菜单
类案检索与分析工作流。当用户提供一段案情 + 检索要求（案件数量/地域/法院级别等），需要在北大法宝判例库中检索类案、筛查、编码、并产出"类案分析报告 + Excel 清单"时使用本技能。覆盖检索前要素抽取、本主题动态争点体系搭建、关键词分层、多轮迭代检索、普通案例/经典案例双轨处理、相关度筛查、字段加工编码、样本量自适应的六维数据分析与统一主题出图、全文驱动的深度报告写作、以及居中/攻方/辩方三场景报告生成。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | case-research |
| description | 类案检索与分析工作流。当用户提供一段案情 + 检索要求（案件数量/地域/法院级别等），需要在北大法宝判例库中检索类案、筛查、编码、并产出"类案分析报告 + Excel 清单"时使用本技能。覆盖检索前要素抽取、本主题动态争点体系搭建、关键词分层、多轮迭代检索、普通案例/经典案例双轨处理、相关度筛查、字段加工编码、样本量自适应的六维数据分析与统一主题出图、全文驱动的深度报告写作、以及居中/攻方/辩方三场景报告生成。 |
本技能把一次完整的类案研究拆成三步、两个人工确认点。严格按顺序执行，不要跳步，不要在未获用户确认前进入检索或下载。
| # | 铁律 | 违反后果 |
|---|---|---|
| 1 | 案号/裁判内容只来自数据池；引用必带案号+法院+链接 | verify FAIL，返工 |
| 2 | 两个检查点必须停下等用户确认 | 流程无效 |
| 3 | 03→05 原始字段只追加不改写（apply_coding 强制保护） | Excel 空列 |
| 4 | 焦点/问题名全流程一字不差 | 聚合分裂，validate 报错 |
| 5 | 成品禁工序词（06_analytics/sheet/编码列…） | 返工 |
| 6 | 分组分歧受闸门裁定；小样本不下统计结论 | 伪差异，返工 |
| 7 | 深度由全文驱动；缺处〔全文补实〕占位不编造 | 内容失实 |
| 8 | 命名：实案=类案检索报告 / 学理=裁判规则研究报告 | 校验扫不到 |
| 9 | 编码后必跑：apply_coding→spot_check 抽检呈报→validate | 编码无信度 |
| 10 | 交付前必过：download_fulltext→verify_report | 禁止交付 |
项目总纲：实案研究 = 裁判规则研究的 plus 版本，只多不少——裁判规则研究的全部模块 （构成要件/争点逐节四段＋理论展开、全国样本＋地域呈现、新旧规演进、长表 Excel）整体内嵌为 实案报告的主体；实案模式在其之前额外做指定法院的四顺位类案深挖。任何模块进入实案模式后 深度不降一分。
开工时确认两个正交开关（四种组合均可）：
开关一：研究模式
| 学理研究（默认） | 实案研究（plus） | |
|---|---|---|
| 场景 | 裁判规则研究、论文/报告写作 | 手上有待决/拟诉案件，需可随案归档的类案检索报告 |
| 输入 | 纯主题（如"证券虚假陈述"）或一段案情，二者皆可 | 案情 + 核心法院 |
| 检索范围 | 全国，不限法院（用户可自愿限定） | 全国检索（供全景章）＋ 用户必须指定核心法院，按《最高人民法院关于统一法律适用加强类案检索的指导意见（试行）》（法发〔2020〕24号，下称《类案检索规定》）第四条四顺位标注深挖 |
| 筛查 | 基础筛查：剔除案由不符/纯程序性裁定/汇编报道条目，只留实体判决书；不做与基准案情的三档相似度定档 | 三要素量表三档定档 + 顺位内量化评分 |
| 争点纲目 | 五维默认纲（主体/行为/结果/因果/主观过错＋程序补充维——法律关系的通用解剖框架），维下争点按主题实例化；极不适配的案由在检查点 1 呈报替代纲目 | 同左（全景章），另有四顺位深挖章 |
| 深度 | 全景各维更深展开：理论展开＋学理争议与裁判立场对照（通说层面点出分歧与法院实际选择，不伪造文献引注）＋新旧规演进＋制度变迁总览小节 | 全景四段标准深度 |
| 报告 | 裁判规则研究报告：全景（四段+理论展开）+ 地域分布图 + 争点×地域观点矩阵；无控辩表 | 类案检索报告：新增「类案规则」章（逐顺位六件套深挖+相似性评分）→ 内嵌完整裁判规则全景 → 控辩要点+证据准备清单 → 第八条合规附录 |
