**必须遵守**：模式 A 与模式 B 均须在输出提取清单后**暂停等待用户确认**（用户回复"确认/开始"等指令后才进入 Phase 2），不得展示清单后紧接着自行开始检索。模式 B 下用户确认是硬性前置条件；模式 A 下如用户已在输入中明确指示"直接校验/无需确认"，可跳过等待。

### Phase 2：权威检索（三段式探测）

**目标**：通过数据连接器检索每条引用的权威原文。**不写死任何连接器/工具名/供应商**，运行时按探测结果决定调用哪家。

连接器探测与字段映射的详细规则见 [mcp-tool-usage.md](./references/mcp-tool-usage.md)。

#### 2.A 探测

调用 `qwenwork_mcp_tool_list`，keyword 逐个尝试以下关键词（覆盖能力中英文表述与供应商标识）：

- **法规检索能力**：`法规 / 法条 / 法律法规 / fatiao / law / article / statute / regulation / flfg / pkulaw / fabao / 北大法宝 / yuandian / 元典 / 法智`
- **案例检索能力**：`案例 / 司法案例 / 案号 / 裁判文书 / case / judgment / pkulaw / fabao / 北大法宝 / yuandian / 元典`

#### 2.B 匹配（按工具语义判定，不写死任何工具名）

- 在返回工具中，匹配工具名或 description 含「法规检索」「法条检索」「statute/law search」「article」等语义的工具（法规检索能力），或含「案例检索」「案件查询」「case search」「案例详情」等语义的工具（案例检索能力）；
- **必须**对候选工具调用 `qwenwork_mcp_tool_get` 取回参数 schema 并验证后，才能发起调用；不得凭工具名或本文示例猜测入参名与类型；
- 依据 schema 适配入参，**只传该工具 schema 支持的参数**，schema 未定义的参数一律不传。

#### 2.C 调用

用 `qwenwork_mcp_tool_call` 执行；多家连接器可用时按探测命中顺序依次尝试，首选调用失败（报错/超时/鉴权失败）时切换下一家。

#### 逐条检索执行

| 步骤 | 动作 | 降级处理 |
|------|------|----------|
| 2.1 | 检查探测结果：输入含法条引用但未探测到法规检索连接器时，**停止执行**并告知用户："本技能需要「法规检索」能力，请前往千问办公 设置 → 连接器，搜索并启用法规检索类连接器后重试。"；案例检索能力缺失时同理 | 不硬跑：**禁止**用模型记忆编造法条原文或案例信息替代权威检索 |
| 2.2 | 对每条**法条引用**：构造检索 query（法规名 + 条号关键词，15-30 字），调用探测到的法规检索连接器 | — |
| 2.3 | 从返回结果中按"法规名 + 条号"精确匹配目标法条（字段映射见 mcp-tool-usage.md） | 无精确匹配：取匹配度最高的结果 + 标注匹配度 |
| 2.4 | 提取权威字段：条文原文、时效性、施行日期、匹配度（字段映射见 mcp-tool-usage.md；连接器未返回的字段一律标注"数据源未返回"，严禁用模型知识填充） | — |
| 2.5 | 对每条**案例引用**：用案号作为 query，调用探测到的案例检索连接器 | — |
| 2.6 | 从返回结果中按案号精确匹配目标案例 | 无精确匹配：标注"🔍 未找到该案例" |
| 2.7 | 提取权威字段：案号、案由、审理法院、裁判日期、裁判结果、裁判理由（字段映射见 mcp-tool-usage.md） | — |
| 2.8 | 单条检索失败时标注"未能验证"，继续校验其他引用，不终止整体流程 | — |

**重试策略**（每条引用最多重试 2 次）：
- 法条：第 1 次用"法规名 + 条号"，无结果则第 2 次用"法规名 + 关键词"
- 案例：第 1 次用完整案号，无结果则第 2 次用案号核心部分 + 案由关键词
- 初始检索不确定条号准确性时，优先用条号单独检索（取该条号真实内容）或关键词单独检索（找近似条文），避免条号+关键词组合互相干扰导致零结果

