{"id":"ecc8506d-4f2d-4618-aa0d-d9a6b83d03dc","entityType":"agent","slug":"clawhub-szzzcode-szzz-case-study-lite","name":"SZZZ Case Study Lite｜案例分析技能","canonicalUrl":"https://www.xpersona.co/agent/clawhub-szzzcode-szzz-case-study-lite","canonicalPath":"/agent/clawhub-szzzcode-szzz-case-study-lite","generatedAt":"2026-10-10T07:45:02.509Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":null},"description":"SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi... Skill: SZZZ Case Study Lite｜案例分析技能 Owner: szzzcode Summary: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi... Tags: latest:3.0.1 Version history: v3.0.1 | 2026-07-23T03:13:00.723Z | user 同步 Lite v3.0.1：完善本地案例库流程、增量去重、材料追问与 DOC 支持；补充八股仙人作者介绍，并统一为基础版命名。 v1.2.1 | 2026-04-02T07:10:41.445Z | user v1.2.1: 更新技能显示名称","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.9K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s17f4fw36493ycafm4dtns9vh583psmg:szzz-case-study-lite","sourceUrl":"https://clawhub.ai/szzzcode/szzz-case-study-lite","homepage":"https://clawhub.ai/szzzcode/skills/szzz-case-study-lite","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/szzzcode/szzz-case-study-lite","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/szzzcode/skills/szzz-case-study-lite","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":66,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":null},"stars":null,"forks":null,"downloads":1908,"packageName":null,"latestVersion":"3.0.1","tractionLabel":"1.9K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T23:08:42.516Z","lastCrawledAt":"2026-10-09T23:08:42.516Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T23:08:42.516Z","lastVerifiedAt":null,"highlights":[{"version":"3.0.1","createdAt":"2026-07-23T03:13:00.723Z","changelog":"同步 Lite v3.0.1：完善本地案例库流程、增量去重、材料追问与 DOC 支持；补充八股仙人作者介绍，并统一为基础版命名。","fileCount":10,"zipByteSize":24590},{"version":"1.2.1","createdAt":"2026-04-02T07:10:41.445Z","changelog":"v1.2.1: 更新技能显示名称，增加中文标识。","fileCount":7,"zipByteSize":9338},{"version":"1.2.0","createdAt":"2026-04-02T07:08:06.683Z","changelog":"v1.2.0: 合并争议焦点与法院认定，增强逻辑穿透深度。","fileCount":6,"zipByteSize":8146},{"version":"1.1.0","createdAt":"2026-03-31T12:26:31.275Z","changelog":"Refactored output templates and extraction logic","fileCount":6,"zipByteSize":7626},{"version":"1.0.0","createdAt":"2026-03-27T07:35:07.813Z","changelog":"Initial release of judgment-analyzer skill. - Analyze local court judgment documents (PDF, Word) to extract key case information and generate structured summary reports. - Supports single file and batch (folder) processing, including output of per-case summaries and a consolidated analysis report. - Automated extraction of essential fields: case number, court, cause, date, parties, procedure, verdict, and key reasoning. - Provides analysis guidelines based on case types (e.g., finance, tort, labor, IP, family). - Offers ready-to-use output templates ensuring content completeness and consistency. - Example usage and step-by-step workflow included for user clarity.","fileCount":6,"zipByteSize":8164}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17f4fw36493ycafm4dtns9vh583psmg:szzz-case-study-lite","setupComplexity":"medium","setupSteps":["Python environment detected. Create a strict virtual environment (`python -m venv .venv`) before installing dependencies to prevent system-level package conflicts.","Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T07:45:02.508Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-szzzcode-szzz-case-study-lite/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":null},"readme":"Skill: SZZZ Case Study Lite｜案例分析技能\n\nOwner: szzzcode\n\nSummary: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi...\n\nTags: latest:3.0.1\n\nVersion history:\n\nv3.0.1 | 2026-07-23T03:13:00.723Z | user\n\n同步 Lite v3.0.1：完善本地案例库流程、增量去重、材料追问与 DOC 支持；补充八股仙人作者介绍，并统一为基础版命名。\n\nv1.2.1 | 2026-04-02T07:10:41.445Z | user\n\nv1.2.1: 更新技能显示名称，增加中文标识。\n\nv1.2.0 | 2026-04-02T07:08:06.683Z | user\n\nv1.2.0: 合并争议焦点与法院认定，增强逻辑穿透深度。\n\nv1.1.0 | 2026-03-31T12:26:31.275Z | user\n\nRefactored output templates and extraction logic\n\nv1.0.0 | 2026-03-27T07:35:07.813Z | auto\n\nInitial release of judgment-analyzer skill.\n\n- Analyze local court judgment documents (PDF, Word) to extract key case information and generate structured summary reports.\n- Supports single file and batch (folder) processing, including output of per-case summaries and a consolidated analysis report.\n- Automated extraction of essential fields: case number, court, cause, date, parties, procedure, verdict, and key reasoning.\n- Provides analysis guidelines based on case types (e.g., finance, tort, labor, IP, family).\n- Offers ready-to-use output templates ensuring content completeness and consistency.\n- Example usage and step-by-step workflow included for user clarity.\n\nArchive index:\n\nArchive v3.0.1: 10 files, 24590 bytes\n\nFiles: CHANGELOG.md (2277b), LICENSE (2212b), prompts/analyzer-logic.md (4223b), prompts/master-report-logic.md (4343b), README.md (5246b), scripts/main.py (31030b), scripts/requirements.txt (262b), skill-card.md (2971b), SKILL.md (4824b), _meta.json (139b)\n\nFile v3.0.1:SKILL.md\n\n---\nname: szzz-case-study-lite\ndescription: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidian 导出。\n---\n\n# SZZZ Case Study Lite｜案例分析技能\n\n## 作者\n\n八股仙人，长期关注法律实务、文档自动化与 AI 工作流，分享面向中文法律文本处理的工具和方法。\n\n小红书 @八股仙人｜AI工作流
\n微信公众号 @八股仙人
\n微博 @八股仙人AI\n\n把用户已有的本地裁判文书整理为准确、可溯源、可持续增量更新的案例库。\n\n## 执行协议\n\n不要自行另写临时代码扫描或统计文件。提取、去重、进度和数量对账均以 `scripts/main.py` 为准。\n\n运行脚本时，将工作目录设为本 `SKILL.md` 所在的技能目录。不要假定技能安装在 `~/.claude`；以下相对路径适用于任意安装位置。\n\n### Step 1：扫描与建库\n\n用户提供包含 `.pdf`、`.docx` 或 `.doc` 的文件夹后，运行：\n\n```bash\npython3 scripts/main.py init \"[项目路径]\"\n```\n\nPDF 保留页码标记；DOCX 直接提取；DOC 在 macOS 使用 `textutil`，其他系统优先使用 LibreOffice。转换器不可用或提取为空时，如实报告，不生成空白 raw 文件。\n\n### Step 2：去重与纳入范围\n\n`init` 自动执行：\n\n- 对民事判决书、民事裁定书按“案号 + 文书类型”去重；\n- 纳入执行异议、案外人异议、执行复议等实质争议类执行裁定；\n- 纳入典型案例、指导性案例、裁判要旨等参考材料；\n- 无标准案号时使用正文相似度辅助去重；\n- 把重复、范围排除和提取失败情况写入 `law_analysis_results/dedup_report.txt`。\n\n### Step 3：逐案专家摘要\n\n初始化后运行：\n\n```bash\npython3 scripts/main.py focus \"[项目路径]\"\n```\n\n每批只处理脚本派发的材料。读取 `prompts/analyzer-logic.md`，穷尽原文中的全部争议焦点，逐份生成摘要。\n\n摘要必须：\n\n- 保存到 `law_analysis_results/individual_cases/`；\n- 使用 `案号-文书类型-当事人简称-案由-摘要.md`；\n- 无法确认的信息写“原文未披露”，不得推测；\n- 每批落盘后再次运行 `focus`，直到脚本明确提示队列清空。\n\n### Step 4：三个后续方向\n\n队列清空并完成数量对账后，先阅读全部单案摘要，提炼三个高频、重要的争议焦点 A、B、C，再向用户提供：\n\n1. 提供具体案情或问题，从案例库检索并在必要时回溯原文；\n2. 从 A/B/C 中选择一个，作为 Master Report 的重点专题；\n3. 提供自定义报告关键词。\n\n不要默认直接生成 Master Report。\n\n### Step 5：Master Report\n\n用户确认专题后运行：\n\n```bash\npython3 scripts/main.py report \"[专题词]\" \"[项目路径]\"\n```\n\n读取脚本生成的 `master_data.json`、全部单案摘要及 `prompts/master-report-logic.md`，生成与 Pro 相同结构、带案号来源的实务报告，并保存为：\n\n```text\nlaw_analysis_results/Master_Report.md\n```\n\n## 增量处理\n\n既有项目加入新文书后再次运行 `init`。如果发现唯一的新材料，立即运行：\n\n```bash\npython3 scripts/main.py focus_incremental \"[项目路径]\"\n```\n\n持续处理到增量队列清空。汇报时必须分别说明“本轮增量数量”和“全库累计数量”。增量完成后，除三个常规方向外，还应提供“只围绕本轮增量案件提问”的选项；除非用户要求，不扩大到全库。\n\n## 既有案例库问答\n\n用户向已提取材料提问时，按问题精度逐层回溯：\n\n1. **宏观统计、趋势和分布**：优先读取 `Master_Report.md`；没有报告时汇总 `individual_cases/`。\n2. **案件比较、裁判规则和法律适用**：读取相关单案摘要进行交叉分析。\n3. **最相似案件、特定事实、抗辩原话、证据或日期金额**：必须读取对应 `source_texts/*-raw.md`，不能只依赖摘要。\n\n回答采用“结论—原文证据对齐—实务评论”结构，明确说明来自哪份摘要或 raw 原文。摘要与 raw 不一致时以 raw 为准；原文没有披露时明确回答“判决书原文未披露此细节”。\n\n再次运行 `init` 且没有新材料时，向用户提供：案例库问答、重写 Master Report、结束本轮或明确确认后重置。\n\n## 功能边界\n\nLite 只处理用户已有的本地材料，不调用元典或其他外部案例库，也不写入 Obsidian Vault。需要外部类案检索、动态选案、元典归档或 Obsidian 知识库时，使用 SZZZ Case Study Pro。\n\nFile v3.0.1:README.md\n\n# SZZZ Case Study Lite｜案例分析技能\n\n八股仙人，长期关注法律实务、文档自动化与 AI 工作流，分享面向中文法律文本处理的工具和方法。\n\n小红书 @八股仙人｜AI工作流