| 产出命名 | <主题>-裁判规则研究报告-<YYYYMMDD> | <案件类别>-类案检索报告-<YYYYMMDD> |
实案四顺位（第四条）：①最高法指导性案例 → ②最高法典型案例及裁判生效案件 → ③本省高院参考性案例及裁判生效案件 → ④上一级法院及本院裁判生效案件。默认全顺位检索，标注首个命中顺位。 第四条收尾句两半都要落地：①除指导性案例外，优先检索近三年（自检索日上溯三年）的案例或案件——检索排序与报告均体现近三年优先，逾三年者非不可用但应作次级；②已在前一顺位检索到类案的，可不再检索后续顺位。
开关二：案件形态（自动检测阀门，无须用户指定）
案件形态（散案/集团案）不由用户指定，由检索后的自动阀门判断：
阀门规则：运行
python3 scripts/general/fold_group_cases.py <research_dir> --detect—— 若发现「同一被告 × 同一法院」存在成串相似判决（组规模 ≥4），即判定存在集团性诉讼 形态，去掉--detect重跑执行折叠：每串相似判决仅保留说理最完整的核心判决， 其余作平行判决留痕。检测与折叠结果在检查点 2 呈报用户校核分组。
| 散案（阀门未触发） | 集团/群体性案件（阀门触发） | |
|---|---|---|
| 特征 | 个案彼此独立 | 一个共同事件派生大量平行、近似判决（如证券虚假陈述、产品责任集体维权、环境侵权） |
| 去重 | 按 Gid 去重 | fold_group_cases.py 按"被告主体＋共同事件"三级键分组（标题公司名→正文公司名+法院→说理指纹），组内留核心判决（详见 methodology/core-judgment-and-comparison.md） |
| 深度管道 | scripts/general/* | 编码补 问题观点（争点分叉·抗辩↔裁判对应），走 scripts/securities/* 长表管道（三 sheet Excel） |
| 示范样例 | —— | 证券虚假陈述（五维 14 问体系见 methodology/issue-framework-secmisrep.md、模板 templates/report-secmisrep.md、启动提示词见 启动提示词-证券集团案示例.md）；换领域保持机制、替换问题体系/事件口径/典型名录三处 |
模式×形态四种组合均已实战/演示验证：学理×散案、学理×集团案（全国证券裁判规则研究）、 实案×散案、实案×集团案（甲股份证券虚假陈述案）。
CaseFlag＋审理法院＋链接（链接入脚注）。search_case 仅作发现，正式数据以 get_case_list 全要素为准。06_analytics.json、05_enriched_cases、sheet、脚本、编码列、留痕、维度一/维度二…、焦点立场、自动标注、depth_mode 等任何工序词；数据出处统一写"数据来源：本报告样本（N=…）"。报告写结论体而非工序体。scripts/download_fulltext.py 抓取）重构；缺全文处以〔全文补实：…〕显式占位，不得凭摘要一笔带过、亦不得编造。run_analytics.py 经 scripts/common/stats_guard.py 写入 深度档/定量档/地域分歧 判定；小样本只做描述性、逐争点深挖，大样本由量化承载全景。分组分歧（地域/审级）由 divergence_gate 裁定，report=False 时不得单设分组分歧小节。MCP 服务（须已在 .mcp.json 配置并连接）：
mcp__pkulaw-case-keyword__get_case_list — 关键词检索，参数 title / fulltext（至少填一个），单次返回最多 10 条、每条 25+ 字段。这是数据骨干。mcp__pkulaw-case-semantic__search_case — 语义检索，参数 text（自然语言案情）。返回轻量摘要，用于探索和兜底。mcp__pkulaw-case-number__anhao_recognition — 案号识别验真，参数 text。用于反幻觉。脚本（用 python3 运行；公共派生函数在 scripts/common/pkulaw_utils.py）：
