Menú
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.
npx skills add https://github.com/THUYRan/Legal-Skills-Chinese --skill legal-judgment-predictionEl comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.
¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.
Assist legal staff of administrative organs in mainland China, based on a given administrative fact pattern, in making value judgments and interest balancing under the basic principles of administrative law, and in forming a provisional discretionary conclusion.
Trigger this skill when the AI agent must handle any of the following situations: 1. The current case/issue has no direct, clear rule in positive law (a legal gap / lacuna); 2. Existing precedents, similar cases, or closely related legal norms must be used to derive a solution for the present issue; 3. The user expressly asks to "refer to," "apply by analogy," or "analogically apply" (参照 / 比照 / 类推适用) a particular norm or case; 4. Legal argumentation must rest on the principle that "like cases should be treated alike" (相似案件相似处理); 5. Similarity and difference between two or more cases/norms must be assessed to decide whether analogy is warranted; 6. In contexts such as contract interpretation, determination of tort liability, or discretionary administrative penalties, experience from similar situations must be used to build the argument. The core of this skill is: identify the basis of similarity (tertium comparationis), justify the analogy, and on that basis reach a reasoned legal conclusion.
Trigger this skill when an AI agent needs to organize legal reasoning results into a complete, internally consistent, and persuasive argumentative structure. Typical trigger scenarios include, but are not limited to: - Drafting the argumentative sections of legal documents such as legal opinions, written submissions (代理词), defense briefs (辩护词), and answers/pleadings (答辩状) - Answering complex legal questions from the user that require multi-step reasoning and a presented conclusion - Systematically analyzing disputed issues and constructing a complete reasoning path from facts to law