\n微信公众号 @八股仙人
\n微博 @八股仙人AI\n\nSZZZ Case Study Lite 是一个免费的本地民事裁判文书研究工具。它可以把用户已有的案例材料整理成可检索、可更新、可回溯原文的本地案例库。\n\n**当前版本：v3.0.1**\n\n## 特色功能\n\n这不只是一个生成摘要的工具，而是一套从材料整理到持续维护的本地案例研究流程。\n\n```mermaid\nflowchart LR\n A[导入案例材料] --> B[文本提取]\n B --> C[识别与去重]\n C --> D[单案专家摘要]\n D --> E[专题分析报告]\n E --> F[追问与原文回溯]\n F --> G[补充新案例]\n G --> C\n```\n\n| 特色能力 | 可以做什么 |\n|---|---|\n| 完备的摘要体系 | 从案情和诉辩，到争议焦点、裁判逻辑、裁判结果与实务提示，形成统一的单案摘要 |\n| 完整的研究流程 | 串联提取、去重、逐案分析、专题报告、追问和原文核对 |\n| 多格式材料提取 | 批量处理 PDF、DOCX 和旧式 DOC，并为 PDF 保留页码标记 |\n| 重复案例排除 | 按“案号 + 文书类型”去重，无标准案号时辅助进行正文相似去重 |\n| 追问与进度看板 | 继续比较案件、核对具体事实，并查看全库、已完成、待处理和待启动增量数量 |\n| 增量分析与维护 | 随时补充新案例，只处理新增材料，逐步沉淀为可持续维护的本地案例库 |\n\n整个流程只处理用户提供的本地文件，不自动联网检索案例。\n\n## 安装\n\n仓库可以放在任意目录，不要求安装到 `~/.claude`。先克隆仓库并安装 Python 依赖：\n\n```bash\ngit clone https://github.com/szzzcode/szzz-case-study-lite.git\ncd szzz-case-study-lite\npython3 -m pip install -r scripts/requirements.txt\n```\n\nWindows 环境如果没有 `python3` 命令，可以把上述命令及下文命令中的 `python3` 改为 `python`。\n\n### 在不同 AI 工具中使用\n\n脚本本身不依赖 Claude、Cursor、WorkBuddy 或其他特定 AI 工具。不同工具的技能目录和导入方式可能不同：\n\n- 如果工具支持读取 `SKILL.md`，按照该工具的说明，把整个仓库放入或导入其技能目录；\n- 如果工具暂不支持 `SKILL.md`，仍然可以直接运行下面的 Python 命令，再让 AI 读取生成的摘要、报告和 raw 原文；\n- 不要只复制 `SKILL.md`，脚本和 `prompts/` 模板也需要保留在仓库中。\n\n## DOC 支持\n\n- macOS：使用系统自带的 `textutil`，通常不需要额外安装；\n- Windows/Linux：需要安装 LibreOffice，并确保 `soffice` 或 `libreoffice` 命令位于 PATH；\n- 转换器不可用或转换失败时，系统会明确报告，不生成空白文本。\n\n扫描型 PDF 需要先进行 OCR，否则可能无法提取正文。\n\n## 使用\n\n以下命令默认在仓库根目录运行。\n\n首次扫描、提取和去重：\n\n```bash\npython3 scripts/main.py init \"[案例文件夹]\"\n```\n\n逐案摘要：\n\n```bash\npython3 scripts/main.py focus \"[案例文件夹]\"\n```\n\n加入新文件后，再次执行 `init`。检测到增量材料时运行：\n\n```bash\npython3 scripts/main.py focus_incremental \"[案例文件夹]\"\n```\n\n用户确认报告方向后：\n\n```bash\npython3 scripts/main.py report \"[专题词]\" \"[案例文件夹]\"\n```\n\n查看处理进度：\n\n```bash\npython3 scripts/main.py next \"[案例文件夹]\"\n```\n\n## 输出结构\n\n```text\n案例文件夹/\n└── law_analysis_results/\n ├── status.json\n ├── dedup_report.txt\n ├── source_texts/\n │ └── 原文件名-raw.md\n ├── individual_cases/\n │ └── 案号-文书类型-当事人简称-案由-摘要.md\n ├── master_data.json\n └── Master_Report.md\n```\n\n## 摘要完成后的三个方向\n\n1. 提供具体案情或问题，从既有案例库检索并在必要时回溯 raw 原文；\n2. 从系统归纳的三个高频争议焦点中选择一个，生成 Master Report；\n3. 提供自定义报告关键词。\n\n向案例库提问时，宏观问题可以先读取 Master Report，案件比较读取单案摘要，涉及特定事实、证据、金额或日期时应回到 `source_texts/*-raw.md` 核对。\n\n## 多工具使用提醒\n\n同一份仓库可以被不同 AI 工具读取，不会因为使用 Cursor、WorkBuddy 或 Claude 而改变案例数据。但不要让两个工具同时处理同一个案例文件夹，以免它们同时更新 `status.json`。\n\n不同案例文件夹可以分别处理，互不影响。\n\n## 重要提醒\n\n本工具生成的内容用于辅助法律研究。案号、金额、裁判结果、证据原话和法律依据应回到 raw 原文核对。裁判文书没有披露的信息，不应由模型推测补充。\n\n## 许可\n\n本项目采用 MIT License。英文法律文本及中文参考译文见 [LICENSE](./LICENSE)。\n\n## Lite 与 Pro\n\nLite 是免费公开版，提供完整的本地案例研究流程；Pro 在此基础上增加元典外部类案检索、动态选案、归档校验和 Obsidian 案例知识库等专业功能。\n\nFile v3.0.1:_meta.json\n\n{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"3.0.1\",\n \"publishedAt\": 1784776380723\n}\n\nFile v3.0.1:scripts/requirements.txt\n\n# SZZZ Case Study Lite - Python 依赖\n# 安装方法：python3 -m pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# DOCX 文档读取\npython-docx>=0.8.11\n\n# 旧式 DOC：macOS 使用系统 textutil；其他系统需另行安装 LibreOffice。\n\nFile v3.0.1:CHANGELOG.md\n\n# SZZZ Case Study Lite 更新日志\n\n## v3.0.1 - 2026-07-20\n\n- README 新增作者介绍和社交平台信息，并把 Lite/Pro 简要区别移至结尾。\n- `SKILL.md` 补充“八股仙人”作者介绍和社交平台信息，便于在 ClawHub 页面直接展示。\n- 技能展示名称统一为“SZZZ Case Study Lite｜案例分析技能”，并将版本称呼统一为“基础版”。\n- README 改用可在任意目录运行的通用安装与使用命令。\n- 新增 Claude、Cursor、WorkBuddy 等多工具使用说明和同项目并发提醒。\n- 脚本改为根据自身位置定位依赖、提示模板和后续命令，移除 `~/.claude` 硬编码。\n- `SKILL.md` 改用相对于技能根目录的脚本路径。\n- LICENSE 保留英文 MIT 原文并追加中文参考译文。\n\n## v3.0.0 - 2026-07-19\n\n- 单案摘要模板和 Master Report 模板与 SZZZ Case Study Pro 保持一致。\n- 新增 `main.py` 总控脚本和 `law_analysis_results/` 项目结构。\n- 新增案号 + 文书类型去重、无标准案号正文相似去重和去重报告。\n- 新增 `status.json`、增量侦测、增量摘要队列和全库数量对账。\n- 摘要完成后提供案例库问答、三大高频焦点报告和自定义关键词三个方向。\n- 新增既有材料分层问答规则；精确事实和证据问题必须回溯 raw 原文。\n- 正式支持旧式 DOC：macOS 使用 `textutil`，其他系统使用 LibreOffice。\n- Lite 与 Pro 的边界调整为“完整本地闭环”与“外部检索、Obsidian 增强”。\n\n## v2.0.0 - 2026-07-19\n\n- 项目和技能统一更名为 `szzz-case-study-lite`。\n- `SKILL.md` 改用精简、标准的技能元数据，并明确 Lite/Pro 功能边界。\n- PDF 提取文本增加页码标记，方便摘要回到原文核对。\n- 修正旧版误将 `.doc` 当作 `.docx` 读取的问题；现在会提示先转换格式。\n- 文本为空、扫描件或文件损坏时不再生成空白 TXT。\n- 批量文件按名称稳定排序，并改进错误提示和退出状态。\n- 同名 PDF、DOCX 同时存在时使用格式后缀，避免提取结果相互覆盖。\n- 增加 MIT 许可证。\n\n## v1.2.1 - 2026-04-02\n\n- Judgment Analyzer 历史版本。\n- 支持本地 PDF、Word 文本提取、逐案摘要和批量综合报告。\n\nFile v3.0.1:prompts/analyzer-logic.md\n\n# 民事裁判文书分析核心逻辑 (Expert v5.0)\n\n你是一位专业的民商事实务法律研究员。无论是分析单份民事判决书、民事裁定书、执行异议类执行裁定书，还是非标准格式的典型案例总结，请严格遵循本逻辑大纲。\n\n---\n\n## 🏗️ 任务 A: 单案专家级提取 (Extraction)\n对每一份进入队列的民事裁判文书或典型案例总结，必须**严格按照以下模板结构**生成摘要。不得擅自减少或合并区块。\n\n# ⚖️ [案件简称/核心特征] 判例摘要\n\n### 【基础元数据】\n- **案号**：[完整案号]\n- **文书类型**：[民事判决书 / 民事裁定书 / 执行裁定书 / 典型案例总结]\n- **法院/程序**：[法院名称] · [一审/二审/再审/执行]\n- **核心案由**：[例如：民间借贷纠纷 / 委托理财合同纠纷]\n- **诉讼地位**：[上诉人(原审地位) / 被上诉人(原审地位)]\n- **价值量级**：[涉案总标的] $\\rightarrow$ [最终判赔/确认金额]\n- **历审轨迹**：[如：一审判赔 -> 发回重审 -> 二审维持原判，一句话梳理案件轮回与翻转脉络；典型案例总结未披露时写“原文未披露”]\n\n---\n\n### 【案件背景】\n- **事实时间线**：[按时间顺序列举引发本案纠纷的核心事实事件，如签约、违约、催收等关键节点]\n- **诉争成因**：[简述基础事实是如何演变成最终的诉讼争议的，交代导致权利冲突的直接原因]\n\n---\n\n### 【核心焦点与逻辑穿透】\n> **【提取要求】**：\n> 1. 不得只提取少量焦点后提前结束。必须**完整覆盖**裁判文书“本院认为”模块中明确归纳的**所有争议焦点**。\n> 2. 法院归纳了 3 个点就写到【焦点三】，归纳了 5 个点就依次列明到【焦点五】。\n\n#### 焦点[N]：[提炼具体的争议焦点，如：合同效力 / 侵权认定 / 违约责任承担等]\n1. **关联客观事实**：\n - **事实背景**：[简述纯粹的、无争议的客观情况，如引发该焦点的具体行为、时间、地点及关键人物身份]\n\n2. **诉辩交锋**：\n - **原告/上诉人主张**：[核心诉求点与进攻逻辑]\n - **被告/被上诉人抗辩**：[抗辩支点与防御逻辑]\n\n3. **核心证据与法庭查明情节**：\n - **定案证据与特殊情节**：[列明法庭最终采信的、用于推翻或支持上述交锋主张的关键书证/缺失证据，以及直接影响法官判定过错比例的特殊情节，如：是否存在重大过失、是否尽到了相应的义务等]\n\n4. **裁判规则**：\n > **公式**：在 **[特定情境]** 下，根据 **[某法理原则]**，若当事人 **[满足特定条件/违反法定义务]**，且 **[举证状态满足要求]**，则应当产生 **[何种法律逻辑与后果]**。\n\n5. **事实归入与审级裁量逻辑**：\n - **事实归入与判定**：[将上述证据和情节代入规则，验证其如何落入特定范畴。提炼法院对双方过错比例分担、因果关系强弱的自由裁量心证分析]\n - **一审法院视角**：[简述一审法院在本焦点上是如何初步裁量与定性的？（若为纯一审案件，此处作为核心裁判说理填写）]\n - **二审/再审响应**：[二审法官是怎么指出一审错谬并推翻改判，或者决定驳回上诉维持原判的？针对新上诉理由法官是如何反驳的？（若为纯一审案件，此项填“无”）]\n\n6. **法律依据**：[引用具体法条序号与名称]\n\n*(注：请务必循环生成上述 <焦点[N]> 的完整模块体，直到覆盖裁判文书中的所有争议焦点。)*\n\n---\n\n### 【裁判结果】\n- **最终结论**：[维持原判 / 撤销改判 / 发回重审 / 驳回起诉]\n- **核心判项**：[摘录最具实务价值的给付内容或确权宣告]\n- **费用分担**：[各方在诉讼费、鉴定费等上的分摊比例]\n\n---\n\n### 【标签与实务红线】\n- **关键词**：[#标签1] [#标签2] [#标签3]\n- **实务红线（律师笔记）**：\n * **[风险防范]**：[本案暴露出的常见风险或合规漏洞]\n * **[起诉/抗辩策略]**：[本案中被法院重点采纳的创新性论证角度或胜负手证据]\n\nFile v3.0.1:prompts/master-report-logic.md\n\n# 📊 任务 B: 全案内参总结指南 (Master Report 架构 Expert v5.0)\n\n你现在的任务是基于总控脚本提供的**全案宽表数据**，并结合所有单案摘要文件（`individual_cases/*.md`），撰写一份专业、可溯源的内部实务参考报告（Master Report）。