scripts/general/normalize_cases.py — 拍平 MCP 嵌套字段，派生法院层级/地域/年份。scripts/general/run_analytics.py — 计算六维统计并接 stats_guard 写入样本自适应判定、用 chart_theme 出图 + manifest。scripts/general/generate_excel.py — 生成 Excel 清单。scripts/download_fulltext.py — 抓分析池判决全文（报告深度来源）。scripts/build_report_docx.py — 报告转 Word（脚注/图表/封面）。scripts/verify_report.py — 反幻觉收尾自检：扫描成品报告全部案号，逐一比对 03_raw_cases.json 样本池，引用了样本池外的案号即报错。scripts/check_coverage.py / scripts/validate_pipeline.py — 覆盖率自检 / 数据契约校验。scripts/common/court_hierarchy.py + data/court_hierarchy.json — 实案模式四顺位法院解析（直辖市多中院映射，提议制·检查点 1 确认）。scripts/fetch_guiding_cases.py + data/guiding_cases/ — 实案模式顺位①：最高法官网指导性案例本地数据集（含裁判要点/基本案情/裁判理由全文，定期重跑增量更新）。scripts/common/stats_guard.py / scripts/chart_theme.py — 共用：样本量自适应闸门 / 统一图表主题。方法论：methodology/issue-framework.md（为本主题动态搭建争点体系）、methodology/keyword-strategy.md（三层关键词）、methodology/relevance-screening.md（相关度筛查）、methodology/analysis-dimensions.md（六维 + 样本自适应）。模板：templates/report-{neutral,plaintiff,defendant}.md、templates/excel-schema.md。
实践画像：每次开工前先读 CLAUDE.md，应用其中的报告文风、格式、署名等偏好。
Ascertain/Identified/RefereeBasis/RefereeResult 才有完整正文。 经典/参考/公报/典型/评析案例只返回 metadata，正文字段为空。
⚠️ MCP 格式变更（2026-06 起）：关键词接口不再返回
Gid；CaseGrade/LastInstanceCourt/Category/DocumentAttr由旧版嵌套 dict 变为 list（如["普通案例"]，省级在首、具体法院在末）；普通案例标识为中文"普通案例"而非"07"。脚本层（fetch_cases以Url合成 Gid、pkulaw_utils.flatten_*、pipeline_schema、generate_excel、check_coverage）已做向后兼容补丁，dict/list 两种格式皆可；新写脚本须沿用此兼容，勿再假设 dict/Gid/"07"。
title，方法论/技术性词放 fulltext。判决书标题极少含"算法推荐"这类方法论词，硬塞进 title 会命中评析类文章而非判决书。详见 methodology/keyword-strategy.md。用户会给：① 一段案情描述；② 检索要求（目标案件数量、地域范围、法院级别、时间范围、文书类型等，可能不全）。先确认研究模式（学理/实案）；实案模式必须问到核心法院。把这些原样记入 research/<主题>_<日期>/00_input.md。
实案模式加做：运行 python3 scripts/common/court_hierarchy.py "<核心法院全称>" 得四顺位法院清单提议（直辖市多中院映射查 data/court_hierarchy.json，标〔待核〕处须核实；专门法院上诉关系特殊）。清单在检查点 1 呈用户确认，确认后落盘 <research_dir>/顺位法院.json（格式 {"顺位2_最高法":["最高人民法院"],"顺位3_本省高院":[…],"顺位4_上一级及本院":[…]}），供检索后过滤与 check_coverage.py 顺位覆盖统计。
