Index of every page on this site: llms.txt
All skills
cat-xierluo avatar

/legal-material-organizer

@5fb69a0
Run it yourself

对律师收到的新案件材料执行下载、清点、解包、处理分流、内容注解、归类命名和路径回写;单个可读文件、混合目录、压缩包、聊天导出、图片、PDF、音视频和办公文档均由本技能先入库。不要用于直接形成案情结论、争议焦点、证据证明目的或正式法律意见。

  • 36 files
  • 344 KB
  • Updated yesterday
  • GitHub
Use this Skill: https://skilld.dev/gh/cat-xierluo/legal-skills/legal-material-organizer

Nothing lands on disk. Nothing to clean up.

Fork this Skill

Edit a local copy. It keeps the author and licence.

referencesmaterial-processing-checklist.md

≈3.5k tokens on demand. Your agent reads this file only when SKILL.md points to it.

多类型材料处理清单

处理原则

  1. 先建材料清单,再做预处理,避免边看边丢来源。
  2. 先处理容器类输入,再处理其中的实际材料文件。
  3. 先识别内容和命名依据,再用内部命名工作表执行整理。
  4. 不在本 skill 内做案件事实、争议焦点或证明目的的分析。
  5. 文件名无法确认时标注 待识别 / 待人工确认。
  6. 能力中立:只说明材料需要什么处理能力,不绑定具体 Skill、模型、服务或命令。
  7. 按需注解:自解释文件只保留可回溯的提取文本,需上下文文件再追加注解。
  8. 三层存储:源材料目录放人工交付物;运行时 archive 只放结构化元数据;解压结果等真实材料副本进入独立 work 目录。Skill 包内 archive 永远保持空骨架。
  9. 局部 registry:元数据 manifest 同时维护 materials、material_sets、variants、processing_runs、follow_up_candidates,源目录 Markdown 只展示 display_code。

工具中立的处理路由

本 Skill 不检测 PDF 文字层,也不执行 OCR、ASR、视觉理解、网页读取或办公文档解析。把待处理材料交给当前环境中合适的可用能力,由该能力自行判断直接提取、文字识别、视觉补充或其他处理方法。

外链或网页任务只有在执行能力能证明满足以下边界时才可联网:用户已确认、仅公网 HTTP/HTTPS、DNS 结果全部公网、连接固定到已校验 IP、每跳重定向复核、单资源大小受限、仅写入显式授权目录、失败和拒绝留痕。否则导出 need_web_capture 任务并保持人工复核,不得降级为任意网页读取。

文件类型 所需能力方向 结果要求
图片 / 截图 / 扫描件 文字识别;必要时补充视觉理解 可回溯文本或视觉摘要
PDF 文档读取;不能直接读取时使用文字识别或视觉理解 可读文本,并记录采用的能力类型
Word / WPS / 演示文稿 办公文档正文提取;图片型页面按需补充识别 可读文本或页面摘要
音频 / 视频 音视频转写;必要时补充关键画面理解 转写稿或关键画面说明
表格 / 结构化导出 表格或结构化数据读取 字段、工作表和数据说明
URL / 网页 满足统一网络边界的网页读取或留痕 来源、时间、指纹和可读正文或快照说明
已有文本 直接读取 不重复处理

调用方式:先用 material_processing_handoff.py export 取得待处理任务,再调用当前环境中能满足所需能力的工具。不要引用其他能力的内部脚本路径,也不要把具体工具名称固化进本 Skill。

结果合并原则:

  1. 可直接提取的原文优先于识别文本。
  2. 视觉理解只补充版面、场景和非文本信息,并明确标识来源类型。
  3. 不同通道冲突时保留差异并转人工复核,不自行消除冲突。
  4. 处理文件写入 work_dir,用 material_processing_handoff.py record 回写结果。

失败回退策略:

  • 当前能力失败时,可改用同类或替代能力重试。
  • 只有部分结果时登记为 partial,同时进入人工复核。
  • 没有生成可读结果时登记 failed 或 needs_review,记录失败原因;不得标记为完成。

注解判断表

文件类型 是否需要注解 原因
版权证书、登记证 否 OCR 原文已是结构化信息
合同正文 否 OCR 原文自解释
判决书、裁定书 否 OCR 原文自解释
投诉/举报截图 是 需要说明是谁在投诉、投诉谁、投诉什么
社交媒体帖子截图 是 需要说明帖子内容、发布者、与案件的关联
聊天记录截图 是 需要说明聊天双方、讨论主题、与案件的关联
现场或产品照片 视情况 可能需要说明可见对象和拍摄背景,不推断证明目的

