name: 法律週報 description: "使用者說「生成法律週報」「幫我篩法院公眾號文章」「法律簡報」「案例入庫」時觸發。從四個法院公眾號（上海一中院/二中院/山東高法/中國應用法學）文章中用可解釋的 k-NN 評分引擎（八判據驅動）篩出 10 條精品週報，其餘實務文章全量入庫 IMA 知識庫做 RAG。臨時法律熱點查詢走 legal-hot，不要用本 skill。" author: "社群貢獻者" agent_created: true version: 3.1.0 load: on_demand

法律週報自動化 · Legal Weekly Briefing

全域性禁令（Agent 鐵律）

以下規則在整個 skill 執行期間必須遵守。違反任一條 = 交付阻斷。

執行前置檢查（Agent 啟動時強制，先於一切內容發現）

每次「生成本週法律週報」請求，Agent 必須先跑此檢查，再開始任何操作。

三層通道可用性檢測

2026-07-29 微信關閉 MP 跨號介面後，內容發現走「微信讀書搜一搜（主）+ 元寶（補）」雙通道。TokenHub API 已驗證無公眾號內容，僅保留程式碼相容。

Agent 輸出要求（任一通道缺失時，在回覆中明確宣告）：

⚠️ 自動發現通道缺失（缺少: <具體缺什麼>），將降級至 <下一可用通道>。
影響：① 文章連結可能來自轉載站而非微信原文 ② 摘要是搜尋結果片段而非原文節選。
如需要主通道，請先完成配置（見 references/weread-setup-guide.md / yuanbao-setup-guide.md）。

摘要生成三級回退

根據內容發現路徑選擇摘要來源。每條候選的 abstract 欄位必須非空：

⚠️ L1 digest 質量陷阱（2026-08-01 實測）：微信讀書搜尋的 digest 對部分文章會抓到文末片段或法條引用段（"來稿經編校後…""投稿須知…""關注我們…"等引導語，以及《民法典》第X條、《最高法…解釋》等法條原文開頭）。判斷規則：digest 以"來稿/投稿/點選/長按/關注/掃描/更多資訊"等文末特徵詞開頭，或以《法條名》第X條句式開頭（法條引用段）→ 視為質量差，回退到 WebFetch 取正文前 200 字（案情/問題引入段）。

recommend 欄位：始終由 Agent 基於標題和可用摘要做律師視角的實務價值判斷（≥30 字）。

⚠️ recommend 缺失紀律（2026-08-01 實測）：L1 微信讀書抓取只有 5 欄位（title/url/publish_time/digest/_source），不含 recommend。全自動模式跑 pipeline 前，Agent 必須為每條法律候選補寫 recommend——漏補則週報條目無推薦理由（渲染時整段消失）。判據：這條對律師辦案有什麼用（裁判規則/舉證要點/抗辯思路/調解策略），寫不出就說明該條不該進精選。

第一性原理

同一批法院公眾號文章，走三層分流：

Tier 1 · 精讀區：k-NN 評分引擎挑 10 條精品 → 律師主動閱讀 Tier 2 · 雷達區 + IMA：低分≠消失，legal 未進精讀的前 8 條進「其他領域速覽」（雷達區）防閉門造車；score ≥ 6.5 法院源條目全量入庫 IMA 做 RAG Tier 3 · 噪音：非 legal 源 + 非 court 源 + 未進 AI 精讀的條目，自然落選

精讀解決"本週重點看什麼"，雷達區解決"執業圈外還有什麼在動"，IMA 解決"以後能找到什麼"。三層共享內容發現層，在評分環節分叉。

核心交付模式：「配置一次，每週自動推送」——依賴外部排程層（WorkBuddy Automation / GitHub Actions cron）定時觸發。

分級架構

Level 0 · 5 分鐘快速體驗（零配置，零依賴）
  └─ 預置 10 條示範候選 → demo.py → 演示週報 MD+HTML

Level 1 · 純評分引擎（零外部依賴）
  └─ 使用者提供候選 URL 列表 → k-NN 評分排序 → 週報 MD+HTML

Level 2 · + IMA 知識庫（需 IMA 賬號）
  └─ Level 1 + ima_importer.py → 分類 → import_urls → 全量入庫

Level 3 · + 自動發現（需微信讀書賬號 + 元寶賬號）
  └─ 微信讀書搜一搜（主）→ 元寶反查（補）雙通道拉取四賬號文章（TokenHub 已驗證無內容，僅保留相容）

快速開始

生成演示週報：在 WorkBuddy 對話中說「幫我用 legal-weekly-briefing 生成一份演示週報」。AI 自動執行 demo.py，生成 MD + HTML 兩份檔案。