从案情中抽出结构化要素，写入 01_elements.md：
按 methodology/issue-framework.md 的套路，据案情要素与预研，为本主题构造一套争点体系，写入 01b_issues.md：3–6 个争议焦点（每个给出"争什么/为何重要/两端立场"）、每个焦点的倾向标签取值集（离散互斥可穷举）、以及反复出现的抗辩理由清单。焦点名/标签/抗辩名一经定稿，全流程（编码 焦点立场/抗辩、脚本聚合、报告第二章）逐字沿用。这是本技能的脊柱——集团案形态可直接采用领域固定问题体系（证券示例：methodology/issue-framework-secmisrep.md 五维 14 问），散案/新主题须在此动态搭建。
按 methodology/keyword-strategy.md 构建三套检索要素写入 02_keywords.md：A 套（高贴合，高相关候选池，标识≈90%+）、B 套（概念放大，中相关候选池，标识≈80%+）、C 套（兜底扩展，仅 A+B 不足时经确认启用并特别提示）。每套给出 title/fulltext 具体取值并标注套别（候选池≠终判，终档由筛查三要素量表定，见 methodology/relevance-screening.md）。此拆解同时构成报告"案情要素拆解与检索映射表"的素材。
把 01_elements.md、01b_issues.md、02_keywords.md 的要点呈现给用户，请其作为律师审核：要素抽取是否准确、案由是否对、争点体系是否齐全、倾向标签是否合理、A/B 两套关键词是否合理。实案模式另须呈报四顺位法院清单（含直辖市多中院映射结果与〔待核〕项），用户确认后落盘 顺位法院.json。得到明确确认（如"可以""开搜"）后才进入第二步。 若用户要改，改完再确认。
从 A 套关键词开始调用 get_case_list，跑满后转 B 套。每轮后判断：
_query（供候选池分档与覆盖率自检）。methodology/keyword-strategy.md 的停止条件）。search_case 语义探索）仅在 A+B 召回不足时经用户确认启用，结果标低相关并特别提示。学理模式：不做法院过滤，全国样本直接入池。
实案模式（双轨样本）：检索范围不限于顺位法院——全国命中均入分析池（供"裁判规则全景"章做整体把握、看其他地区怎么判）；同时每轮按 LastInstanceCourt 与 顺位法院.json 比对，给顺位内案件标 _顺位（2/3/4），只有顺位内的高/中相关案进"类案规则"专章做深度比对。即：类案规则章=顺位子集，裁判规则全景章=全样本，两章样本口径在报告方法部分各自写明。顺位①指导性案例另查本地数据集 data/guiding_cases/index.json（标题/关键词与主题匹配者），列出编号/标题/链接并读取 cases/<编号>.json 全文供深度比对——引用前按《类案检索规定》第九条核查是否与新法冲突或被新指导性案例取代（可联网核对废止公告）。时间优先（第四条收尾句）：除指导性案例外，类案规则章的顺位内排序与深挖优先取近三年（自检索日上溯三年）案件；逾三年案件仍可入池但在报告中标注并作次级参考。数据背书：check_coverage.py 输出 07_coverage.json 的 时效结构（近三年占比 + 逾三年清单 + 指导案例豁免数）——深挖逾三年案前先看此清单，报告附录"检索过程说明"可直接引该占比说明时效结构。实案模式另出 时效结构.顺位内 子集（仅命中四顺位目标法院者，需 顺位法院.json）——这才是「类案规则」章深挖候选的时效真值，近三年优先在此子集内执行；全景章用全池不受约束。
把每一轮的原始返回累加写入 03_raw_cases.json（数组，每条原样保留完整 MCP 字段，额外加一个 _query 字段记录命中它的关键词）。
⚠️ 字段保全铁律：从本步开始，03 → 04 → 05 的每一步都必须原样保留每条记录的全部 MCP 原始字段（
Gid/Title/CaseFlag/Ascertain/Identified/RefereeBasis/RefereeResult/DefenseViewpoint/ControversialFocus/Category/LastInstanceCourt/CaseGrade/Url等），只允许追加新字段，绝不可改写或删除原始字段。下游脚本依赖这些字段名生成 Excel；若被改名或丢弃，Excel 实质内容列会变空。脚本虽有按Gid回退到03_raw_cases.json的保护，但仍应从源头保全。