材料类型处理表

材料类型 预处理动作 重点提取信息 建议产物 风险提示
音频 / 视频 转写或识别关键画面 文件主题、录制对象、可确认日期 命名依据 + 整理后文件名 不在本阶段深入分析发言内容
录屏 / 画面视频 转写音轨,必要时识别关键画面 页面标题、操作对象、系统名称 画面说明 + 整理后文件名 只听音频可能漏掉画面内容
聊天记录 识别聊天对象、导出格式、时间范围 会话类型、聊天对象、时间段 命名依据 + 待确认项 截图不完整时,不应自行补全文义
图片 / 截图 OCR + 视觉理解,失败时互相回退 画面类型、可见文字、主体、金额、日期 图片说明 + 整理后文件名 看不清就标待识别
文本型 PDF OCR 或文本提取 标题、首页、目录、落款 PDF 命名依据 注意页眉页脚不要误判为标题
扫描件 PDF OCR 首页标题、抬头、落款、页数 OCR + 整理后文件名 大 PDF 不宜逐页视觉识别
Word / WPS OCR 或文档正文提取 标题、首段、落款 文档说明 + 整理后文件名 .doc 兼容性可能较差
表格 / 清单 Python 直接读取 工作表名和列名 表格说明 + 整理后文件名 不要只看首个工作表
邮件材料 提取邮件头、主题、附件关系 邮件主题、发件人、日期、附件 邮件说明 + 整理后文件名 附件与正文关系不能丢失
演示文稿 OCR 或文稿提取 页标题与封面 页面说明 + 整理后文件名 图片型页面可能仍需视觉识别
URL / 网页 读取页面标题、域名、必要时截图 页面标题、来源网站、访问主题 网页说明 + 整理后文件名 网页内容可能变化,需留痕
Markdown / txt 读取标题和首段 文本主题、来源说明 文本说明 + 整理后文件名 链接和附件可能失效
JSON / XML / CSV 导出 识别字段结构 导出来源、数据类型、时间字段 字段说明 + 整理后文件名 字段名不直观时要先解释含义

容器类材料处理表

容器类型 首步动作 重点记录信息 风险提示
案件目录 / 文件夹 扫描目录树并建立相对路径 原始路径、目录层级、文件总数 多案件混放时要先分案
压缩包 解压后保留原包文件 压缩包文件名、解压目录、内部文件数量 不要解压覆盖原文件
多层压缩包 逐层展开 父包 -> 子包 -> 文件来源链 容易丢失内部文件出处
导出包 / 下载包 识别内部结构 导出来源、导出时间、附件关系 常出现重名文件或残缺导出

RAR/7z 需要本机外部解压器;只有用户确认后才传入 --allow-external-extractor。zip/tar 在解压前检查成员数量、展开体积、路径穿越和特殊文件。

统一识别字段

处理任何材料时,优先关注以下字段:

  • 材料类型
  • 可见标题 / 文件标题
  • 可确认主体
  • 可确认日期或时间范围
  • 可确认金额或编号
  • 来源容器或导出包
  • 整理后文件名
  • 是否需要人工确认

材料说明.md 生成检查清单

上下文读取(处理前)

  • 是否已读取父级文件夹的 材料说明(如已生成)
  • 是否已识别并读取关联文件夹的 材料说明(配对关系、兄弟文件夹)
  • 是否已获取案件上下文(用户提供或从对话中获取)
  • 是否已获取需求方材料清单(如用户提供了发给客户的材料清单)
  • 是否将相关上下文注入到视觉理解 prompt 中

每个文件

  • 是否已通过 OCR / 视觉理解 / ASR 提取了文本内容
  • 是否已把 OCR / 视觉理解 / ASR 的输出登记为 variants
  • 是否已把处理动作、输入输出和失败原因登记为 processing_runs
  • 是否已设置或更新 primary_readable_variant_id
  • OCR 结果是否已贴入 {文件夹名称} - 材料说明.md
  • 是否根据"注解判断表"决定了需要还是不需要注解
  • 需要注解的文件是否已添加解释性注解
  • 看不清/读不出的内容是否标注了"待识别"

每个文件夹

  • 文件夹是否代表一个有意义的案件单元(是 → 生成材料说明)
  • 材料说明文件是否命名为 {文件夹名称} - 材料说明.md(包含文件夹名称前缀)
  • 材料说明头部是否包含 AI 生成声明(含版本号 v0.17.0)
  • 自解释文件是否只贴 OCR 原文、不追加冗余注解
  • 需上下文文件是否已添加解释性注解
  • 是否在材料说明末尾追加了 ## 案件上下文 段落(当用户提供了案件上下文时)
  • 父级文件夹摘要中每个子单元是否有独立条目(确保可检索)

综合分析(Step 5.5)

  • 是否在所有子文件夹材料说明完成后生成了 {源目录名称} - 材料综合分析.md
  • 综合整理说明是否包含材料概况、处理状态、可见关联线索和完整性核对
  • 综合分析是否基于 material_sets 做集合级理解,而不是只按物理文件夹汇总
  • 综合分析是否只展示 display_code,不展示后台 material_id
  • 完整性核对是否以用户提供的需求清单为基线;没有基线时是否标记 NOT_VERIFIED
  • 综合分析是否包含补充建议(如材料不完整)
  • 完整性结论是否明确区分“有清单可核对”和“无核对基线”