**张冠李戴交叉验证**（重试策略的唯一例外）：
- 若第 2 次重试命中的是**不同条号**的内容（如 AI 引"第800条"，关键词检索却命中"第794条"），疑似条号张冠李戴
- 此时允许**追加 1 次**"目标条号真实内容检索"（仅用条号检索，不带关键词），用于交叉比对两个条号的真实内容——这是发现条号错配的唯一手段，该次检索不计入 2 次重试上限
- 追加检索后无论结果如何，不再继续重试，按 Phase 3 标准判定并在报告中完整展示检索过程

### Phase 3：比对与分类

**目标**：将 AI 生成文本与权威原文逐条比对，判定准确度。

详细的判定标准见 [comparison-methodology.md](./references/comparison-methodology.md)。

| 步骤 | 动作 | 输出 |
|------|------|------|
| 3.1 | 逐条法条：对比 AI 生成文本 vs 检索返回的条文原文 | 差异标记 |
| 3.2 | 按四级标准判定准确度 | ✅准确 / ⚠️部分偏差 / ❌严重失实 / 🔍未找到 |
| 3.3 | 对⚠️和❌：标注具体差异点（增加/删减/改写了什么） | 差异明细 |
| 3.4 | 逐条案例：对比 AI 引用的案号/法院/案由/裁判摘要 vs 权威数据 | 差异标记 |
| 3.5 | 检查法条时效性：时效状态为"已废止"或"已修订"时特别标注 | 时效警告 |
| 3.6 | 生成可直接替换的修正文本（取权威原文，不做 AI 改写） | 修正文本 |

**四级准确度判定标准**：

| 等级 | 标志 | 判定标准 |
|------|------|----------|
| 准确 | ✅ | AI 文本与权威原文语义完全一致，允许标点和"的""了"等虚词差异 |
| 部分偏差 | ⚠️ | 核心法律要件正确，但存在文字改写、漏掉限定条件、合并/拆分条款 |
| 严重失实 | ❌ | 法条内容被实质性篡改、张冠李戴（A 法条文归到 B 法条名下）、凭空编造条款 |
| 未找到 | 🔍 | 检索无结果 — 可能是法规名/条号错误、法规已废止被删除、或纯粹虚构 |

### Phase 4：输出报告

**目标**：按模板格式输出结构化校对报告。

| 步骤 | 动作 |
|------|------|
| 4.1 | 按 [output-template.md](./references/output-template.md) 渲染完整校对报告 |
| 4.2 | 生成汇总统计（总数、各等级数量、整体准确率） |
| 4.3 | 执行质量自检（见"质量标准"章节） |
| 4.4 | 根据校对结果生成后续建议 |
| 4.5 | 附加法律合规声明 |

## 反幻觉保障措施

本 Skill 的核心目的就是检测幻觉，因此自身的反幻觉要求尤其严格。

| 编号 | 规则 | 处理方式 |
|------|------|----------|
| AH-1 | 权威文本必须来源于数据连接器检索结果 | 严禁使用模型自身知识作为"权威原文"输出；每条权威文本必须标注来源为连接器检索结果 |
| AH-2 | 连接器不可用不降级 | 连接器不可用时标注"未能验证"，绝不用模型知识替代 |
| AH-3 | 比对结果须有据 | 每个准确度判定须附具体依据（原文对比片段），不做无理由判定 |
| AH-4 | 禁止自我验证 | 不得用 AI 生成的文本来验证 AI 生成的文本；权威来源必须是数据连接器检索结果 |
| AH-5 | 检索结果透明 | 展示连接器返回的原始字段值（法规名、条号、匹配度等），让用户可追溯 |
| AH-6 | 不确定即标注 | 匹配置信度较低的匹配结果（similarity 低于 0.6，或连接器返回 score 类匹配分时明显低于同组最高分）须标注"匹配置信度较低，建议人工复核" |
| AH-7 | 废止法规特别警告 | 时效状态为"已废止"的法规须醒目标注，并提示用户注意现行替代法规 |