按 Gid 去重（同一案件可能被多层关键词命中）。
CaseGrade 含 "07"（普通案例）且 Ascertain 非空 → 分析池。CaseFlag/Title/CaseGrade/Url。实案模式：对分析池逐条按 methodology/relevance-screening.md 的三要素比对量表（基本事实/争议焦点/法律适用——三要素出自《类案检索规定》第一条定义，比对动作是第六条要求）与基准案情比对定档：高（≈90%+ 标识）/中（≈80%+ 标识）保留，低剔除（留痕）；每案记 相关度 + 相关度依据。仅当高+中为 0 时按兜底规则经确认纳入低相关并特别提示。
学理模式：不做三档定档（无基准案情可比），只做主题相关性基础筛查——剔除案由不符、纯程序性裁定（管辖/不予受理）、汇编报道条目，仅留实体判决书；剔除项留痕于 03。
两模式结果均写入 04_screened_cases.json。
运行 python3 scripts/check_coverage.py <research_dir>：生成 07_coverage.json（关键词命中矩阵含"独有命中"、案件等级/法院层级分布、年份跨度、去重审计、名录缺口——有 名录.json 时），并打印检查点 2 可直接引用的摘要。独有命中为 0 的关键词提示边际贡献存疑，可据此换词补检。本结果同时是报告附录"检索过程说明"的方法/结果底稿（法发〔2020〕24号第八条要素）。
向用户报告检索情况：用了哪些关键词、各层命中多少、去重后多少、普通案例多少、筛查后保留多少、权威案例附录多少，并附覆盖率自检摘要（含缺口如实呈报）。请用户确认是否对样本量做调整（放宽/收窄/增删）。得到确认后才进入第三步。
对分析池每条普通案例，做两类加工，结果写入 05_enriched_cases.json：
确定性派生（运行 python3 scripts/general/normalize_cases.py <research_dir>）：法院层级、地域、裁判年份、拍平 Category/CaseGrade/LastInstanceCourt。
判断性编码（你来推理，逐条标注，追加到记录上，保留原始字段）：
基本案情摘要：把 Ascertain 浓缩为 150 字内的中立案情概括（Excel 用这个，而非原文照搬）。抗辩要点摘要：把 DefenseViewpoint 浓缩为 100 字内要点。裁判要点摘要：把 Identified 浓缩为 150 字内核心裁判逻辑。判赔金额 / 维权开支：从 RefereeResult 抽取数字（无则填 null）。裁判结果分类：从 RefereeResult 归类为 驳回/全部支持/部分支持/撤销改判 之一。立场：从 Identified + RefereeResult 按 01b_issues.md 该焦点的倾向标签取值集判断，存入 焦点立场 对象 {"<焦点名>": {"立场": "<倾向标签>", "理由": "..."}}。焦点名须与 01b_issues.md 一字不差，否则脚本聚合不到、图表残缺。是否被采纳：比对 DefenseViewpoint 与 Identified 的实际采信结果，存入 抗辩 数组 [{"理由": "<与 01b 抗辩清单一致>", "是否被采纳": true/false}]。相关度：高/中（已在筛查阶段定）。编码产出的
基本案情摘要/抗辩要点摘要/裁判要点摘要是给 Excel 的"浓缩汇总"列；原始长文本仍保留在记录里，脚本会优先用摘要、缺失时回退原文。
编码落盘（标准化）：编码以纯 JSON 产出（编码.json，无需手写脚本），运行 python3 scripts/general/apply_coding.py <research_dir> 编码.json 合并入 05——受保护的 MCP 原始字段会被拒绝改写（字段保全铁律的机器强制）。
编码抽检（强制，不得跳过）：运行 python3 scripts/general/spot_check_coding.py <research_dir> 生成"编码结论 vs 原文摘录"对照复核单（默认抽 ≥15%、至少 3 件），随最近的检查点呈报用户逐件确认；更正项写回 05 留痕。这是判断性编码的质量闸门。