\n\n## 📝 核心撰写守则\n1. **数据溯源与案号标注**：本报告的所有论点、争议、攻防策略，必须来源于你读取的单案摘要。**在论述任何一项核心观点、裁判规则、例外案例或典型策略时，必须在论断后方加注对应的案件案号**（如：`(详见：(2020)京0101民初438号)`），严禁脱离实际案例进行空泛的法理陈述。\n2. **专业定位**：这是一份面向资深出庭律师的内部实务诉讼参考，请使用平实、严谨的法言法语，条理清晰地进行归纳。\n\n---\n\n## 🏗️ Master Report 结构大纲（强制模板）\n\n**核心原则**：用户最开始提供的**核心案由/特定焦点（关键词）**必须贯穿全报告，相关内容深入展开，非相关内容简要带过。\n\n### 第一部分：整体数据与裁判趋势概览\n1. **案件概况**：案件总数量、时间跨度、审级与地域（最高院/高院/中院）分布特征。\n2. **结果分布**：胜诉、败诉、部分支持及发回重审的比例和绝对数量。\n3. **当事方画像**：诉讼主体的普遍身份特征（如：高净值个人投资者 vs 基金销售/代销机构）。\n\n### 第二部分：⭐⭐⭐ 核心争议焦点深度探讨\n*本部分是报告主体，应将单案中提取的事实和程序焦点进行归类、解析与对比*\n\n#### 2.1 高频争议焦点梳理\n- 汇总提炼出本批次所有案件中最集中的前 3-5 个核心法律争议。\n- 请按程序认定、实体争议、法理适用（如违约与侵权之辨）、数额核算进行清晰的大类分组。\n\n#### 2.2 焦点定点解析\n对每一个高频争议点，执行以下深度的横向剖析：\n* **核心争议：[准确的法律焦点名称]**\n * **主流裁判规则**：在同类情形下，司法实践中的主流定性共识（须引用至少2个代表性案号印证）。\n * **裁判分歧与尺度对比**：梳理因层级、地域、案情细节导致的不同判法（如对因果关系的证明标准高低、酌定过错划分比例的差异），深度剖析导致这些尺度不一致的底层实务原因，并列举正反典型的判例案号互证。\n * **例外孤例追踪**：列举针对该焦点，裁判观点与主流结论完全相反的极少数案例。剖析其形成（改判/突兀定性）的原因及特殊适用场景，给出防范警示。\n\n### 第三部分：典型实战技巧与起诉/抗辩指引\n*将全量案件中的“各方交锋”与“核心证据核验”提炼为具有普适性的诉讼指南*\n1. **原告方主张策略**：提炼各个胜诉案件中支持率较高、具有实务价值的诉讼切入点及关键取证路径要求。\n2. **被告方防守策略**：提炼各法院采信度较高、具有实务参考价值的免责与减责抗辩理由，以及核心阻却证据抓手。\n\n### 第四部分：【用户定制课题】专项分析\n*本部分旨在对用户指定的特定方向词进行垂直拓展，必须严格围绕该主题进行定点剖析，避免分析发散。*\n1. **定制课题裁判观察**：基于用户下达的定制方向，统计该特定争议在批量案件中的出现频次，并客观评估其对案件实质胜败结果的影响权重。\n2. **原被告诉辩策略矩阵**：围绕上述定制方向，分别从原告与被告的视角，提炼具有较高裁判支持率的诉讼主张、抗辩理由及核心证据清单，并附注印证案号。\n3. **裁判说理与法理分析**：提炼法院就该特定焦点问题所展现的核心论证逻辑。涵盖从“抽象法理层面的理论定性”到“法庭实务中的个案事实归入”，说明法官将法理运用于具体事实的裁量路径。\n\n---\n\n## 【保存要求】\n撰写完成后，不要只在聊天窗口中输出。\n你必须调用写文件工具（如 `write_to_file`），将这份带有案号依据的内部参考报告保存到本地：\n- **存入路径**：`law_analysis_results/Master_Report.md`\n- 只有成功写出该文件，才算完成总结任务。\n\nFile v3.0.1:skill-card.md\n\n## Description:\n\nSZZZ Case Study Lite helps an agent turn a user's local PDF, DOCX, and DOC Chinese civil judgment files into a deduplicated, incrementally maintained case library with source-grounded summaries, Master Reports, question answering, and raw-text traceability.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[szzzcode](https://clawhub.ai/user/szzzcode)\n\n### License/Terms of Use:\n\nMIT\n\n## Use Case:\n\nExternal users and legal-document workflow developers use this skill to organize local Chinese civil judgment materials, remove duplicates, generate per-case expert summaries, prepare source-linked topic reports, and answer follow-up questions against the local case library. It is intended for user-provided local materials and does not perform external case-law retrieval.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Sensitive legal text may be copied into the generated case library, including from symlinked documents outside the chosen folder.\n\nMitigation: Run the skill only in a trusted, clean project folder without symlinks, and review generated raw text before sharing or moving results.\n\nRisk: Dependency installation can introduce supply-chain or environment risk.\n\nMitigation: Install dependencies in a dedicated virtual environment from a trusted package index before running the scripts.\n\nRisk: The reset workflow deletes generated analysis results.\n\nMitigation: Use reset only after confirming that deleting law_analysis_results is intended and that any needed outputs are retained elsewhere.\n\nRisk: Generated legal summaries and reports may contain mistakes or unsupported conclusions.\n\nMitigation: Verify case numbers, amounts, outcomes, evidence quotations, legal bases, and report conclusions against the raw extracted text before relying on or sharing them.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/szzzcode/skills/szzz-case-study-lite)\n- [README](README.md)\n- [CHANGELOG](CHANGELOG.md)\n- [Analyzer prompt logic](prompts/analyzer-logic.md)\n- [Master report prompt logic](prompts/master-report-logic.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, shell commands, configuration, guidance]\n\n**Output Format:** [Markdown guidance with inline shell commands plus generated text, Markdown, and JSON files under law_analysis_results/]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Produces raw extracted text, deduplication reports, status JSON, per-case Markdown summaries, master_data.json, and Master_Report.md for the user's local project folder.]\n\n## Skill Version(s):\n\n3.0.1 (source: server release metadata, README, CHANGELOG released 2026-07-20)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v3.0.1:LICENSE\n\nMIT License\n\nCopyright (c) 2026 szzzcode\n\nPermission is hereby granted, free of charge, to any person obtaining a copy\nof this software and associated documentation files (the \"Software\"), to deal\nin the Software without restriction, including without limitation the rights\nto use, copy, modify, merge, publish, distribute, sublicense, and/or sell\ncopies of the Software, and to permit persons to whom the Software is\nfurnished to do so, subject to the following conditions:\n\nThe above copyright notice and this permission notice shall be included in all\ncopies or substantial portions of the Software.\n\nTHE SOFTWARE IS PROVIDED \"AS IS\", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR\nIMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,\nFITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE\nAUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER\nLIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,\nOUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE\nSOFTWARE.\n\n--------------------------------------------------------------------------------\n\nMIT 许可证中文参考译文\n\n版权所有（c）2026 szzzcode\n\n特此免费授予任何获得本软件及相关文档文件（以下简称“软件”）副本的\n个人不受限制地处理本软件的权利，包括但不限于使用、复制、修改、合并、\n发布、分发、再许可和/或销售本软件副本的权利，以及允许获得本软件的\n人员这样做，但须符合以下条件：\n\n上述版权声明和本许可声明应包含在本软件的所有副本或重要部分中。\n\n本软件按“原样”提供，不作任何形式的明示或默示保证，包括但不限于对\n适销性、特定用途适用性及不侵权的保证。在任何情况下，作者或版权持有人\n均不对因本软件、本软件的使用或其他交易而产生、源于或与之相关的任何\n索赔、损害或其他责任承担责任，无论该责任基于合同、侵权或其他诉讼。\n\n本中文译文仅供理解参考，不构成对 MIT License 的修改。如中英文内容\n存在差异，以本文件上方的英文原文为准。\n\nArchive v1.2.1: 7 files, 9338 bytes\n\nFiles: README.md (4386b), references/output-template.md (4395b), scripts/analyzer.py (3468b), scripts/requirements.txt (246b), skill-card.md (2243b), SKILL.md (2545b), _meta.json (139b)\n\nFile v1.2.1:SKILL.md\n\n---\nname: Judgment Analyzer 判决书分析\nslug: judgment-analyzer\nversion: 1.2.1\ndescription: 分析判决书文档，提取关键信息并生成结构化分析报告。当用户提到「分析判决书」「解读判决书」「判决书总结」「生成判决书报告」「批量分析判决书」时使用。支持 PDF 和 Word (.docx/.doc) 格式，可处理单个文件或整个文件夹。\nauthor: szzzcode\nhomepage: https://github.com/szzzcode/judgment-analyzer\n---\n\n# 判决书分析技能\n\n分析本地判决书文档，提取案件关键信息，生成结构化的摘要报告和综合分析报告。\n\n## 工作流程\n\n### 步骤 1：接收输入\n\n用户指定判决书路径，支持：\n- **单文件**：`/path/to/judgment.pdf`\n- **文件夹**：`/path/to/cases/`（批量处理所有 PDF/Word 文件）\n- 支持格式：PDF、Word (.docx/.doc)\n\n### 步骤 2：文本提取（Python）\n\n运行 `scripts/analyzer.py` 提取原始文本：\n\n```bash\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <输入路径>\n```\n\n脚本会：\n1. 读取每个判决书文件（PDF 或 Word）\n2. 提取纯文本内容\n3. 将文本保存到 `输入路径/摘要/` 文件夹，文件名为 `原文件名.txt`\n\n### 步骤 3：生成摘要（AI）\n\n1. 读取 `摘要/` 文件夹中的所有 txt 文件\n2. 按照输出格式模板，对每个案件生成结构化摘要\n3. 将摘要保存为 `案件名_摘要.md`\n4. 