并行处理

  • 只有用户要求并行且运行环境允许时,是否按互不覆盖的文件夹分组;否则顺序处理
  • 父级摘要是否在所有子文件夹完成后才生成
  • 综合分析是否在所有材料说明完成后才生成

聊天记录专项提醒

对于微信、飞书、短信等聊天材料,本 skill 只做整理命名,不做对话事实分析。建议至少识别:

  • 发言人
  • 发言时间
  • 聊天对象
  • 截图 / 导出时间范围
  • 是否截图不完整
  • 是否含语音、图片、文件等附件线索

如果只有截图,没有完整导出记录,应在报告中明确:

  • 是否缺少聊天前后文
  • 是否缺少头像 / 名称 / 时间条信息
  • 是否存在拼接图或裁切图风险

对挂外链的 Cubox / 微信 / 企微 / 钉钉聊天 HTML 导出件,跳到下一节「chat-html 导出件专项提醒」。

chat-html 导出件专项提醒

对于 Cubox Pro / 微信 / 企微 / 钉钉等导出的聊天 HTML(<a href> 挂外链下载、<img> 挂图床、<video> 挂视频)走 chat-html 子路径:

Step 1:用 recognize_chat_html() 判断是否进入 chat-html 子路径。 Step 2:用 extract_external_resources() 抽取外链下载/图片/视频三类。 Step 3:先走 dry-run:显式传入 --chat-html-dry-run,输出运行时元数据 archive/<run>/dryrun_manifest.json,人工核对清单。 Step 4:律师确认后用 --chat-html-download 真下载到源目录 外部资源/。 Step 5:材料清单末尾自动追加"外部资源抽取对账"小节。

网页材料专项提醒

网页材料通常用于文件命名和留痕,应识别:

  • 页面标题
  • 域名 / 平台
  • 页面主题
  • 访问或截图时间
  • 是否需要保存截图

本 skill 不判断网页内容的证据效力。

输出前复核清单

  • 是否先处理了目录、压缩包、导出包等容器材料
  • 是否每类材料都已入清单并获得编号
  • 是否还有未识别的图片、截图、扫描件、PDF、音视频或链接
  • 是否已为难命名材料调用可用视觉识别 / OCR / 转写 / 文档读取能力
  • 是否已把实际整理结果写入运行时元数据 archive 中的 materials_manifest.json 和源目录 材料清单.md
  • 元数据 archive 是否包含 filing_plan.json 和 renaming_map.json,并记录材料组、展示编号、参照度和整理路径
  • materials_manifest.json 是否包含 materials、material_sets、variants、processing_runs、follow_up_candidates
  • 材料清单.md 是否包含“所属材料组 / 可读性 / 待处理动作”列
  • 材料清单.md、材料说明.md 和综合分析是否均不展示后台 material_id
  • 整理后是否已回更新所有材料说明和清单中的路径引用
  • 原件快照是否已保留(压缩包原包或文件夹快照)
  • 文件是否已加 A001/B002/C003/D004 展示编号前缀
  • 文件夹是否已加 NN 序号前缀
  • 源材料目录是否没有遗留 JSON、解压目录、接口响应或临时过程文件
  • 是否把不确定文件放入 待人工确认
  • 每个材料说明文件是否命名为 {文件夹名称} - 材料说明.md(包含文件夹名称前缀)
  • 每个材料说明文件是否包含 AI 生成声明(含版本号 v0.17.0)
  • Skill 包内 archive/ 是否只有 .gitignore 与 .gitkeep
  • 运行时元数据 archive 是否未包含图片、音频、视频、PDF、办公文档、OCR 全文或解压目录
  • 真实材料工作目录是否位于 Skill 包之外,并与元数据 archive 分离
  • 是否已生成 {源目录名称} - 材料综合分析.md,包含完整性评估和补充建议
  • 用户提供的上下文是否只用于中性注解,并与可见材料内容分开
  • 自解释文件是否未追加冗余注解
  • 需上下文文件是否已添加注解

Source: SKILL.md on GitHub

skilld matched fixed text patterns in SKILL.md and file names. Patterns miss obfuscated code.

skilld run checks every file with the same patterns. It asks for approval before it loads a Skill with a behavior marked Needs approval.

No third-party reports yet.

Signed by skilld at 5fb69a0. This ties the file your Agent reads to that commit on GitHub. It does not review the instructions.

Last checked against GitHub yesterday.

Activeupdated yesterday
Other metadata
metadata
{
  "version": "0.17.0",
  "author": "杨卫薪律师(微信ywxlaw)",
  "homepage": "https://github.com/cat-xierluo/legal-skills"
}

README badge

README badge for cat-xierluo/legal-skills/legal-material-organizer