编码完成后立即校验：运行 python3 scripts/validate_pipeline.py <research_dir>，对 03–06 做数据契约校验（字段类型/枚举/焦点名拼写一致性——拼写漂移会导致聚合分裂成多列）。有 error 必须修复后再进入 §3.2；run_analytics 也会在 warn 模式下复查。
运行 python3 scripts/general/run_analytics.py <research_dir>，按 methodology/analysis-dimensions.md 计算六维（交叉关联、抗辩有效性、判赔金额、演进拐点、分歧地图、要素-结果影响度），输出 06_analytics.json。脚本同时：
stats_guard 写入 深度档（定性深挖/量化主导）、定量档（描述→卡方/Fisher→建模）、地域分歧/审级分歧（分组样本够不够才能下分歧结论），并为主交叉表附带 检验.phrasing 措辞。chart_theme 出三张统一主题图到 output/_charts/（overview/issue_freq/result_year）+ manifest.json，供报告以 ![chart:key] 占位插图。matplotlib 缺失时优雅降级，仅跳过出图。写报告前先看
深度档/定量档/地域分歧：它们决定本次报告写多深、能否做显著性检验、要不要写分组分歧。绝不为凑差异而编造分歧。06同时输出分歧地图（同一争点对立立场并存的争点清单 + 各立场代表案对 + 地域观察）——这是报告"综合分析"分歧小节与 Excel「裁判分歧清单」sheet 的数据源；其中地域差异能否上升为结论仍由地域闸门裁定，措辞照抄其措辞字段口径（法发〔2020〕24号第十一条所指"法律适用不一致"情形的显性化）。
运行 python3 scripts/download_fulltext.py <research_dir> [--docx]，把分析池每条普通案例的 MCP 全要素（Ascertain/Identified/RefereeBasis/RefereeResult/PlaintiffClaims/DefenseViewpoint/TrialAfter）按判决书结构拼成每案一份原文，写入 output/原文/（+ 00_索引.md）。这是报告第二章深度说理的全文来源——3.3 写作时据此重构法院论证链条、填实〔全文补实〕占位。正文要素全部来自 MCP、不抓 pkulaw 网页，每份附法宝链接溯源。
先问用户选哪个场景：居中 / 攻方（权利人）/ 辩方（平台）。加载对应模板——templates/report-neutral.md（居中，做满研报级深度，含双模式结构分支与"案情要素拆解与检索映射表"规范）/ report-plaintiff.md（攻方）/ report-defendant.md（辩方，后两者复用居中深度内核 + 各加一张策略表）。严格按模板的结构与笔法：
![chart:region_dist]）→ 二、裁判规则全景（按 01b_issues.md 的争议焦点逐节，节内"①争点界定 ②主流规则含代表案 ③例外与反向 ④小结"四段） → 三、综合分析（裁判规则地图表 + 争点×地域观点矩阵 ![chart:issue_region]，不设控辩表）→ 四、结论 → 附录（权威案例索引 + 方法论与覆盖率说明）。07_coverage.json）；检索方法项须写明第四条收尾句的落地——四顺位标注、除指导性案例外近三年优先、前一顺位命中可不再检索。深度档 与全文驱动：qualitative_deep（小样本）时每焦点 500–1500 字真实说理，据 output/原文/ 重构法院论证链条、代表案细读、正反对称（2 正 + 2 反）；quantitative_lead（大样本）时定性收敛、量化承载全景。缺全文处以〔全文补实：…〕占位。![chart:overview]/![chart:issue_freq]/![chart:result_year] 控制位置。检验.phrasing。报告文件命名（固定规范，按模式分化）：实案模式写入 output/<案件类别>-类案检索报告-<YYYYMMDD>.md（合规归档语义，呼应第八条）；学理模式写入 output/<主题>-裁判规则研究报告-<YYYYMMDD>.md（研究语义）。<案件类别>/<主题> 为简洁归纳（如"短视频侵权案件"），<YYYYMMDD> 为出具日期；攻方/辩方场景在类别后括注。Excel 清单两模式统一为 <类别>-类案检索清单-<YYYYMMDD>.xlsx。Markdown 开头须含封面元信息行（每行 **键**：值），务必含一行 **报告主题**：<简洁主题>（用作 Word 封面主标题，简洁凝练，如"算法推荐短视频侵权案件的类案检索"，而非冗长全称），随后 报告人/报告日期/检索地域/分析样本 署名行（排在封面底部，默认取 CLAUDE.md）。