批量处理时，额外生成 `综合分析报告.md`\n\n\n\n### 输出格式要求\n\n在提取信息和生成报告时，**必须严格遵守**模板文件中的格式和要求设置。\n具体格式以及各项指引，请读取并遵循此文件：\n`~/.claude/skills/judgment-analyzer/references/output-template.md`\n\n- **单案件摘要**：遵照模板文件中【摘要报告模式】的 6 个核心模块提取并输出。\n- **批量综合报告**：遵照模板文件中【综合分析报告模式】的结构和表格要求输出。\n\n### 触发方式\n- 「分析判决书 /path/to/case.pdf」\n- 「批量分析 /Users/xxx/Desktop/cases/」\n- 「生成判决书综合报告」\n- 「对比分析这几份判决书」\n\n## 注意事项\n\n- 脚本路径：`~/.claude/skills/judgment-analyzer/scripts/analyzer.py`\n- 首次使用需安装依赖：`pip install -r ~/.claude/skills/judgment-analyzer/scripts/requirements.txt`\n- 批量处理时，自动跳过非判决书文件（.pdf, .docx, .doc）\n- 摘要文件夹创建在输入文件夹同级目录\n- 优先提取文本，如文本质量差可标记\"扫描件，需OCR\"\n\nFile v1.2.1:README.md\n\n# 判决书分析技能\n\n分析判决书文档，提取关键信息，生成结构化分析报告。\n\n**当前版本：v1.2.0 (2026-04-02)**\n\n## 设计思路\n\n本技能采用 **「规则提取 + AI 智能分析」** 的混合模式：\n\n```\nPython 脚本 ──提取文本──> .txt 文件 ──AI 读取──> 智能分析 ──> 报告\n```\n\n### 为什么这样设计？\n\n1. **扬长避短**\n - Python 适合：读取文件、批量处理、结构化提取（案号/日期等）\n - AI 适合：理解语义、识别案由、提炼争议焦点、归纳法律要点\n\n2. **逻辑穿透 (v1.2.0 深度优化)**\n - **传统分析**：将“争议点”和“判定”分开，导致信息割裂。\n - **v1.2.0 优化**：将“争议焦点”与“法院认定”合并。这种“问题-主张-论证-结论”的链条式输出，能让用户一眼看清：针对某个具体问题，双方是怎么吵的，法院最后是怎么定性的。这种设计能更有效地穿透个案实质。\n\n3. **避免硬编码**\n - 将分析逻辑和模板定义在专门的 `output-template.md` 中，AI 根据实际案由动态分析。\n\n## 核心特色\n\n| 特色 | 说明 |\n|------|------|\n| **逻辑穿透 (1.2.0新增)** | **合并“诉-辩-裁”逻辑，穿透争议深度，明确各方主张及采信逻辑** |\n| 批量分析 | 支持文件夹批量处理，一次分析多份判决书 |\n| 结构化提取 | 提取要求固定模板，输出格式统一规范 |\n| 混合架构 | Python 提取 + AI 分析，分工明确 |\n| 案由自适应 | AI 根据案件类型自动选择分析要点 |\n| 纯净文本提取 | 先将 PDF/Word 转为统一 txt，避免格式干扰 |\n\n### 为什么先转 txt？\n\n判决书通常是 PDF 或 Word 格式，内部结构复杂、编码多样，直接给 AI 读取容易出现：\n- 乱码、换行错位\n- 表格、印章等元素干扰\n- 编码不一致导致的信息丢失\n\n本技能先用 Python 提取纯净文本，得到：\n- **统一格式**：不管源文件是 PDF 还是 Word，输出都是纯文本\n- **干净无噪**：无多余排版符号、无乱码\n- **便于 AI 理解**：AI 读取和分析更稳定，信息提取更准确\n- **便于存档**：提取后的 txt 可长期保存复用\n\n## 支持的案由类型\n\nAI 可自动识别并分析以下类型的案件：\n\n- 合同纠纷（买卖、租赁、借款、委托理财等）\n- 侵权纠纷（人身损害、财产损害、医疗事故等）\n- 劳动争议（劳动关系、赔偿金、加班费等）\n- 知识产权（专利、商标、著作权等）\n- 婚姻家庭（离婚、抚养权、财产分割等）\n- 交通事故\n- 其他民商事案件\n\n## 使用方案\n\n### OpenClaw 中使用（智能体模式）\n\n在 OpenClaw 平台配置为智能体技能：\n\n```\n技能名称：判决书分析\n触发词：分析判决书、批量分析、生成判决书报告\n```\n\n配置后，用户发送「分析判决书 /path/to/case.pdf」即可自动执行完整流程。\n\n### Claude Code 对话中使用\n\n用户可以直接在 Claude Code 对话中发送指令：\n\n```\n分析判决书 ~/Desktop/case.pdf\n批量分析 ~/Desktop/cases/\n生成判决书综合报告\n```\n\n助手会自动：\n1. 调用 Python 脚本提取文本\n2. 读取提取的文本\n3. 按照 references/output-template.md 中的格式要求生成分析报告\n\n### 命令行直接调用\n\n```bash\n# 提取文本\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <路径>\n\n# 单文件\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/case.pdf\n\n# 文件夹（批量）\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/cases/\n```\n\n## 工作流程\n\n```\n1. 用户指定判决书路径（单文件或文件夹）\n2. Python 脚本批量提取文本\n3. AI 读取文本，按 references/output-template.md 要求分析和排版\n4. 生成逐案摘要 + 综合对比报告\n```\n\n## 文件结构\n\n```\njudgment-analyzer/\n├── SKILL.md # 技能定义（工作流程、触发条件）\n├── scripts/\n│ ├── analyzer.py # 文本提取脚本\n│ └── requirements.txt\n├── references/\n│ └── output-template.md # 输出格式核心控制模板\n└── README.md # 本文件\n```\n\n## 输出示例\n\n详见 `references/output-template.md`\n\n---\n\n*设计理念：让工具做它擅长的事，让 AI 做它擅长的事。*\n\nFile v1.2.1:_meta.json\n\n{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"1.2.1\",\n \"publishedAt\": 1775113841445\n}\n\nFile v1.2.1:references/output-template.md\n\n# 判决书分析报告模板与格式要求\n\n本文件定义了判决书提取摘要报告和综合分析报告的具体格式。\n在生成分析结时，**必须严格按照**以下模板结构执行，并且每部分都要有具体的内容描述，不能只有标题。\n\n在生成分析报告前，请遵循以下核心信息定位与提取准则：\n\n1. **基本元素定位**：\n - **案号**：匹配格式如`（年份）字第N号` 或 `（年份）民终N号`。\n - **法院**：提取法院全称。\n - **案由**：判决书中\"案由\"后的内容。\n - **当事人**：原告/被告 或 上诉人/被上诉人。\n - **裁判日期**：格式如`2023-01-01`。\n2. **关键段落识别顺序**：\n - 首先找 **案件事实**（定位词：\"经审理查明\"、\"本院查明\"）\n - 其次找 **争议焦点**（定位词：\"争议焦点\"、\"本案焦点\"）\n - 然后找 **法院论证**（定位词：\"本院认为\"、\"本院审理认为\"）\n - 最后看 **判决结果**（定位词：\"判决如下\"及其后续具体内容）\n\n---\n\n## 一、摘要报告模式（针对单份文件）\n\n每个案件摘要必须包含以下六个核心模块：\n\n```text\n================================================================================\n 案 件 摘 要\n================================================================================\n\n【基本信息】\n案号：（年份）粤/京/鲁...民终/民申/民再N号\n法院：XX省/市XX中级人民法院/高级人民法院/最高人民法院\n案由：具体案由名称\n程序：一审/二审/再审 | 日期：YYYY-MM-DD\n\n【当事人】\n上诉人/原告（原审身份）：当事人名称\n被上诉人/被告（原审身份）：当事人名称\n[第三人]\n\n【案件事实】\n详细描述：当事人于何时、因何事、采取何种行为、产生何种后果。\n不仅要叙述“发生了什么”，还要说明案涉的核心法律关系性质（如：建设工程施工合同纠纷等）。\n包含关键时间、金额、行为过程及证据采信情况。（至少3-5句话）\n\n【争议焦点与法院认定】\n焦点 1：[争议的具体法律或法律事实问题]\n- 双方主张：原上诉人/原告认为...；被上诉人/被告辩称... [简述双方的核心争议点]\n- 法院论证：本院经审理认为，结合证据...（详细引用法院的论证逻辑、适用的法律条款及核心事实认定）\n- 认定结果：法院最终支持/不支持该主张，认定理由是...\n\n[根据案件情况，按上述结构列出 1-3 个核心争议点]\n\n【判决结果】\n最终判决主文：支持/驳回哪些请求，责任如何划分，\n具体金额或比例是多少。包含原审维持或撤销改判的具体情况。\n\n【法律要点】\n✓ 第一个法律要点（核心裁判规则：如果 A 情况发生，那么法院通常 B 处理）\n✓ 第二个法律要点\n[提炼2-5个与案由相关的法律裁判规则，具有实务参考价值]\n```\n\n**内容充实度要求**：\n- 【案件事实】：必须包含时间、人物、行为、法律后果四要素，描述需专业严谨。\n- 【争议焦点与法院认定】：每个焦点必须还原“原告诉请-被告抗辩-法院裁判”的逻辑链路，并明确引用的核心法律法规。\n- 【判决结果】：必须准确概括各项请求的成立情况，细化责任比例、金额等。\n- 【法律要点】：要提炼出可直接引用的裁判规则，而非简单的法律条文复述。\n\n---\n\n## 综合分析报告模式（针对批量分析多份判决书）\n\n批量分析多份文件产生综合报告时，必须采用以下结构：\n\n**一、案件概览**\n以表格形式呈现：\n\n| 案号 | 案由 | 法院 | 程序 | 判决结果 |\n|------|------|------|------|----------|\n\n统计信息：\n- 案由分布：[列出每种案由及数量]\n- 法院分布：[列出涉及的法院及数量]\n- 时间范围：[最早日期] 至 [最晚日期]\n- 程序分布：[一审/二审/再审 各多少件]\n\n**二、案件类型分析**\n根据主要案由类型，分类归纳该类案件的：\n- 共同特征\n- 核心争议焦点\n- 裁判规则\n\n**三、法律要点总结**\n以表格形式对比各案：\n\n| 案件 | 争议焦点 | 裁判规则 | 责任比例 |\n|------|----------|----------|----------|\n\n**四、结论与建议**\n- 案件总体特征\n- 风险提示\n- 实践建议\n\nFile v1.2.1:scripts/requirements.txt\n\n# 判决书分析 Skill - Python 依赖\n# 安装方法: pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# Word 文档读写\npython-docx>=0.8.11\n\n# 可选：更好的 PDF OCR 支持（如果 PDF 是扫描件）\n# PyMuPDF>=1.23.0\n\nFile v1.2.1:skill-card.md\n\n## Description:
\nAnalyzes judgment documents, extracts key case information, and generates structured analysis reports for single PDF or Word files and folders of cases.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[szzzcode](https://clawhub.ai/user/szzzcode)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nLegal, compliance, and research users use this skill to extract text from local judgment PDFs or Word documents and turn the content into structured case summaries or batch comparison reports.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Extracted text and generated summaries may contain sensitive legal or personal information.
\nMitigation: Process only judgment files intended for analysis, keep the generated 摘要 folder in an appropriate protected location, and delete it when no longer needed.
\nRisk: Untrusted PDF or Word files and unpinned parsing dependencies can introduce document-processing risk.
\nMitigation: Install dependencies in a virtual environment and consider pinning or auditing dependency versions before processing untrusted files.
\n\n\n## Reference(s):
\n- [ClawHub Skill Page](https://clawhub.ai/szzzcode/judgment-analyzer)
\n- [Publisher Profile](https://clawhub.ai/user/szzzcode)
\n- [Project Homepage](https://github.com/szzzcode/judgment-analyzer)
\n- [Output Template](references/output-template.md)
\n\n\n## Skill Output:
\n**Output Type(s):** [Text, Markdown, Shell commands, Guidance]
\n**Output Format:** [Plain text extraction files and Markdown analysis reports]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Creates an 摘要 folder with extracted .txt files, per-case summaries, and for batch runs a 综合分析报告.md file.]