to conclusion - Rebutting an opposing view by constructing an alternative argument chain - Conducting comprehensive analysis of multiple legal issues while ensuring logical consistency and non-contradiction among arguments - Presenting analytical conclusions in a legal research memorandum Trigger-signal keywords: argument, analysis, reasoning, why, prove, grounds/reasons, discourse, articulate a position, legal analysis
Basado en la clasificación ocupacional SOC
Mostrando SKILL.md
| name | legal-judgment-prediction |
| description | 根据案件事实描述，综合调用8个原子能力，预测罪名、适用法条、刑期及量刑情节，输出结构化预测报告及置信度评估。 |
本复合能力面向刑事案件，接收案件事实描述文本作为输入，通过协调调用8个原子能力，完成从事实解析到判决预测的完整推理链条，最终输出包含罪名预测、适用法条、量刑预测、量刑情节分析及置信度评估的结构化预测报告。
| 编号 | 名称 | 选择理由 |
|---|---|---|
| 4 | 法律核心要素提取 | 判决预测的第一步必须从案件事实文本中精准提取主体、行为、客体、时间、结果、情节等不可再分的核心要素，这是后续所有推理的数据基础 |
| 5 | 法律概念理解 | 需要对提取出的行为要素匹配到具体罪名的法定构成要件，理解"犯罪未遂""入户盗窃""共同犯罪"等概念的内涵与外延，才能准确定性 |
| 6 | 争议焦点和法律关系识别 | 案件中往往存在罪名竞合、既遂与未遂之争、主从犯认定等争议焦点，识别这些焦点直接影响量刑预测的路径选择 |
| 8 | 法条检索 | 确定罪名后必须检索对应的刑法条文及司法解释，获取法定刑幅度、量刑档次、加重或减轻情节的法律依据 |
| 9 | 案例检索 | 通过检索同类案件的判决结果，获取司法实践中的量刑规律和区间分布，为刑期预测提供经验数据支撑，同时校准置信度 |
| 16 | 演绎推理 | 将法条规范（大前提）与案件事实（小前提）进行三段论推理，逐项论证构成要件是否满足，叠加量刑情节推导最终刑期区间 |
| 49 | 法律文书格式适用 | 预测报告需要按照结构化格式输出，参照裁判文书中"本院认为"部分的论证结构，确保报告的专业性和可读性 |
| 50 | 法律术语规范表达 | 预测报告中的罪名表述、量刑情节描述、法条引用等必须使用规范法律术语，避免歧义，确保报告可直接用于法律实务参考 |
无排除项。 本复合能力选用了全部8个可用原子能力。理由如下：
法律判决预测是一项高度综合的法律推理任务，从事实解析（AS-4）到概念匹配（AS-5）、争议识别（AS-6）、法条检索（AS-8）、案例参照（AS-9）、逻辑推理（AS-16），再到最终报告的格式规范（AS-49）和术语规范（AS-50），每一个环节都不可或缺。缺少任何一个能力都会导致预测结果的准确性或专业性下降。
输入：案件事实描述文本
│
▼
[步骤1] AS-4 法律核心要素提取
│
▼
[步骤2] AS-5 法律概念理解
│
▼
[步骤3] AS-6 争议焦点和法律关系识别
│
▼
[质量检查点 QC-1] ── 要素完整性与定性一致性验证
│ │
│ 通过 │ 不通过 → 回溯至步骤1或步骤2
▼
[步骤4] AS-8 法条检索
│
▼
[步骤5] AS-9 案例检索
│
▼
[质量检查点 QC-2] ── 法条适配性与案例相关性验证
│ │
│ 通过 │ 不通过 → 回溯至步骤3重新识别
▼
[步骤6] AS-16 演绎推理
│
▼
[质量检查点 QC-3] ── 推理逻辑自洽性验证
│ │
│ 通过 │ 不通过 → 回溯至步骤4补充法条
▼
[步骤7] AS-49 法律文书格式适用
│
▼
[步骤8] AS-50 法律术语规范表达
│
▼
输出：结构化判决预测报告（含置信度）
案例一示例： 提取出主体（张3）、行为（伪造身份证、冒名骗财）、目的（偿还债务）、目标金额（10万元）、结果（被识破未得手）、时间（2017年4月28日）。
案例二示例： 提取出主体（安旭＋杨某共同犯罪）、行为（持工具撬门入户盗窃）、客体（金银首饰）、时间（2016年5月9日案发，2018年4月15日被抓）、从宽情节（退缴3000元）。
案例一示例： 理解诈骗罪构成要件——以非法占有为目的、虚构事实或隐瞒真相、骗取他人财物、数额较大；理解犯罪未遂——已着手实行犯罪，因意志以外原因未得逞。
