一、法律检索的“最后一公里”

做法律检索这件事，过去十年的工具进步主要在“数据层” - 从翻纸质法规汇编到用北大法宝搜索，从跑法院档案室查判例到在裁判文书网上输入关键词。数据获取的速度和广度都上去了。

但“最后一公里”的问题一直没解决：搜到法条和判例之后，还得自己整理、归纳、按效力层级排列、写成检索报告。 这部分工作靠的是律师的经验和耐心，工具帮不上忙。

Agent Skill的出现改变了这个局面。它不是另一个法律数据库，而是一个会自动执行完整检索流程、按标准格式输出检索报告的AI助手。你给它一个法律问题，它做信息收集、法条检索、案例查找、效力分类、报告撰写 - 把原来需要一两个小时的人工检索压缩到几分钟。

这篇文章要讲的就是这样一个Skill：Golden2002/legal-research-skill。它覆盖劳动、合同、侵权、家事、行政、刑事六大领域，是目前GitHub上专门做“法律检索Agent Skill”方向的中文开源项目之一。

二、这个Skill做了什么 - 比你想象的更完整

2.1 不是“输入关键词→返回法条”那么简单

大多数人对AI法律检索的想象是：输入一个问题，AI返回几条相关法条。这跟用数据库搜索没有本质区别。

legal-research-skill做的事情比这个完整得多。它的工作流是：

第一步：信息收集 - 接收法律问题，提取关键事实要素和法律争点。比如你问“员工在微信群里骂领导被开除，能要赔偿吗”，它先提取出：劳动争议、解除劳动合同、规章制度效力、微信言论性质等几个关键维度。

第二步：系统性检索 - 按照法律效力层级从高到低逐一检索：

• 法律层面（如《劳动合同法》第39条、第48条）
• 行政法规层面
• 司法解释层面（如劳动争议司法解释）
• 部门规章层面
• 地方性规定层面（如当地劳动争议仲裁指引）

第三步：整理归纳 - 把检索到的法条按效力和关联度排列，标注每条的核心内容和与本案的关联性。

第四步：撰写报告 - 生成结构化的法律检索报告，支持DOCX和Markdown两种格式。报告包含：检索问题、适用的法条清单（按效力层级排列）、相关案例摘要、初步法律分析、检索说明和局限性声明。

2.2 六大领域全覆盖

这个Skill预设了六个法律领域的检索模板：

劳动争议：解除劳动合同赔偿、加班费计算、工伤认定、竞业限制、社保纠纷等。检索重点在《劳动合同法》及司法解释、各地方劳动争议仲裁规则。

合同纠纷：买卖合同、借贷合同、租赁合同、承揽合同、委托合同等。检索覆盖《民法典》合同编、相关司法解释、典型裁判规则。

侵权责任：人身侵权、交通事故、医疗损害、产品责任、网络侵权等。检索重点在《民法典》侵权责任编及相关司法解释。

家事纠纷：离婚、财产分割、子女抚养、继承、赡养等。检索覆盖《民法典》婚姻家庭编和继承编。

行政纠纷：行政复议、行政处罚、行政许可、政府信息公开等。检索重点在《行政诉讼法》《行政复议法》及相关司法解释。

刑事辩护：罪名构成要件、量刑标准、刑事程序、证据规则等。检索覆盖《刑法》及相关司法解释、量刑指导意见。

每个领域都有预设的检索逻辑和法条优先级，不需要每次手动设置。

三、配置实战：如何在Claude Code中部署

3.1 安装步骤

  
  
  
  

      
  
  
  
  

   
   
   
   

    
    
    
    

     
     
     
     

      1
     
     
     
     
     
     
     
     

      2
     
     
     
     
     
     
     
     

      3
     
     
     
     
     
     
     
     

      4
     
     
     
     
     
     
     
     

      5
     
     
     
     
     
     
     
     

      6
     
     
     
     
     
     
     
     

      7
     
     
     
     
     
     
     