\n\n## Skill Version(s):
\n1.2.1 (source: server release metadata and SKILL.md frontmatter)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v1.2.0: 6 files, 8146 bytes\n\nFiles: README.md (4386b), references/output-template.md (4395b), scripts/analyzer.py (3468b), scripts/requirements.txt (246b), SKILL.md (2545b), _meta.json (139b)\n\nFile v1.2.0:SKILL.md\n\n---\nname: Judgment Analyzer 判决书分析\nslug: judgment-analyzer\nversion: 1.2.0\ndescription: 分析判决书文档，提取关键信息并生成结构化分析报告。当用户提到「分析判决书」「解读判决书」「判决书总结」「生成判决书报告」「批量分析判决书」时使用。支持 PDF 和 Word (.docx/.doc) 格式，可处理单个文件或整个文件夹。\nauthor: szzzcode\nhomepage: https://github.com/szzzcode/judgment-analyzer\n---\n\n# 判决书分析技能\n\n分析本地判决书文档，提取案件关键信息，生成结构化的摘要报告和综合分析报告。\n\n## 工作流程\n\n### 步骤 1：接收输入\n\n用户指定判决书路径，支持：\n- **单文件**：`/path/to/judgment.pdf`\n- **文件夹**：`/path/to/cases/`（批量处理所有 PDF/Word 文件）\n- 支持格式：PDF、Word (.docx/.doc)\n\n### 步骤 2：文本提取（Python）\n\n运行 `scripts/analyzer.py` 提取原始文本：\n\n```bash\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <输入路径>\n```\n\n脚本会：\n1. 读取每个判决书文件（PDF 或 Word）\n2. 提取纯文本内容\n3. 将文本保存到 `输入路径/摘要/` 文件夹，文件名为 `原文件名.txt`\n\n### 步骤 3：生成摘要（AI）\n\n1. 读取 `摘要/` 文件夹中的所有 txt 文件\n2. 按照输出格式模板，对每个案件生成结构化摘要\n3. 将摘要保存为 `案件名_摘要.md`\n4. 批量处理时，额外生成 `综合分析报告.md`\n\n\n\n### 输出格式要求\n\n在提取信息和生成报告时，**必须严格遵守**模板文件中的格式和要求设置。\n具体格式以及各项指引，请读取并遵循此文件：\n`~/.claude/skills/judgment-analyzer/references/output-template.md`\n\n- **单案件摘要**：遵照模板文件中【摘要报告模式】的 6 个核心模块提取并输出。\n- **批量综合报告**：遵照模板文件中【综合分析报告模式】的结构和表格要求输出。\n\n### 触发方式\n- 「分析判决书 /path/to/case.pdf」\n- 「批量分析 /Users/xxx/Desktop/cases/」\n- 「生成判决书综合报告」\n- 「对比分析这几份判决书」\n\n## 注意事项\n\n- 脚本路径：`~/.claude/skills/judgment-analyzer/scripts/analyzer.py`\n- 首次使用需安装依赖：`pip install -r ~/.claude/skills/judgment-analyzer/scripts/requirements.txt`\n- 批量处理时，自动跳过非判决书文件（.pdf, .docx, .doc）\n- 摘要文件夹创建在输入文件夹同级目录\n- 优先提取文本，如文本质量差可标记\"扫描件，需OCR\"\n\nFile v1.2.0:README.md\n\n# 判决书分析技能\n\n分析判决书文档，提取关键信息，生成结构化分析报告。\n\n**当前版本：v1.2.0 (2026-04-02)**\n\n## 设计思路\n\n本技能采用 **「规则提取 + AI 智能分析」** 的混合模式：\n\n```\nPython 脚本 ──提取文本──> .txt 文件 ──AI 读取──> 智能分析 ──> 报告\n```\n\n### 为什么这样设计？\n\n1. **扬长避短**\n - Python 适合：读取文件、批量处理、结构化提取（案号/日期等）\n - AI 适合：理解语义、识别案由、提炼争议焦点、归纳法律要点\n\n2. **逻辑穿透 (v1.2.0 深度优化)**\n - **传统分析**：将“争议点”和“判定”分开，导致信息割裂。\n - **v1.2.0 优化**：将“争议焦点”与“法院认定”合并。这种“问题-主张-论证-结论”的链条式输出，能让用户一眼看清：针对某个具体问题，双方是怎么吵的，法院最后是怎么定性的。这种设计能更有效地穿透个案实质。\n\n3. **避免硬编码**\n - 将分析逻辑和模板定义在专门的 `output-template.md` 中，AI 根据实际案由动态分析。\n\n## 核心特色\n\n| 特色 | 说明 |\n|------|------|\n| **逻辑穿透 (1.2.0新增)** | **合并“诉-辩-裁”逻辑，穿透争议深度，明确各方主张及采信逻辑** |\n| 批量分析 | 支持文件夹批量处理，一次分析多份判决书 |\n| 结构化提取 | 提取要求固定模板，输出格式统一规范 |\n| 混合架构 | Python 提取 + AI 分析，分工明确 |\n| 案由自适应 | AI 根据案件类型自动选择分析要点 |\n| 纯净文本提取 | 先将 PDF/Word 转为统一 txt，避免格式干扰 |\n\n### 为什么先转 txt？\n\n判决书通常是 PDF 或 Word 格式，内部结构复杂、编码多样，直接给 AI 读取容易出现：\n- 乱码、换行错位\n- 表格、印章等元素干扰\n- 编码不一致导致的信息丢失\n\n本技能先用 Python 提取纯净文本，得到：\n- **统一格式**：不管源文件是 PDF 还是 Word，输出都是纯文本\n- **干净无噪**：无多余排版符号、无乱码\n- **便于 AI 理解**：AI 读取和分析更稳定，信息提取更准确\n- **便于存档**：提取后的 txt 可长期保存复用\n\n## 支持的案由类型\n\nAI 可自动识别并分析以下类型的案件：\n\n- 合同纠纷（买卖、租赁、借款、委托理财等）\n- 侵权纠纷（人身损害、财产损害、医疗事故等）\n- 劳动争议（劳动关系、赔偿金、加班费等）\n- 知识产权（专利、商标、著作权等）\n- 婚姻家庭（离婚、抚养权、财产分割等）\n- 交通事故\n- 其他民商事案件\n\n## 使用方案\n\n### OpenClaw 中使用（智能体模式）\n\n在 OpenClaw 平台配置为智能体技能：\n\n```\n技能名称：判决书分析\n触发词：分析判决书、批量分析、生成判决书报告\n```\n\n配置后，用户发送「分析判决书 /path/to/case.pdf」即可自动执行完整流程。\n\n### Claude Code 对话中使用\n\n用户可以直接在 Claude Code 对话中发送指令：\n\n```\n分析判决书 ~/Desktop/case.pdf\n批量分析 ~/Desktop/cases/\n生成判决书综合报告\n```\n\n助手会自动：\n1. 调用 Python 脚本提取文本\n2. 读取提取的文本\n3. 按照 references/output-template.md 中的格式要求生成分析报告\n\n### 命令行直接调用\n\n```bash\n# 提取文本\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <路径>\n\n# 单文件\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/case.pdf\n\n# 文件夹（批量）\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/cases/\n```\n\n## 工作流程\n\n```\n1. 用户指定判决书路径（单文件或文件夹）\n2. Python 脚本批量提取文本\n3. AI 读取文本，按 references/output-template.md 要求分析和排版\n4. 生成逐案摘要 + 综合对比报告\n```\n\n## 文件结构\n\n```\njudgment-analyzer/\n├── SKILL.md # 技能定义（工作流程、触发条件）\n├── scripts/\n│ ├── analyzer.py # 文本提取脚本\n│ └── requirements.txt\n├── references/\n│ └── output-template.md # 输出格式核心控制模板\n└── README.md # 本文件\n```\n\n## 输出示例\n\n详见 `references/output-template.md`\n\n---\n\n*设计理念：让工具做它擅长的事，让 AI 做它擅长的事。*\n\nFile v1.2.0:_meta.json\n\n{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"1.2.0\",\n \"publishedAt\": 1775113686683\n}\n\nFile v1.2.0:references/output-template.md\n\n# 判决书分析报告模板与格式要求\n\n本文件定义了判决书提取摘要报告和综合分析报告的具体格式。\n在生成分析结时，**必须严格按照**以下模板结构执行，并且每部分都要有具体的内容描述，不能只有标题。\n\n在生成分析报告前，请遵循以下核心信息定位与提取准则：\n\n1. **基本元素定位**：\n - **案号**：匹配格式如`（年份）字第N号` 或 `（年份）民终N号`。\n - **法院**：提取法院全称。\n - **案由**：判决书中\"案由\"后的内容。\n - **当事人**：原告/被告 或 上诉人/被上诉人。\n - **裁判日期**：格式如`2023-01-01`。\n2. **关键段落识别顺序**：\n - 首先找 **案件事实**（定位词：\"经审理查明\"、\"本院查明\"）\n - 其次找 **争议焦点**（定位词：\"争议焦点\"、\"本案焦点\"）\n - 然后找 **法院论证**（定位词：\"本院认为\"、\"本院审理认为\"）\n - 最后看 **判决结果**（定位词：\"判决如下\"及其后续具体内容）\n\n---\n\n## 一、摘要报告模式（针对单份文件）\n\n每个案件摘要必须包含以下六个核心模块：\n\n```text\n================================================================================\n 案 件 摘 要\n================================================================================\n\n【基本信息】\n案号：（年份）粤/京/鲁...民终/民申/民再N号\n法院：XX省/市XX中级人民法院/高级人民法院/最高人民法院\n案由：具体案由名称\n程序：一审/二审/再审 | 日期：YYYY-MM-DD\n\n【当事人】\n上诉人/原告（原审身份）：当事人名称\n被上诉人/被告（原审身份）：当事人名称\n[第三人]\n\n【案件事实】\n详细描述：当事人于何时、因何事、采取何种行为、产生何种后果。\n不仅要叙述“发生了什么”，还要说明案涉的核心法律关系性质（如：建设工程施工合同纠纷等）。\n包含关键时间、金额、行为过程及证据采信情况。（至少3-5句话）\n\n【争议焦点与法院认定】\n焦点 1：[争议的具体法律或法律事实问题]\n- 双方主张：原上诉人/原告认为...；被上诉人/被告辩称... [简述双方的核心争议点]\n- 法院论证：本院经审理认为，结合证据...（详细引用法院的论证逻辑、适用的法律条款及核心事实认定）\n- 认定结果：法院最终支持/不支持该主张，认定理由是...\n\n[根据案件情况，按上述结构列出 1-3 个核心争议点]\n\n【判决结果】\n最终判决主文：支持/驳回哪些请求，责任如何划分，\n具体金额或比例是多少。包含原审维持或撤销改判的具体情况。\n\n【法律要点】\n✓ 第一个法律要点（核心裁判规则：如果 A 情况发生，那么法院通常 B 处理）\n✓ 第二个法律要点\n[提炼2-5个与案由相关的法律裁判规则，具有实务参考价值]\n```\n\n**内容充实度要求**：\n- 【案件事实】：必须包含时间、人物、行为、法律后果四要素，描述需专业严谨。\n- 【争议焦点与法院认定】：每个焦点必须还原“原告诉请-被告抗辩-法院裁判”的逻辑链路，并明确引用的核心法律法规。\n- 【判决结果】：必须准确概括各项请求的成立情况，细化责任比例、金额等。\n- 【法律要点】：要提炼出可直接引用的裁判规则，而非简单的法律条文复述。\n\n---\n\n## 综合分析报告模式（针对批量分析多份判决书）\n\n批量分析多份文件产生综合报告时，必须采用以下结构：\n\n**一、案件概览**\n以表格形式呈现：\n\n| 案号 | 案由 | 法院 | 程序 | 判决结果 |\n|------|------|------|------|----------|\n\n统计信息：\n- 案由分布：[列出每种案由及数量]\n- 法院分布：[列出涉及的法院及数量]\n- 时间范围：[最早日期] 至 [最晚日期]\n- 程序分布：[一审/二审/再审 各多少件]\n\n**二、案件类型分析**\n根据主要案由类型，分类归纳该类案件的：\n- 共同特征\n- 核心争议焦点\n- 裁判规则\n\n**三、法律要点总结**\n以表格形式对比各案：\n\n| 案件 | 争议焦点 | 裁判规则 | 责任比例 |\n|------|----------|----------|----------|\n\n**四、结论与建议**\n- 案件总体特征\n- 风险提示\n- 实践建议\n\nFile v1.2.0:scripts/requirements.txt\n\n# 判决书分析 Skill - Python 依赖\n# 安装方法: pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# Word 文档读写\npython-docx>=0.8.11\n\n# 可选：更好的 PDF OCR 支持（如果 PDF 是扫描件）\n# PyMuPDF>=1.23.0\n\nArchive v1.1.0: 6 files, 7626 bytes\n\nFiles: README.md (4261b), references/output-template.md (3712b), scripts/analyzer.py (3468b), scripts/requirements.txt (246b), SKILL.md (2503b), _meta.json (139b)\n\nFile v1.1.0:SKILL.md\n\n---\nname: judgment-analyzer\nversion: 1.1.0\ndescription: 分析判决书文档，提取关键信息并生成结构化分析报告。当用户提到「分析判决书」「解读判决书」「判决书总结」「生成判决书报告」「批量分析判决书」时使用。