案例二示例： 理解盗窃罪"入户盗窃"——无论金额大小均入罪；理解共同犯罪的认定标准；理解主犯与从犯的区分标准。
案例一示例： 识别争议焦点——是否构成诈骗罪既遂或未遂（高影响）；"数额巨大"认定——10万元适用第266条哪一量刑档次（高影响）。
案例二示例： 识别争议焦点——安旭在共同犯罪中的地位是主犯还是从犯（高影响）；退缴3000元对量刑的影响（中影响）。
验证逻辑：
| 检查项 | 验证标准 | 不通过处理 |
|---|---|---|
| 要素完整性 | 主体、行为、客体、结果四项核心要素均已提取，无明显遗漏 | 回溯至步骤1，重新审视原文补充遗漏要素 |
| 定性一致性 | 候选罪名的构成要件与提取的要素之间不存在明显矛盾 | 回溯至步骤2，重新审视概念理解是否有误 |
| 争议识别充分性 | 至少识别出一个争议焦点；若案件事实明确无争议，需显式标注"无实质争议" | 回溯至步骤3，检查是否遗漏潜在争议 |
| 要素-争议关联性 | 每个争议焦点都能追溯到具体的事实要素 | 回溯至步骤1或步骤3，补充关联 |
案例一示例： 检索《刑法》第266条（诈骗罪及量刑幅度）、第23条（犯罪未遂）、第67条第三款（如实供述从轻）。
案例二示例： 检索《刑法》第264条（盗窃罪）、第25条（共同犯罪）、第67条第三款（如实供述）、第52条（罚金）、第53条（罚金缴纳）、第64条（违法所得追缴）。
案例一示例： 查找同类诈骗未遂案件的量刑规律，辅助判断七个月量刑区间的合理性。
案例二示例： 从同类入户盗窃案件归纳上海地区司法实践量刑规律；查找从犯认定标准的相关判例。
| 检查项 | 验证标准 | 不通过处理 |
|---|---|---|
| 法条覆盖性 | 定罪条款、犯罪形态条款、量刑情节条款均已检索到位 | 回溯至步骤4，补充遗漏法条 |
| 法条适配性 | 检索到的法条与候选罪名及争议焦点逻辑匹配，无张冠李戴 | 回溯至步骤3，重新审视罪名定性 |
| 案例相关性 | 检索到的案例与当前案件在罪名、情节、金额等维度上具有可比性 | 回溯至步骤5，调整检索关键词重新检索 |
| 量刑区间合理性 | 案例检索得出的量刑区间落在法定刑幅度之内 | 检查法条检索是否遗漏了加重/减轻情节的规定 |
案例一示例： ①诈骗罪构成要件逐项满足→构成诈骗罪；②被识破未得手属意志以外原因→犯罪未遂成立；③10万元属"数额巨大"量刑档，未遂可比照既遂从轻或减轻；④叠加如实供述从轻→推导至七个月有期徒刑＋罚金三万元。
案例二示例： ①入户盗窃构成要件满足→盗窃罪成立；②二人共谋共同实施→共同犯罪成立；③辩护人主张从犯，无充分证据支撑→不予采纳；④如实供述＋退缴从轻→推导六个月有期徒刑＋罚金二千元＋退赔指令。
| 检查项 | 验证标准 | 不通过处理 |
|---|---|---|
| 构成要件完整论证 | 每个构成要件都有对应的事实要素支撑，无跳跃论证 | 回溯至步骤1补充要素或步骤2修正构成要件理解 |
| 量刑档次正确性 | 推导的量刑档次与法条规定的数额/情节标准一致 | 回溯至步骤4核实法条和司法解释中的数额标准 |
| 刑期区间合理性 | 预测刑期落在法定刑幅度内，且与案例检索的量刑区间基本吻合 | 回溯至步骤5扩大案例检索范围，或回溯至步骤6重新评估情节叠加 |
| 推理链无矛盾 | 定罪结论、形态结论、量刑结论之间逻辑自洽，不存在前后矛盾 | 逐层回溯排查矛盾点 |
| 置信度合理性 | 置信度评估与争议焦点数量、案例一致性等因素匹配 | 重新评估置信度 |
案例一示例（格式参照）： 刑事判决书格式，依次写明当事人信息、公诉机关指控、事实认定、本院认为、判决主文、刑期计算、上诉告知、附相关法律条文。预测报告参照此结构但调整为预测视角。
案例二示例（格式参照）： 判决主文分项列出——一、定罪量刑；二、退赔指令。预测报告同样分项列出各判项预测。
案例一示例： 确保"犯罪未遂""比照既遂犯从轻或者减轻处罚""判处有期徒刑""并处罚金"等表述符合刑事文书规范。
案例二示例： 确保"入户盗窃""共同犯罪""退缴违法所得""退赔违法所得后发还被害人"等表述规范准确。
触发条件： 步骤2中识别出两个或以上候选罪名，且无法在步骤2中直接排除。
处理路径：
触发条件： 步骤1提取的结果要素显示犯罪可能未完成（如"未得手""未遂""中止"等关键词）。
处理路径：
案例一即为此分支： 张3被识破未得手→触发犯罪未遂分支→检索第23条→推理未遂成立→量刑比照既遂从轻或减轻。
触发条件： 步骤1提取的主体要素中存在两人或以上共同实施犯罪行为。
处理路径：
案例二即为此分支： 安旭伙同杨某→触发共同犯罪分支→检索第25条→辩护人主张从犯但证据不足→认定非从犯→不适用从犯减轻。
触发条件： 在任何步骤中发现案件事实描述缺少关键信息，导致无法完成当前步骤的推理。
处理路径：
触发条件： 步骤4检索到的法条之间存在冲突（如新旧法衔接、一般法与特别法竞合）。
处理路径：