运行 python3 scripts/build_report_docx.py <research_dir> <案件类别>-类案检索报告-<YYYYMMDD>.md（第二个参数是报告文件名，不可省略），把上一步的 Markdown 报告渲染成中文法律文书排版的 Word：封面、目录、分级标题（黑体）、正文（宋体 1.5 倍行距首行缩进）、表格、[案名（案号·法院）](链接) 转脚注、在 ![chart:key] 占位符处插入 §3.2 生成的图表（读 output/_charts/manifest.json）、页码。输出 output/<案件类别>-类案检索报告-<YYYYMMDD>.docx（docx 名自动据 md 名派生）。Markdown 作为草稿保留，Word 是最终交付物。
运行 python3 scripts/general/generate_excel.py <research_dir> --name "<案件类别>" [--date YYYYMMDD]，按 templates/excel-schema.md 定义（固定字段 + 浓缩摘要列 + 动态争议焦点列）生成 output/<案件类别>-类案检索清单-<YYYYMMDD>.xlsx。脚本会按 Gid 从 03_raw_cases.json 回退补全任何缺失的实质字段。
分析案件判决原文已在 §3.2b 抓取到
output/原文/，作为报告深度来源；此处不再重复。
报告与 Excel 生成后，运行 python3 scripts/verify_report.py <research_dir>，两层校验：
①案号溯源——报告每个案号逐一比对样本池，池外案号即 FAIL，必须修复后才能交付；
②引文核验——报告中引号内的直接引文在判决全文语料中匹配，逐字引用判决原话者应当命中，未命中清单（转述归纳/法条原文）须人工抽核来源一致性。校验证明的是引用与引文可溯源性；转述质量由 §3.1 编码抽检与检查点把关——不得对外宣称"全部内容已被机器验证"。
CaseFlag（标准化案号）+ 审理法院 + Url（pkulaw 链接）以便溯源。CaseFlag，不要用可能不规范的原文写法。anhao_recognition 验真；验不到要明确告知"该案号未在北大法宝库验证到"。CaseGrade 为指导案例/公报案例的判例具参照效力，应优先引用并标注；普通案例不具强制力，引用时注明"参考类案"。research/<主题>_<日期>/
├── 00_input.md 用户输入
├── 01_elements.md 案情要素
├── 01b_issues.md 本主题争点体系（焦点/倾向标签/抗辩清单，检查点1）
├── 02_keywords.md 三层关键词（检查点1）
├── 03_raw_cases.json 检索原始累加
├── 04_screened_cases.json 去重+筛查后（检查点2）
├── 05_enriched_cases.json 加工编码后
├── 06_analytics.json 六维统计 + 样本自适应判定 + 分歧地图（不在成品中提及其文件名）
├── 07_coverage.json 检索覆盖率自检（检查点2与附录"检索过程说明"底稿）
└── output/
├── _charts/ 统一主题图表 + manifest.json（报告占位符插图）
├── <案件类别>-类案检索报告-<YYYYMMDD>.md 工作草稿
├── <案件类别>-类案检索报告-<YYYYMMDD>.docx 最终交付（封面/目录/脚注/图表/页码）
├── <案件类别>-类案检索清单-<YYYYMMDD>.xlsx
└── 原文/ 分析案件判决原文，每案一份 + 00_索引.md（报告深度来源）