支持 PDF 和 Word (.docx/.doc) 格式，可处理单个文件或整个文件夹。\nauthor: szzzcode\nhomepage: https://github.com/szzzcode/judgment-analyzer\n---\n\n# 判决书分析技能\n\n分析本地判决书文档，提取案件关键信息，生成结构化的摘要报告和综合分析报告。\n\n## 工作流程\n\n### 步骤 1：接收输入\n\n用户指定判决书路径，支持：\n- **单文件**：`/path/to/judgment.pdf`\n- **文件夹**：`/path/to/cases/`（批量处理所有 PDF/Word 文件）\n- 支持格式：PDF、Word (.docx/.doc)\n\n### 步骤 2：文本提取（Python）\n\n运行 `scripts/analyzer.py` 提取原始文本：\n\n```bash\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <输入路径>\n```\n\n脚本会：\n1. 读取每个判决书文件（PDF 或 Word）\n2. 提取纯文本内容\n3. 将文本保存到 `输入路径/摘要/` 文件夹，文件名为 `原文件名.txt`\n\n### 步骤 3：生成摘要（AI）\n\n1. 读取 `摘要/` 文件夹中的所有 txt 文件\n2. 按照输出格式模板，对每个案件生成结构化摘要\n3. 将摘要保存为 `案件名_摘要.md`\n4. 批量处理时，额外生成 `综合分析报告.md`\n\n\n\n### 输出格式要求\n\n在提取信息和生成报告时，**必须严格遵守**模板文件中的格式和要求设置。\n具体格式以及各项指引，请读取并遵循此文件：\n`~/.claude/skills/judgment-analyzer/references/output-template.md`\n\n- **单案件摘要**：遵照模板文件中【摘要报告模式】的8个既定环节提取并输出。\n- **批量综合报告**：遵照模板文件中【综合分析报告模式】的结构和表格要求输出。\n\n### 触发方式\n- 「分析判决书 /path/to/case.pdf」\n- 「批量分析 /Users/xxx/Desktop/cases/」\n- 「生成判决书综合报告」\n- 「对比分析这几份判决书」\n\n## 注意事项\n\n- 脚本路径：`~/.claude/skills/judgment-analyzer/scripts/analyzer.py`\n- 首次使用需安装依赖：`pip install -r ~/.claude/skills/judgment-analyzer/scripts/requirements.txt`\n- 批量处理时，自动跳过非判决书文件（.pdf, .docx, .doc）\n- 摘要文件夹创建在输入文件夹同级目录\n- 优先提取文本，如文本质量差可标记\"扫描件，需OCR\"\n\nFile v1.1.0:README.md\n\n# 判决书分析技能\n\n分析判决书文档，提取关键信息，生成结构化分析报告。\n\n## 设计思路\n\n本技能采用 **「规则提取 + AI 智能分析」** 的混合模式：\n\n```\nPython 脚本 ──提取文本──> .txt 文件 ──AI 读取──> 智能分析 ──> 报告\n```\n\n### 为什么这样设计？\n\n1. **扬长避短**\n - Python 适合：读取文件、批量处理、结构化提取（案号/日期等）\n - AI 适合：理解语义、识别案由、提炼争议焦点、归纳法律要点\n\n2. **避免硬编码**\n - 传统做法：在代码里写死\"如果是金融案件就分析xxx，如果是劳动案件就分析yyy\"\n - 问题：案由类型上百种，根本写不完，而且分析逻辑一变就要改代码\n - 本技能做法：将详细流程定义在 SKILL.md，报告模板定义在专门的 output-template.md 中，AI 根据实际案由动态分析。\n\n3. **更灵活的分析**\n - 同一份判决书，合同纠纷和侵权纠纷的分析角度不同\n - AI 可以根据案由自动调整分析侧重点\n\n## 核心特色\n\n| 特色 | 说明 |\n|------|------|\n| 批量分析 | 支持文件夹批量处理，一次分析多份判决书 |\n| 结构化提取 | 提取要求固定模板，输出格式统一规范 |\n| 本地文件支持 | 直接指定本地文件或文件夹路径 |\n| 混合架构 | Python 提取 + AI 分析，分工明确 |\n| 案由自适应 | AI 根据案件类型自动选择分析要点 |\n| 纯净文本提取 | 先将 PDF/Word 转为统一 txt，避免格式干扰 |\n\n### 为什么先转 txt？\n\n判决书通常是 PDF 或 Word 格式，内部结构复杂、编码多样，直接给 AI 读取容易出现：\n- 乱码、换行错位\n- 表格、印章等元素干扰\n- 编码不一致导致的信息丢失\n\n本技能先用 Python 提取纯净文本，得到：\n- **统一格式**：不管源文件是 PDF 还是 Word，输出都是纯文本\n- **干净无噪**：无多余排版符号、无乱码\n- **便于 AI 理解**：AI 读取和分析更稳定，信息提取更准确\n- **便于存档**：提取后的 txt 可长期保存复用\n\n## 支持的案由类型\n\nAI 可自动识别并分析以下类型的案件：\n\n- 合同纠纷（买卖、租赁、借款、委托理财等）\n- 侵权纠纷（人身损害、财产损害、医疗事故等）\n- 劳动争议（劳动关系、赔偿金、加班费等）\n- 知识产权（专利、商标、著作权等）\n- 婚姻家庭（离婚、抚养权、财产分割等）\n- 交通事故\n- 其他民商事案件\n\n## 使用方案\n\n### OpenClaw 中使用（智能体模式）\n\n在 OpenClaw 平台配置为智能体技能：\n\n```\n技能名称：判决书分析\n触发词：分析判决书、批量分析、生成判决书报告\n```\n\n配置后，用户发送「分析判决书 /path/to/case.pdf」即可自动执行完整流程。\n\n### Claude Code 对话中使用\n\n用户可以直接在 Claude Code 对话中发送指令：\n\n```\n分析判决书 ~/Desktop/case.pdf\n批量分析 ~/Desktop/cases/\n生成判决书综合报告\n```\n\n助手会自动：\n1. 调用 Python 脚本提取文本\n2. 读取提取的文本\n3. 按照 references/output-template.md 中的格式要求生成分析报告\n\n### 命令行直接调用\n\n```bash\n# 提取文本\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <路径>\n\n# 单文件\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/case.pdf\n\n# 文件夹（批量）\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/cases/\n```\n\n## 工作流程\n\n```\n1. 用户指定判决书路径（单文件或文件夹）\n2. Python 脚本批量提取文本\n3. AI 读取文本，按 references/output-template.md 要求分析和排版\n4. 生成逐案摘要 + 综合对比报告\n```\n\n## 文件结构\n\n```\njudgment-analyzer/\n├── SKILL.md # 技能定义（工作流程、触发条件）\n├── scripts/\n│ ├── analyzer.py # 文本提取脚本\n│ └── requirements.txt\n├── references/\n│ └── output-template.md # 输出格式核心控制模板\n└── README.md # 本文件\n```\n\n## 输出示例\n\n详见 `references/output-template.md`\n\n---\n\n*设计理念：让工具做它擅长的事，让 AI 做它擅长的事。*\n\nFile v1.1.0:_meta.json\n\n{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"1.1.0\",\n \"publishedAt\": 1774959991275\n}\n\nFile v1.1.0:references/output-template.md\n\n# 判决书分析报告模板与格式要求\n\n本文件定义了判决书提取摘要报告和综合分析报告的具体格式。\n在生成分析结时，**必须严格按照**以下模板结构执行，并且每部分都要有具体的内容描述，不能只有标题。\n\n在生成分析报告前，请遵循以下核心信息定位与提取准则：\n\n1. **基本元素定位**：\n - **案号**：匹配格式如`（年份）字第N号` 或 `（年份）民终N号`。\n - **法院**：提取法院全称。\n - **案由**：判决书中\"案由\"后的内容。\n - **当事人**：原告/被告 或 上诉人/被上诉人。\n - **裁判日期**：格式如`2023-01-01`。\n2. **关键段落识别顺序**：\n - 首先找 **案件事实**（定位词：\"经审理查明\"、\"本院查明\"）\n - 其次找 **争议焦点**（定位词：\"争议焦点\"、\"本案焦点\"）\n - 然后找 **法院论证**（定位词：\"本院认为\"、\"本院审理认为\"）\n - 最后看 **判决结果**（定位词：\"判决如下\"及其后续具体内容）\n\n---\n\n## 一、摘要报告模式（针对单份文件）\n\n每个案件摘要必须包含以下八个部分：\n\n```text\n================================================================================\n 案 件 摘 要\n================================================================================\n\n【基本信息】\n案号：（年份）粤/京/鲁...民终/民申/民再N号\n法院：XX省/市XX中级人民法院/高级人民法院/最高人民法院\n案由：具体案由名称\n程序：一审/二审/再审 | 日期：YYYY-MM-DD\n\n【当事人】\n上诉人/原告（原审身份）：当事人名称\n被上诉人/被告（原审身份）：当事人名称\n[第三人]\n\n【案件事实】\n详细描述：当事人于何时、因何事、采取何种行为、产生何种后果。\n要包含关键时间、金额、行为过程等要素。（至少3-5句话）\n\n【争议焦点】\n1. 第一个争议焦点是什么？\n2. 第二个争议焦点是什么？\n[根据案件情况列出1-3个核心争议点]\n\n【法院认定】\n针对每个争议焦点，法院的具体分析和认定理由。\n要引用法院的核心观点和论证逻辑，不能省略。\n\n【判决结果】\n最终判决主文：支持/驳回哪些请求，责任如何划分，\n具体金额或比例是多少。\n\n【法律要点】\n✓ 第一个法律要点（核心裁判规则）\n✓ 第二个法律要点\n[提炼2-5个与案由相关的法律裁判规则]\n```\n\n**内容充实度要求**：\n- 【案件事实】：必须包含时间、人物、行为、结果四要素\n- 【争议焦点】：每个焦点都要具体说明争的是什么\n- 【法院认定】：要引用法院的原话或核心论证\n- 【法律要点】：要提炼出可直接引用的裁判规则\n\n---\n\n## 综合分析报告模式（针对批量分析多份判决书）\n\n批量分析多份文件产生综合报告时，必须采用以下结构：\n\n**一、案件概览**\n以表格形式呈现：\n\n| 案号 | 案由 | 法院 | 程序 | 判决结果 |\n|------|------|------|------|----------|\n\n统计信息：\n- 案由分布：[列出每种案由及数量]\n- 法院分布：[列出涉及的法院及数量]\n- 时间范围：[最早日期] 至 [最晚日期]\n- 程序分布：[一审/二审/再审 各多少件]\n\n**二、案件类型分析**\n根据主要案由类型，分类归纳该类案件的：\n- 共同特征\n- 核心争议焦点\n- 裁判规则\n\n**三、法律要点总结**\n以表格形式对比各案：\n\n| 案件 | 争议焦点 | 裁判规则 | 责任比例 |\n|------|----------|----------|----------|\n\n**四、结论与建议**\n- 案件总体特征\n- 风险提示\n- 实践建议\n\nFile v1.1.0:scripts/requirements.txt\n\n# 判决书分析 Skill - Python 依赖\n# 安装方法: pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# Word 文档读写\npython-docx>=0.8.11\n\n# 可选：更好的 PDF OCR 支持（如果 PDF 是扫描件）\n# PyMuPDF>=1.23.0\n\nArchive v1.0.0: 6 files, 8164 bytes\n\nFiles: README.md (4127b), references/output-template.md (696b), scripts/analyzer.py (3468b), scripts/requirements.txt (246b), SKILL.md (6744b), _meta.json (139b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: judgment-analyzer\nversion: 1.0.0\ndescription: 分析判决书文档，提取关键信息并生成结构化分析报告。当用户提到「分析判决书」「解读判决书」「判决书总结」「生成判决书报告」「批量分析判决书」时使用。支持 PDF 和 Word (.docx/.doc) 格式，可处理单个文件或整个文件夹。\nauthor: szzzcode\nhomepage: https://github.com/szzzcode/judgment-analyzer\n---\n\n# 判决书分析技能\n\n分析本地判决书文档，提取案件关键信息，生成结构化的摘要报告和综合分析报告。\n\n## 工作流程\n\n### 步骤 1：接收输入\n\n用户指定判决书路径，支持：\n- **单文件**：`/path/to/judgment.pdf`\n- **文件夹**：`/path/to/cases/`（批量处理所有 PDF/Word 文件）\n- 支持格式：PDF、Word (.docx/.doc)\n\n### 步骤 2：文本提取（Python）\n\n运行 `scripts/analyzer.py` 提取原始文本：\n\n```bash\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <输入路径>\n```\n\n脚本会：\n1. 读取每个判决书文件（PDF 或 Word）\n2. 提取纯文本内容\n3. 将文本保存到 `输入路径/摘要/` 文件夹，文件名为 `原文件名.txt`\n\n### 步骤 3：生成摘要（AI）\n\n1. 读取 `摘要/` 文件夹中的所有 txt 文件\n2. 按照输出格式模板，对每个案件生成结构化摘要\n3. 将摘要保存为 `案件名_摘要.txt`\n4. 