| 检查点 | 位置 | 核心验证内容 | 回溯目标 |
|---|---|---|---|
| QC-1 | 步骤3之后 | 要素完整性、定性一致性、争议识别充分性 | 步骤1/2/3 |
| QC-2 | 步骤5之后 | 法条覆盖性与适配性、案例相关性、量刑区间合理性 | 步骤3/4/5 |
| QC-3 | 步骤6之后 | 构成要件完整论证、量刑档次正确性、刑期合理性、推理无矛盾 | 步骤1/4/5/6 |
回溯上限： 同一检查点最多触发2次回溯。若2次回溯后仍不通过，在报告中标注该环节存在不确定性，降低置信度，继续执行后续步骤。
最终输出的结构化判决预测报告格式如下：
═══════════════════════════════════════
法律判决预测报告
═══════════════════════════════════════
【一、案件基本信息】
被告人：
案 由：
案发时间：
案发地点：
【二、事实认定摘要】
（核心事实要素的结构化呈现）
【三、罪名预测】
预测罪名：
构成要件论证：
(1) ……
(2) ……
(3) ……
(4) ……
【四、争议焦点分析】
争议焦点1：……
分析结论：……
确定性：高/中/低
争议焦点2：……
分析结论：……
确定性：高/中/低
【五、适用法条】
(1) 《刑法》第XXX条——……
(2) 《刑法》第XXX条——……
(3) ……
【六、量刑预测】
基准量刑档次：……
量刑情节调整：
- 从轻情节：……
- 从重情节：……
主刑预测：有期徒刑X个月（预测区间：X-Y个月）
附加刑预测：罚金人民币X元
其他判项：……
【七、类案参考】
参考案例1：……（量刑结果：……）
参考案例2：……（量刑结果：……）
【八、置信度评估】
总体置信度：X%（高/中/低）
分项置信度：
- 罪名预测：X%
- 犯罪形态：X%
- 量刑预测：X%
【九、风险提示】
(1) ……
(2) ……
═══════════════════════════════════════
输入： 公诉机关指控：2017年4月28日15时许，被告人张3为偿还债务伪造其妹妹"张2"的身份证，后被告人张3冒名"张2"的身份，利用伪造的"张2"的身份证及事先调取的张2名下不动产登记信息，欲骗取被害人刘某某、徐某某的现金人民币10万元，被被害人刘某某、徐某某当场识破未得手。（证据部分略）
执行过程：
步骤1 [AS-4]：
步骤2 [AS-5]：
步骤3 [AS-6]：
✅ QC-1验证： 四项核心要素完整；诈骗罪构成要件与事实要素一致；两个高影响争议焦点已识别。→ 通过
步骤4 [AS-8]：
步骤5 [AS-9]：
✅ QC-2验证： 定罪条款、未遂条款、从轻条款均已检索；案例与当前案件高度可比。→ 通过
步骤6 [AS-16]：
✅ QC-3验证： 构成要件逐项论证完整；7个月在减轻处罚后的合理区间内；与案例检索区间吻合。→ 通过
步骤7 [AS-49]：
步骤8 [AS-50]：
最终输出（摘要）：
实际判决对照： 被告人张3犯诈骗罪，判处有期徒刑七个月，并处罚金人民币三万元。预测与实际判决完全一致。
输入： 上海市长宁区人民检察院指控：2016年5月9日13时许，被告人安旭伙同杨某（已判决）至本市长宁区福泉路XXX弄XXX号XXX室，利用自备工具撬门入户盗窃，窃得被害人弓某某放置于房间三楼储藏室内的多件金银首饰后逃逸。2018年4月15日，被告人安旭在广州火车站被公安机关抓获。案发后，被告人安旭在家属帮助下退缴部分违法所得人民币3000元。（证据部分略）
执行过程：
步骤1 [AS-4]：
步骤2 [AS-5]：
步骤3 [AS-6]：
✅ QC-1验证： 核心要素完整；盗窃罪构成要件与事实一致；三个争议焦点已识别。注意：涉案财物具体价值未明确，标注为信息不足项。→ 通过（附信息不足标注）
步骤4 [AS-8]：
步骤5 [AS-9]：
✅ QC-2验证： 法条覆盖完整；案例与当前案件在罪名、行为类型、地区上高度可比。→ 通过
步骤6 [AS-16]：
✅ QC-3验证： 构成要件论证完整；6个月在法定刑幅度和案例区间内；推理链无矛盾。→ 通过
步骤7 [AS-49]：
步骤8 [AS-50]：
最终输出（摘要）：
实际判决对照： 一、被告人安旭犯盗窃罪，判处有期徒刑六个月，并处罚金人民币二千元。二、责令被告人安旭退赔违法所得后发还被害人弓某某。辩护人主张安旭系共同犯罪中次要地位的辩护意见，法院不予采纳。预测与实际判决完全一致。
适用范围： 本复合能力主要适用于事实清楚、证据充分的刑事案件判决预测。对于事实存在重大争议、证据不足的案件，置信度应显著降低。
置信度校准规则：
回溯效率保障： 每个质量检查点最多触发2次回溯，避免无限循环。若2次回溯后仍存在问题，标注不确定性后继续推进。
多被告人处理： 若案件涉及多名被告人，需对每名被告人分别执行步骤6的量刑推理，但步骤1-5的结果可共享。
本能力不涉及： 民事案件预测、行政案件预测、法律咨询建议、辩护策略制定等超出刑事判决预测范围的任务。