     

      8
     
     
     
     
    
    
    
    
    
    
    
    

     
     
     
     

      # 第一步：克隆Skill仓库
git clone https://github.com/Golden2002/legal-research-skill.git
 
# 第二步：把Skill文件复制到Claude Code的skills目录
cp -r legal-research-skill ~/.claude/skills/legal-research
 
# 第三步：验证安装
claude "/legal-research 请检索劳动争议中竞业限制补偿金的相关法律规定"
     
     
     
     
    
    
    
    
   
   
   
   

安装完成后，这个Skill会自动加载到Claude Code的Skill列表中。之后每次处理法律检索任务时，Claude会自动调用它。

3.2 配置检索偏好

首次使用前，建议先设置检索偏好。在Skill的配置文件中，你可以指定：

• 默认检索深度： 快速检索（仅法律和司法解释）/ 标准检索（含行政法规和部门规章）/ 深度检索（含地方性规定和学术观点）
• 默认输出格式： DOCX / Markdown / 二者皆出
• 默认法域： 中国大陆（默认）/ 含港澳台 / 含国际法
• 案例偏好： 仅指导性案例 / 含公报案例 / 含所有公开案例

对于大多数律师，标准检索+中国大陆法域+含公报案例是一个平衡效率和深度的配置。

3.3 运行你的第一次检索

配置完成后，在终端中直接使用：

  
  
  
  

      
  
  
  
  

   
   
   
   

    
    
    
    

     
     
     
     

      1
     
     
     
     
    
    
    
    
    
    
    
    

     
     
     
     

      claude "/legal-research 分析用人单位单方解除劳动合同的法定条件，列出《劳动合同法》中所有允许单方解除的条款，并检索近三年上海地区的相关判例"
     
     
     
     
    
    
    
    
   
   
   
   

Claude Code会加载legal-research Skill，按照配置的检索深度和优先级，依次检索法规→司法解释→地方性规定→相关判例，最后输出一份结构化的检索报告。

四、六大领域检索策略详解

劳动争议检索要点

劳动争议的特点是地方性规定多。除了《劳动合同法》及其司法解释外，各地劳动争议仲裁委员会和法院都有自己的裁量标准和会议纪要。检索时重点注意：明确地域（上海/北京/广东等），查当地的劳动争议裁审衔接文件、高级法院指导意见。

比如：竞业限制补偿金的最低标准，全国层面是“劳动合同解除前十二个月平均工资的30%”，但上海高院有过会议纪要要求不低于50%。如果只查国家层面的规定，就可能漏掉地方保护标准。

合同纠纷检索要点

合同纠纷的检索难点在于需要同时查通用规则和特别规则。比如一份买卖合同纠纷，既要查《民法典》合同编通则（违约责任、损害赔偿），又要查买卖合同分编（标的物交付、风险转移），还要查相关司法解释（买卖合同司法解释）。

一个好的检索策略是先定位合同类型（买卖/借贷/租赁/承揽等），再分别检索通用规则和特别规则，最后查相关判例确认实务中的裁判倾向。

侵权责任检索要点

侵权案件的检索重点是过错认定标准和赔偿计算方式。同类型侵权在不同地区的赔偿标准差异很大 - 比如人身损害赔偿中的残疾赔偿金、死亡赔偿金，各省份的计算基数不同。

检索时先把侵权行为定性（一般侵权/特殊侵权/共同侵权），然后按侵权类型查找对应的责任认定规则和赔偿标准。涉及交通事故或医疗损害的，还要查专门的行政法规和行业标准。