批量处理时，额外生成 `综合分析报告.txt`\n\n## 信息提取要求\n\n### 通用信息（所有案件必须提取）\n\n| 字段 | 说明 | 提取指导 |\n|------|------|----------|\n| 案号 | 案件编号 | 匹配格式：`（年份）字第N号` 或 `（年份）民终N号` |\n| 法院 | 审理法院 | 提取法院全称 |\n| 案由 | 案件类型 | 判决书中\"案由\"后的内容 |\n| 裁判日期 | 判决时间 | 支持格式：`2023年1月1日`、`2023-01-01` |\n| 当事人 | 原告/被告 | 原告/被告 或 上诉人/被上诉人 |\n| 审理程序 | 一审/二审/再审 | 根据内容判断 |\n| 判决结果 | 判决主文 | \"判决如下\"后的具体内容 |\n\n### 案由相关分析（根据实际案由调整）\n\n**金融委托理财/合同纠纷类**\n- 合同性质与效力（委托理财vs借贷vs合伙）\n- 适当性义务是否履行（了解客户/了解产品/适当销售）\n- 保底承诺条款的效力\n- 损失认定与计算\n- 刚兑承诺的法律后果\n\n**侵权责任纠纷类**\n- 侵权行为的认定（作为/不作为）\n- 过错的判断标准\n- 因果关系的认定\n- 责任比例的划分\n- 损害赔偿范围\n\n**劳动争议类**\n- 劳动关系认定\n- 法律责任主体\n- 赔偿项目计算\n\n**知识产权类**\n- 权利有效性\n- 侵权认定标准\n- 赔偿数额计算\n\n**婚姻家庭类**\n- 财产分割原则\n- 子女抚养安排\n- 债务承担认定\n\n> 提示：根据实际案由，选择相关的分析要点，不必面面俱到。\n> 金融类案件重点关注：适当性义务、举证责任倒置、保底条款效力。\n\n### 关键段落识别\n\n按以下顺序查找并提取关键段落：\n1. **案件事实**（\"经审理查明\"、\"本院查明\"）\n2. **争议焦点**（\"争议焦点\"、\"本案焦点\"）\n3. **法院论证**（\"本院认为\"、\"本院审理认为\"）\n4. **判决结果**（\"判决如下\"）\n\n### 输出格式模板\n\n每个案件摘要必须包含以下八个部分，**每部分都要有具体内容描述**，不能只有标题：\n\n```\n================================================================================\n 案 件 摘 要\n================================================================================\n\n【基本信息】\n案号：（年份）粤/京/鲁...民终/民申/民再N号\n法院：XX省/市XX中级人民法院/高级人民法院/最高人民法院\n案由：具体案由名称\n程序：一审/二审/再审 | 日期：YYYY-MM-DD\n\n【当事人】\n上诉人/原告（原审身份）：当事人名称\n被上诉人/被告（原审身份）：当事人名称\n[第三人]\n\n【案件事实】\n详细描述：当事人于何时、因何事、采取何种行为、产生何种后果。\n要包含关键时间、金额、行为过程等要素。（至少3-5句话）\n\n【争议焦点】\n1. 第一个争议焦点是什么？\n2. 第二个争议焦点是什么？\n[根据案件情况列出1-3个核心争议点]\n\n【法院认定】\n针对每个争议焦点，法院的具体分析和认定理由。\n要引用法院的核心观点和论证逻辑，不能省略。\n\n【判决结果】\n最终判决主文：支持/驳回哪些请求，责任如何划分，\n具体金额或比例是多少。\n\n【法律要点】\n✓ 第一个法律要点（核心裁判规则）\n✓ 第二个法律要点\n[提炼2-5个与案由相关的法律裁判规则]\n```\n\n**内容充实度要求**：\n- 【案件事实】：必须包含时间、人物、行为、结果四要素\n- 【争议焦点】：每个焦点都要具体说明争的是什么\n- 【法院认定】：要引用法院的原话或核心论证\n- 【法律要点】：要提炼出可直接引用的裁判规则\n\n## 综合分析报告要求\n\n批量分析时，生成综合报告：\n\n### 报告结构\n\n**一、案件概览**\n以表格形式呈现：\n| 案号 | 案由 | 法院 | 程序 | 判决结果 |\n|------|------|------|------|----------|\n\n统计信息：\n- 案由分布：[列出每种案由及数量]\n- 法院分布：[列出涉及的法院及数量]\n- 时间范围：[最早日期] 至 [最晚日期]\n- 程序分布：[一审/二审/再审 各多少件]\n\n**二、案件类型分析**\n根据主要案由类型，分类归纳该类案件的：\n- 共同特征\n- 核心争议焦点\n- 裁判规则\n\n**三、法律要点总结**\n以表格形式对比各案：\n| 案件 | 争议焦点 | 裁判规则 | 责任比例 |\n|------|----------|----------|----------|\n\n**四、结论与建议**\n- 案件总体特征\n- 风险提示\n- 实践建议\n\n## 使用示例\n\n### 触发方式\n- 「分析判决书 /path/to/case.pdf」\n- 「批量分析 /Users/xxx/Desktop/cases/」\n- 「生成判决书综合报告」\n- 「对比分析这几份判决书」\n\n### 完整流程\n\n```\n用户：批量分析 ~/Desktop/casetest/ 文件夹\n\n助手：\n1. 运行文本提取脚本\n2. 读取提取的文本内容\n3. 对每个案件进行 AI 智能分析\n4. 生成逐案摘要\n5. 生成综合分析报告\n6. 展示分析结果统计\n```\n\n## 注意事项\n\n- 脚本路径：`~/.claude/skills/judgment-analyzer/scripts/analyzer.py`\n- 首次使用需安装依赖：`pip install -r ~/.claude/skills/judgment-analyzer/scripts/requirements.txt`\n- 批量处理时，自动跳过非判决书文件（.pdf, .docx, .doc）\n- 摘要文件夹创建在输入文件夹同级目录\n- 优先提取文本，如文本质量差可标记\"扫描件，需OCR\"\n\nFile v1.0.0:README.md\n\n# 判决书分析技能\n\n分析判决书文档，提取关键信息，生成结构化分析报告。\n\n## 设计思路\n\n本技能采用 **「规则提取 + AI 智能分析」** 的混合模式：\n\n```\nPython 脚本 ──提取文本──> .txt 文件 ──AI 读取──> 智能分析 ──> 报告\n```\n\n### 为什么这样设计？\n\n1. **扬长避短**\n - Python 适合：读取文件、批量处理、结构化提取（案号/日期等）\n - AI 适合：理解语义、识别案由、提炼争议焦点、归纳法律要点\n\n2. **避免硬编码**\n - 传统做法：在代码里写死\"如果是金融案件就分析xxx，如果是劳动案件就分析yyy\"\n - 问题：案由类型上百种，根本写不完，而且分析逻辑一变就要改代码\n - 本技能做法：把分析要求写到 SKILL.md，AI 根据实际案由动态决定分析重点\n\n3. **更灵活的分析**\n - 同一份判决书，合同纠纷和侵权纠纷的分析角度不同\n - AI 可以根据案由自动调整分析侧重点\n\n## 核心特色\n\n| 特色 | 说明 |\n|------|------|\n| 批量分析 | 支持文件夹批量处理，一次分析多份判决书 |\n| 结构化提取 | 提取要求固定模板，输出格式统一规范 |\n| 本地文件支持 | 直接指定本地文件或文件夹路径 |\n| 混合架构 | Python 提取 + AI 分析，分工明确 |\n| 案由自适应 | AI 根据案件类型自动选择分析要点 |\n| 纯净文本提取 | 先将 PDF/Word 转为统一 txt，避免格式干扰 |\n\n### 为什么先转 txt？\n\n判决书通常是 PDF 或 Word 格式，内部结构复杂、编码多样，直接给 AI 读取容易出现：\n- 乱码、换行错位\n- 表格、印章等元素干扰\n- 编码不一致导致的信息丢失\n\n本技能先用 Python 提取纯净文本，得到：\n- **统一格式**：不管源文件是 PDF 还是 Word，输出都是纯文本\n- **干净无噪**：无多余排版符号、无乱码\n- **便于 AI 理解**：AI 读取和分析更稳定，信息提取更准确\n- **便于存档**：提取后的 txt 可长期保存复用\n\n## 支持的案由类型\n\nAI 可自动识别并分析以下类型的案件：\n\n- 合同纠纷（买卖、租赁、借款、委托理财等）\n- 侵权纠纷（人身损害、财产损害、医疗事故等）\n- 劳动争议（劳动关系、赔偿金、加班费等）\n- 知识产权（专利、商标、著作权等）\n- 婚姻家庭（离婚、抚养权、财产分割等）\n- 交通事故\n- 其他民商事案件\n\n## 使用方案\n\n### OpenClaw 中使用（智能体模式）\n\n在 OpenClaw 平台配置为智能体技能：\n\n```\n技能名称：判决书分析\n触发词：分析判决书、批量分析、生成判决书报告\n```\n\n配置后，用户发送「分析判决书 /path/to/case.pdf」即可自动执行完整流程。\n\n### Claude Code 对话中使用\n\n用户可以直接在 Claude Code 对话中发送指令：\n\n```\n分析判决书 ~/Desktop/case.pdf\n批量分析 ~/Desktop/cases/\n生成判决书综合报告\n```\n\n助手会自动：\n1. 调用 Python 脚本提取文本\n2. 读取提取的文本\n3. 按照 SKILL.md 中的格式要求生成分析报告\n\n### 命令行直接调用\n\n```bash\n# 提取文本\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py <路径>\n\n# 单文件\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/case.pdf\n\n# 文件夹（批量）\npython3 ~/.claude/skills/judgment-analyzer/scripts/analyzer.py ~/Desktop/cases/\n```\n\n## 工作流程\n\n```\n1. 用户指定判决书路径（单文件或文件夹）\n2. Python 脚本批量提取文本\n3. AI 读取文本，按 SKILL.md 要求分析\n4. 生成逐案摘要 + 综合对比报告\n```\n\n## 文件结构\n\n```\njudgment-analyzer/\n├── SKILL.md # 技能定义（分析要求、输出格式）\n├── scripts/\n│ ├── analyzer.py # 文本提取脚本\n│ └── requirements.txt\n├── references/\n│ └── output-template.md\n└── README.md # 本文件\n```\n\n## 输出示例\n\n详见 `references/output-template.md`\n\n---\n\n*设计理念：让工具做它擅长的事，让 AI 做它擅长的事。*\n\nFile v1.0.0:_meta.json\n\n{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"1.0.0\",\n \"publishedAt\": 1774596907813\n}\n\nFile v1.0.0:references/output-template.md\n\n# 判决书分析报告模板\n\n## 文档信息\n- 原文件：[文件名]\n- 分析日期：[日期]\n- 总页数/字数：[统计]\n\n## 案件概要\n- 案由：[案件类型]\n- 当事人：[原告/被告]\n- 审理法院：[法院名称]\n- 判决日期：[日期]\n\n## 案件事实\n### 事实概述\n[简要描述案件背景]\n\n### 关键事实点\n1. [关键事实1]\n2. [关键事实2]\n3. [关键事实3]\n\n## 法律要点\n### 适用法律\n- 《[法律名称]》第[条款]条\n\n### 法律分析\n[分析判决依据]\n\n## 判决结果\n### 主文\n[判决内容]\n\n### 执行要求\n[如有限期、执行内容等]\n\n## 重点条款摘录\n> [引用判决书中的关键语句]\n\n## 备注\n[其他补充说明]\n\nFile v1.0.0:scripts/requirements.txt\n\n# 判决书分析 Skill - Python 依赖\n# 安装方法: pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# Word 文档读写\npython-docx>=0.8.11\n\n# 可选：更好的 PDF OCR 支持（如果 PDF 是扫描件）\n# PyMuPDF>=1.23.0","readmeExcerpt":"Skill: SZZZ Case Study Lite｜案例分析技能 Owner: szzzcode Summary: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi... Tags: latest:3.0.1 Version history: v3.0.1 | 2026-07-23T03:13:00.723Z | user 同步 Lite v3.0.1：完善本地案例库流程、增量去重、材料追问与 DOC 支持；补充八股仙人作者介绍，并统一为基础版命名。 v1.2.1 | 2026-04-02T07:10:41.445Z | user v1.2.1: 更新技能显示名称","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"python3 scripts/main.py init \"[项目路径]\""},{"language":"bash","snippet":"python3 scripts/main.py focus \"[项目路径]\""},{"language":"bash","snippet":"python3 scripts/main.py report \"[专题词]\" \"[项目路径]\""},{"language":"text","snippet":"law_analysis_results/Master_Report.md"},{"language":"bash","snippet":"python3 scripts/main.py focus_incremental \"[项目路径]\""},{"language":"mermaid","snippet":"flowchart LR\n A[导入案例材料] --> B[文本提取]\n B --> C[识别与去重]\n C --> D[单案专家摘要]\n D --> E[专题分析报告]\n E --> F[追问与原文回溯]\n F --> G[补充新案例]\n G --> C"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: szzz-case-study-lite\ndescription: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidian 导出。\n---\n\n# SZZZ Case Study Lite｜案例分析技能\n\n## 作者\n\n八股仙人，长期关注法律实务、文档自动化与 AI 工作流，分享面向中文法律文本处理的工具和方法。\n\n小红书 @八股仙人｜AI工作流
\n微信公众号 @八股仙人