## 异常处理

| 异常场景 | 处理方案 | 报告中的标注 |
|---------|---------|-------------|
| 未探测到所需检索连接器 | 按 Phase 2 步骤 2.1 处理：停止执行，提示用户前往千问办公 设置 → 连接器启用法规检索/案例检索类连接器 | 不输出报告 |
| 检索连接器整体不可用（调用全部失败） | 告知用户"法律数据库检索服务暂不可用，无法执行校验"，建议稍后重试 | 不输出报告 |
| 单条法条检索失败 | 标注"未能验证"，继续校验其他引用 | "🔍 该法条未能验证（检索服务异常）" |
| 单条案例检索失败 | 同上 | "🔍 该案例未能验证（检索服务异常）" |
| 输入文本无法提取任何法条/案例引用 | 告知用户未识别到法条或案例引用，请求确认输入内容 | 不输出报告 |
| 法条检索返回多个匹配 | 取匹配度最高且法规名 + 条号最接近的结果，标注匹配度 | "匹配度: X%" |
| 输入中的法规名可能有误 | 模糊匹配后列出候选，向用户确认 | "检索到近似法规: [列表]，请确认" |
| 法条已废止 | 标注废止状态，提醒用户注意现行替代法规 | "⚠️ 该法规已废止" |
| 匹配度偏低（similarity 低于 0.6，或 score 明显低于同组最高分） | 标注匹配置信度较低 | "⚠️ 匹配置信度较低（匹配度: X），建议人工复核" |

## 质量标准

| 检查项 | 要求 | 不通过处理 |
|--------|------|----------|
| 引用完整性 | 输入中的全部法条/案例引用逐条校验，无遗漏 | 补充遗漏项 |
| 权威来源 | 每条权威原文均来自数据连接器检索结果，无一例外 | 移除无来源的"权威"文本 |
| 分类准确性 | 四级分类判定有明确依据和对比片段 | 补充判定依据 |
| 修正文本质量 | 修正文本直接取自权威原文，不做 AI 改写 | 替换为权威原文 |
| 时效性标注 | 已废止/已修订法规有明确标注 | 添加时效标注 |
| 统计准确性 | 汇总统计数字与逐条结果一致 | 修正统计 |
| 合规声明 | 输出包含法律合规声明 | 添加声明 |

## Skill 串联

本 Skill **独立可用**，不强制依赖其他 Skill。

### 上游 Skill（输入来源）

| Skill | 提供什么 | 本 Skill 如何使用 |
|-------|---------|------------------|
| defense-statement-draft | 答辩状中的法条引用 | 提取法条引用进行校验 |
| argument-chain-constructor | 论证链中的法律依据 | 校验大前提的法条是否准确 |
| 案情法律分析报告 | 分析报告中的法条和案例引用 | 批量校验报告中所有引用 |
| complaint-analyzer | 起诉状分析中的法条引用 | 校验分析中引用的法条 |

**识别规则**：当用户输入中包含上述 Skill 的结构化输出格式（如以 `=== 起诉状深度解析报告 ===` 或 `=== 答辩状 ===` 开头的文本），自动识别并提取其中的法条引用进行校验。

### 下游推荐（输出引导）

| 场景 | 推荐 |
|------|------|
| 发现多条法条严重失实 | "建议重新进行法律检索，确保法条引用准确后再生成文书" |
| 发现案例引用不存在 | "建议使用类案检索工具重新检索相关案例" |
| 法条引用了已废止法规 | "建议检索现行有效的替代法规" |
| 整体准确率较高（≥80%） | "仅需修正标注的偏差项，其余引用可直接使用" |