刑事辩护检索要点

刑事辩护的检索逻辑跟民事检索不同。民事检索是“找支持自己主张的法条和判例”，刑事辩护的检索是“找检方可能援引的法条和构成要件，同时找可以反驳的辩点”。

一个好的刑事检索策略是双线的：一条线检索检方可能依赖的法律依据和司法解释，另一条线检索支持辩方立场的判例和学理观点。两条线都跑完，才能全面评估案件的法律风险。

五、与纯手工检索相比：效率提升的实际数据

我用这个Skill做了几组对比测试，结果如下：

省下来的时间主要在三个环节：

1. 不再需要来回切换多个数据库 - Skill自动按效力层级依次检索，不像人工那样需要在北大法宝、裁判文书网、地方法规库之间来回倒
2. 不再需要手动整理法条 - Skill自动按效力和关联度排序，生成结构化的法条清单
3. 不再需要从零写检索报告 - Skill生成初稿，只需复核和补充

六、法律检索Skill的边界：这些事不要让它做

用了一段时间后，我对这个Skill的能力边界有了比较清楚的认知：

它能做得很好的：

• 按效力层级检索成文法规和司法解释
• 整理法条和案例，生成结构化检索报告
• 按领域预设检索策略，减少重复操作

它做得一般、需要人工复核的：

• 判断不同法条之间的冲突和优先适用关系
• 理解判例中的裁判逻辑（而不仅仅是匹配关键词）
• 处理跨法域或多法条竞合的复杂问题

它做不了、必须靠律师判断的：

• 预测特定法官或法院的裁判倾向
• 评估案件的整体诉讼风险
• 结合案件事实给出具体的法律策略建议
• 起草诉讼文书（检索报告可以作为素材，但不能替代）

关键原则：把Skill当作你的检索助理，不是你的法律顾问。 它帮你快速找到相关法条和判例，但怎么用这些法条和判例来构建你的法律论点，是你的专业判断。

七、Agent Skill与法律数据库的配合策略

很多人问：既然有了这个Skill，是不是可以不用北大法宝/威科先行等商业数据库了？

答案是：不能替代，只能配合。 原因有三个：

第一，商业数据库的法条沿革和历史版本是Skill不具备的。你需要知道某条法律在2019年和2023年分别是怎么规定的，Skill只会返回当前有效版本。

第二，商业数据库的裁判规则归纳和实务指南是人工编写的，有编辑的判断和筛选。Skill做的是自动化检索，没有这种“人工筛选”的质量把控。

第三，商业数据库收录了一些不公开或半公开的法律文件（如内部指导意见、会议纪要），这些Skill无法检索到。

最佳的配合策略是：日常检索用Skill快速定位法条和判例，需要深度研究时再到商业数据库查法条沿革和裁判规则归纳。 两个工具各取所长。

八、这个Skill背后的趋势

legal-research-skill这类Agent Skill的出现，代表了一个重要的方向转变：法律AI正在从“静态工具”变成“动态工作流”。

传统的法律数据库是一个静态工具 - 你操作它，它返回结果。Agent Skill是一个动态工作流 - 它有自己的检索逻辑、判断标准、输出格式，能独立执行一个完整的检索任务。

这种转变的意义在于：它把检索过程中的“机械劳动”和“专业判断”做了分离。机械劳动（依次查询多个数据库、整理法条列表、格式化报告）交给Agent，专业判断（选择检索方向、评估法条适用性、构建法律论点）保留给律师。

对于日常需要做大量法律检索的律师和法务来说，这个分离意味着每天至少能省出一个小时 - 而且省下的是最枯燥、最容易让人疲劳的那部分工作。

📚 参考文献

• Golden2002/legal-research-skill — 法律检索Agent Skill（116 Stars）
• pa1nrui1/legal-skills — 中文法律工作流Skills集合
• THUYRan/Legal-Skills-Chinese — 38个法律原子能力Skill
• 智合AI法律检索Skill — 法律检索Agent Skill使用介绍
• MCP协议官方文档

⚠️ 免责声明：本文内容仅为提供信息之目的，不构成法律建议。文中提及的检索效率数据基于个人使用体验，具体效果因案件复杂度、检索经验等因素而异。Agent Skill输出的检索结果应经过律师人工复核后使用。本文作者及平台不对因依赖本文内容而导致的任何损失承担责任。