\n微博 @八股仙人AI\n\n把用户已有的本地裁判文书整理为准确、可溯源、可持续增量更新的案例库。\n\n## 执行协议\n\n不要自行另写临时代码扫描或统计文件。提取、去重、进度和数量对账均以 `scripts/main.py` 为准。\n\n运行脚本时，将工作目录设为本 `SKILL.md` 所在的技能目录。不要假定技能安装在 `~/.claude`；以下相对路径适用于任意安装位置。\n\n### Step 1：扫描与建库\n\n用户提供包含 `.pdf`、`.docx` 或 `.doc` 的文件夹后，运行：\n\n```bash\npython3 scripts/main.py init \"[项目路径]\"\n```\n\nPDF 保留页码标记；DOCX 直接提取；DOC 在 macOS 使用 `textutil`，其他系统优先使用 LibreOffice。转换器不可用或提取为空时，如实报告，不生成空白 raw 文件。\n\n### Step 2：去重与纳入范围\n\n`init` 自动执行：\n\n- 对民事判决书、民事裁定书按“案号 + 文书类型”去重；\n- 纳入执行异议、案外人异议、执行复议等实质争议类执行裁定；\n- 纳入典型案例、指导性案例、裁判要旨等参考材料；\n- 无标准案号时使用正文相似度辅助去重；\n- 把重复、范围排除和提取失败情况写入 `law_analysis_results/dedup_report.txt`。\n\n### Step 3：逐案专家摘要\n\n初始化后运行：\n\n```bash\npython3 scripts/main.py focus \"[项目路径]\"\n```\n\n每批只处理脚本派发的材料。读取 `prompts/analyzer-logic.md`，穷尽原文中的全部争议焦点，逐份生成摘要。\n\n摘要必须：\n\n- 保存到 `law_analysis_results/individual_cases/`；\n- 使用 `案号-文书类型-当事人简称-案由-摘要.md`；\n- 无法确认的信息写“原文未披露”，不得推测；\n- 每批落盘后再次运行 `focus`，直到脚本明确提示队列清空。\n\n### Step 4：三个后续方向\n\n队列清空并完成数量对账后，先阅读全部单案摘要，提炼三个高频、重要的争议焦点 A、B、C，再向用户提供：\n\n1. 提供具体案情或问题，从案例库检索并在必要时回溯原文；\n2. 从 A/B/C 中选择一个，作为 Master Report 的重点专题；\n3. 提供自定义报告关键词。\n\n不要默认直接生成 Master Report。\n\n### Step 5：Master Report\n\n用户确认专题后运行：\n\n```bash\npython3 scripts/main.py report \"[专题词]\" \"[项目路径]\"\n```\n\n读取脚本生成的 `master_data.json`、全部单案摘要及 `prompts/master-report-logic.md`，生成与 Pro 相同结构、带案号来源的实务报告，并保存为：\n\n```text\nlaw_analysis_results/Master_Report.md\n```\n\n## 增量处理\n\n既有项目加入新文书后再次运行 `init`。如果发现唯一的新材料，立即运行：\n\n```bash\npython3 scripts/main.py focus_incremental \"[项目路径]\"\n```\n\n持续处理到增量队列清空。汇报时必须分别说明“本轮增量数量”和“全库累计数量”。增量完成后，除三个常规方向外，还应提供“只围绕本轮增量案件提问”的选项；除非用户要求，不扩大到全库。\n\n## 既有案例库问答\n\n用户向已提取材料提问时，按问题精度逐层回溯：\n\n1. **宏观统计、趋势和分布**：优先读取 `Master_Report.md`；没有报告时汇总 `individual_cases/`。\n2. **案件比较、裁判规则和法律适用**：读取相关单案摘要进行交叉分析。\n3. **最相似案件、特定事实、抗辩原话、证据或日期金额**：必须读取对应 `source_texts/*-raw.md`，不能只依赖摘要。\n\n回答采用“结论—原文证据对齐—实务评论”结构，明确说明来自哪份摘要或 raw 原文。摘要与 raw 不一致时以 raw 为准；原文没有披露时明确回答“判决书原文未披露此细节”。\n\n再次运行 `init` 且没有新材料时，向用户提供：案例库问答、重写 Master Report、结束本轮或明确确认后重置。\n\n## 功能边界\n\nLite 只处理用户已有的本地材料，不调用元典或其他外部案例库，也不写入 Obsidian Vault。需要外部类案检索、动态选案、元典归档或 Obsidian 知识库时，使用 SZZZ Case Study Pro。"},{"path":"README.md","content":"# SZZZ Case Study Lite｜案例分析技能\n\n八股仙人，长期关注法律实务、文档自动化与 AI 工作流，分享面向中文法律文本处理的工具和方法。\n\n小红书 @八股仙人｜AI工作流
\n微信公众号 @八股仙人
\n微博 @八股仙人AI\n\nSZZZ Case Study Lite 是一个免费的本地民事裁判文书研究工具。它可以把用户已有的案例材料整理成可检索、可更新、可回溯原文的本地案例库。\n\n**当前版本：v3.0.1**\n\n## 特色功能\n\n这不只是一个生成摘要的工具，而是一套从材料整理到持续维护的本地案例研究流程。\n\n```mermaid\nflowchart LR\n A[导入案例材料] --> B[文本提取]\n B --> C[识别与去重]\n C --> D[单案专家摘要]\n D --> E[专题分析报告]\n E --> F[追问与原文回溯]\n F --> G[补充新案例]\n G --> C\n```\n\n| 特色能力 | 可以做什么 |\n|---|---|\n| 完备的摘要体系 | 从案情和诉辩，到争议焦点、裁判逻辑、裁判结果与实务提示，形成统一的单案摘要 |\n| 完整的研究流程 | 串联提取、去重、逐案分析、专题报告、追问和原文核对 |\n| 多格式材料提取 | 批量处理 PDF、DOCX 和旧式 DOC，并为 PDF 保留页码标记 |\n| 重复案例排除 | 按“案号 + 文书类型”去重，无标准案号时辅助进行正文相似去重 |\n| 追问与进度看板 | 继续比较案件、核对具体事实，并查看全库、已完成、待处理和待启动增量数量 |\n| 增量分析与维护 | 随时补充新案例，只处理新增材料，逐步沉淀为可持续维护的本地案例库 |\n\n整个流程只处理用户提供的本地文件，不自动联网检索案例。\n\n## 安装\n\n仓库可以放在任意目录，不要求安装到 `~/.claude`。先克隆仓库并安装 Python 依赖：\n\n```bash\ngit clone https://github.com/szzzcode/szzz-case-study-lite.git\ncd szzz-case-study-lite\npython3 -m pip install -r scripts/requirements.txt\n```\n\nWindows 环境如果没有 `python3` 命令，可以把上述命令及下文命令中的 `python3` 改为 `python`。\n\n### 在不同 AI 工具中使用\n\n脚本本身不依赖 Claude、Cursor、WorkBuddy 或其他特定 AI 工具。不同工具的技能目录和导入方式可能不同：\n\n- 如果工具支持读取 `SKILL.md`，按照该工具的说明，把整个仓库放入或导入其技能目录；\n- 如果工具暂不支持 `SKILL.md`，仍然可以直接运行下面的 Python 命令，再让 AI 读取生成的摘要、报告和 raw 原文；\n- 不要只复制 `SKILL.md`，脚本和 `prompts/` 模板也需要保留在仓库中。\n\n## DOC 支持\n\n- macOS：使用系统自带的 `textutil`，通常不需要额外安装；\n- Windows/Linux：需要安装 LibreOffice，并确保 `soffice` 或 `libreoffice` 命令位于 PATH；\n- 转换器不可用或转换失败时，系统会明确报告，不生成空白文本。\n\n扫描型 PDF 需要先进行 OCR，否则可能无法提取正文。\n\n## 使用\n\n以下命令默认在仓库根目录运行。\n\n首次扫描、提取和去重：\n\n```bash\npython3 scripts/main.py init \"[案例文件夹]\"\n```\n\n逐案摘要：\n\n```bash\npython3 scripts/main.py focus \"[案例文件夹]\"\n```\n\n加入新文件后，再次执行 `init`。检测到增量材料时运行：\n\n```bash\npython3 scripts/main.py focus_incremental \"[案例文件夹]\"\n```\n\n用户确认报告方向后：\n\n```bash\npython3 scripts/main.py report \"[专题词]\" \"[案例文件夹]\"\n```\n\n查看处理进度：\n\n```bash\npython3 scripts/main.py next \"[案例文件夹]\"\n```\n\n## 输出结构\n\n```text\n案例文件夹/\n└── law_analysis_results/\n ├── status.json\n ├── dedup_report.txt\n ├── source_texts/\n │ └── 原文件名-raw.md\n ├── individual_cases/\n │ └── 案号-文书类型-当事人简称-案由-摘要.md\n ├── master_data.json\n └── Master_Report.md\n```\n\n## 摘要完成后的三个方向\n\n1. 提供具体案情或问题，从既有案例库检索并在必要时回溯 raw 原文；\n2. 从系统归纳的三个高频争议焦点中选择一个，生成 Master Report；\n3. 提供自定义报告关键词。\n\n向案例库提问时，宏观问题可以先读取 Master Report，案件比较读取单案摘要，涉及特定事实、证据、金额或日期时应回到 `source_texts/*-raw.md` 核对。\n\n## 多工具使用提醒\n\n同一份仓库可以被不同 AI 工具读取，不会因为使用 Cursor、WorkBuddy 或 Claude 而改变案例数据。但不要让两个工具同时处理同一个案例文件夹，以免它们同时更新 `status.json`。\n\n不同案例文件夹可以分别处理，互不影响。\n\n## 重要提醒\n\n本工具生成的内容用于辅助法律研究。案号、金额、裁判结果、证据原话和法律依据应回到 raw 原文核对。裁判文书没有披露的信息，不应由模型推测补充。\n\n## 许可\n\n本项目采用 MIT License。英文法律文本及中文参考译文见 [LICENSE](./LICENSE)。\n\n## Lite 与 Pro\n\nLite 是免费公开版，提供完整的本地案例研究流程；Pro 在此基础上增加元典外部类案检索、动态选案、归档校验和 Obsidian 案例知识库等专业功能。"},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn78hvtf4bv7xe2va6xqtejtps833bha\",\n \"slug\": \"szzz-case-study-lite\",\n \"version\": \"3.0.1\",\n \"publishedAt\": 1784776380723\n}"},{"path":"scripts/requirements.txt","content":"# SZZZ Case Study Lite - Python 依赖\n# 安装方法：python3 -m pip install -r requirements.txt\n\n# PDF 解析\npdfplumber>=0.10.0\n\n# DOCX 文档读取\npython-docx>=0.8.11\n\n# 旧式 DOC：macOS 使用系统 textutil；其他系统需另行安装 LibreOffice。"},{"path":"CHANGELOG.md","content":"# SZZZ Case Study Lite 更新日志\n\n## v3.0.1 - 2026-07-20\n\n- README 新增作者介绍和社交平台信息，并把 Lite/Pro 简要区别移至结尾。\n- `SKILL.md` 补充“八股仙人”作者介绍和社交平台信息，便于在 ClawHub 页面直接展示。\n- 技能展示名称统一为“SZZZ Case Study Lite｜案例分析技能”，并将版本称呼统一为“基础版”。\n- README 改用可在任意目录运行的通用安装与使用命令。\n- 新增 Claude、Cursor、WorkBuddy 等多工具使用说明和同项目并发提醒。\n- 脚本改为根据自身位置定位依赖、提示模板和后续命令，移除 `~/.claude` 硬编码。\n- `SKILL.md` 改用相对于技能根目录的脚本路径。\n- LICENSE 保留英文 MIT 原文并追加中文参考译文。\n\n## v3.0.0 - 2026-07-19\n\n- 单案摘要模板和 Master Report 模板与 SZZZ Case Study Pro 保持一致。\n- 新增 `main.py` 总控脚本和 `law_analysis_results/` 项目结构。\n- 新增案号 + 文书类型去重、无标准案号正文相似去重和去重报告。\n- 新增 `status.json`、增量侦测、增量摘要队列和全库数量对账。\n- 摘要完成后提供案例库问答、三大高频焦点报告和自定义关键词三个方向。\n- 新增既有材料分层问答规则；精确事实和证据问题必须回溯 raw 原文。\n- 正式支持旧式 DOC：macOS 使用 `textutil`，其他系统使用 LibreOffice。\n- Lite 与 Pro 的边界调整为“完整本地闭环”与“外部检索、Obsidian 增强”。\n\n## v2.0.0 - 2026-07-19\n\n- 项目和技能统一更名为 `szzz-case-study-lite`。\n- `SKILL.md` 改用精简、标准的技能元数据，并明确 Lite/Pro 功能边界。\n- PDF 提取文本增加页码标记，方便摘要回到原文核对。\n- 修正旧版误将 `.doc` 当作 `.docx` 读取的问题；现在会提示先转换格式。\n- 文本为空、扫描件或文件损坏时不再生成空白 TXT。\n- 批量文件按名称稳定排序，并改进错误提示和退出状态。\n- 同名 PDF、DOCX 同时存在时使用格式后缀，避免提取结果相互覆盖。\n- 增加 MIT 许可证。\n\n## v1.2.1 - 2026-04-02\n\n- Judgment Analyzer 历史版本。\n- 支持本地 PDF、Word 文本提取、逐案摘要和批量综合报告。"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi... Skill: SZZZ Case Study Lite｜案例分析技能 Owner: szzzcode Summary: SZZZ Case Study Lite 基础版。用于对用户已有的本地 PDF、DOCX、DOC 民事裁判文书执行批量提取、案号去重、增量入库、逐案专家摘要、Master Report、案例库问答和原文回溯。用户要求分析判决书、整理本地案例库、追加新案例或向已提取材料提问时使用；不包含外部案例检索和 Obsidi... Tags: latest:3.0.1 Version history: v3.0.1 | 2026-07-23T03:13:00.723Z | user 同步 Lite v3.0.1：完善本地案例库流程、增量去重、材料追问与 DOC 支持；补充八股仙人作者介绍，并统一为基础版命名。 v1.2.1 | 2026-04-02T07:10:41.445Z | user v1.2.1: 更新技能显示名称","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":786,"uniquenessScore":51,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T23:08:42.516Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:45:02.509Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}