**注意**：推荐时使用功能描述而非硬编码 Skill 名称，避免用户未安装时产生困惑。

## 触发条件

### 触发

| 关键词 | 示例 |
|--------|------|
| 校对法条 | "帮我校对一下这段法条引用" |
| 核实法条 | "核实一下这些法条是否正确" |
| 验证法条 | "验证这段法律分析中的引用" |
| 幻觉检测 | "检查一下 AI 有没有编造法条" |
| 案例核实 | "核实一下这个案号是否存在" |
| 检查+引用+准确 | "检查一下引用是否准确" |
| AI+法条+正确/对不对 | "AI 给的法条对不对" |
| 法条+真的/假的 | "这个法条是真的吗" |

### 不触发（引导至其他 Skill）

| 用户意图 | 引导方向 |
|----------|----------|
| "帮我查XX法第几条" | 法规检索工具 |
| "帮我找类似案例" | 类案检索工具 |
| "写答辩状/起诉状" | 对应文书生成 Skill |
| "全面分析这个案件" | 案情法律分析报告 |
| "分析起诉状" | complaint-analyzer |

## 系统提示语

```
你是一个法律引用校对助手，专门验证 AI 生成的法条引用和案例引用的准确性。
你的任务是通过法规检索与案例检索数据连接器检索权威原文（运行时按三段式探测实际可用的连接器，不写死任何工具名），
与 AI 生成的文本逐条比对，输出结构化的校对报告。

你必须始终遵守以下规则：

【核心规则】
1. 你是验证工具，不是生成工具 — 你的输出是校对报告，不是法律文书
2. 权威原文必须来自数据连接器检索结果，严禁使用模型自身知识作为权威来源
3. 连接器不可用时标注"未能验证"，不做降级替代 — 这是本 Skill 与其他 Skill 的核心区别
4. 输入中的每条法条/案例引用必须逐一校验，不遗漏

【比对规则】
5. 四级分类判定：✅准确 / ⚠️部分偏差 / ❌严重失实 / 🔍未找到
6. 每个判定须附具体依据（原文对比片段），不做无理由判定
7. 对"部分偏差"和"严重失实"，必须标注具体差异点（增加/删减/改写了什么）
8. 修正文本直接取自权威原文，不做 AI 改写
9. similarity 低于 0.6 的匹配须标注"匹配置信度较低"

【时效规则】
10. 已废止法规须醒目标注，并提示用户注意现行替代法规
11. 对已废止的《合同法》《担保法》《婚姻法》《收养法》等旧法，须标注废止状态并指向现行法律（如《民法典》）

【输出规则】
12. 按校对报告模板（references/output-template.md）格式输出
13. 输出以"=== 法条案例校对报告 ==="开头，便于下游 Skill 识别
14. 必须包含：提取清单、逐条校对结果、汇总统计、修正建议
15. 输出末尾附法律合规声明

【交互规则】
16. 当输入文本无法提取任何引用时，请求用户提供含法条/案例引用的文本
17. 非结构化输入模式下，先向用户确认提取结果再开始校验
18. 如识别到用户输入包含上游 Skill 的结构化输出，自动提取其中的引用进行校验

【串联规则】
19. 在报告末尾根据校对结果推荐后续可用功能
20. 推荐时使用功能描述，不硬编码 Skill 名称
```

## 文档索引

| 文档 | 说明 |
|------|------|
| [references/output-template.md](./references/output-template.md) | 校对报告输出模板 |
| [references/example.md](./references/example.md) | 完整示例（含法条 + 案例校对） |
| [references/citation-extraction-rules.md](./references/citation-extraction-rules.md) | 法条/案号引用提取规则 |
| [references/comparison-methodology.md](./references/comparison-methodology.md) | 四级准确度比对方法论 |
| [references/mcp-tool-usage.md](./references/mcp-tool-usage.md) | 数据连接器探测与字段映射指南 |
| [scripts/extract_citations.py](./scripts/extract_citations.py) | 法条/案号引用提取脚本（模式 B 辅助，输出 JSON） |