生成真實週報：對話中說「幫我生成本週法律週報」。AI 自動搜尋 → 構建候選 → 評分排序 → 交付。

配置自己的週報：對話中說「幫我配置法律週報」。AI 按適配嚮導引導你完成四問配置。

cd ~/.workbuddy/skills/legal-weekly-briefing
python3 scripts/demo.py

標準執行流程（前置檢查 → 三層通道 → 八判據評分 → 三層交付）

2026-07-29 MP 跨號介面關閉後確立的標準執行鏈路。每次真實週報按此流程：前置檢查 → 通道拉取 → 構建 → 評分 → 交付。

Step 0: 執行前置檢查（強制，不可跳過）

Agent 必須先完成「執行前置檢查」段落的三層通道檢測 + 路徑宣告。 基於結果走後續分支：

L1 微信讀書 ✓ → Step 1 (主通道，最佳質量)
L1 ✗ 且 L2 元寶 ✓ → Step 1 (元寶補充通道)
L1/L2 ✗ 且 L3 TokenHub ✓ → Step 1 (API 兜底通道，⚠️ 已驗證無公眾號內容，僅保留相容)
三層全 ✗ → Agent 宣告降級 → 跳過 Step 1-2，走 WebSearch 構建候選

Step 1: 通道登入態就緒

# L1 微信讀書（主通道）
python3 scripts/weread_login.py          # 掃碼登入，儲存 ~/.config/weread_state.json

# L2 元寶（補充通道）
python3 scripts/yuanbao_login.py         # 掃碼登入，儲存 ~/.config/yuanbao_state.json

# L3 TokenHub（⚠️ 已驗證無公眾號內容，僅保留程式碼相容，不建議使用）
# 金鑰檔案：~/.config/tencentcloud/tokenhub_api_key

Step 2: 拉取四號文章

# L1 微信讀書搜一搜（主）：山東高法 / 上海一中法院 / 上海二中院 / 中國應用法學
python3 scripts/fetch_weread_week.py --days 7        # → mp_articles_weread.json

# L2 元寶反查（補）：缺失本號原文的條目反查 mp 直鏈
python3 scripts/fetch_yuanbao_supplement.py          # → yuanbao_links.json
python3 scripts/merge_candidates.py                  # → candidates_merged.jsonl（L1+L2 合併）

# L3 TokenHub（⚠️ 已驗證無公眾號內容，僅保留程式碼相容，不建議使用）
python3 scripts/fetch_hunyuan_week.py --days 7       # → mp_articles.json

Step 2.5: AI+法律動態補充（Agent WebSearch，防板塊空置）

⚠️ L1/L2 只抓法院公眾號（純法律內容），AI+法律板塊沒有自動內容源——不補這一步，週報「AI + 法律」板塊必空（2026-08-01 實測踩坑）。

• Agent 用 WebSearch 搜本週（近 7 天）AI+法律動態（法律大模型/智慧體/法律科技/司法智慧化）
• 選 3 條（與上一期週報已收錄條目去重），按 AI+法律 4 維評分特徵構建候選：
• category: "ai-legal" + features：signal_strength（1 格局級/2 應用落地/3 融資動態）+ depth + relevance + domestic_relevance
• digest 取搜尋摘要（新聞稿），recommend 寫律師視角實務價值（≥30 字）
• 追加到 candidates_merged.jsonl 後統一跑 pipeline

Step 3: Agent 精修候選（內容過濾 → 跨期去重 → 摘要 → 推薦 → 特徵，五步全做）

本步是內容質量的核心環節，不可跳過。2026-08-01 實測：跳過本步（全自動直出）會同時出現 5 類問題（摘要文末片段/法條段、推薦理由全空、評分失真、非實務混入、跨期重複）。機器負責產候選，Agent 負責精修——只精修最終進週報的 ≤10 條，成本可控。對比分析見 新渠道內容質量解決方案.md。

Agent 精修五步（順序執行）：

1. 內容過濾：非實務類文章剔除——法院文體活動（"之旅""交流賽""運動會"）、互動慶祝（"百期""感謝有你""週年"）、徵稿啟事、法院建設/會議新聞、文化建設類。拿不準就剔除（Tier 3 噪音原則）。
2. 跨期去重：讀 scripts/ 下最新一份 週報_*.md（+html）的 mp URL，按 __biz/mid/idx/sn 指紋剔除已收錄文章（轉載版 URL 不同，輔以標題級去重）。滾動 7 天視窗與上期天然重疊，不去重雷達區必重複。
3. 摘要（abstract）質量修復：L1 digest（微信讀書 desc）質量預篩——以"來稿/投稿/關注/點選/長按/掃描/更多資訊"等文末特徵詞開頭，或以《法條名》第X條句式開頭（法條引用段）→ 低質，WebFetch 取正文開頭 150-200 字（案情/內容提要）替換。⚠️ 中國應用法學【法官辦案心得】文末固定帶投稿須知、山東高法案例類易抽中法條段，重點檢查。
4. 推薦理由（recommend）：每條 ≥30 字律師視角實務價值（裁判規則/舉證要點/抗辯思路/調解策略）。寫不出推薦理由 = 這條不該進精選。
5. 特徵標註（features）：按 feature-guide.md 八判據逐條賦值（判據1案例密度→case_density，判據4作者實證→author_empirical_depth，判據7地域貼近→jurisdictional_proximity 等）。features 為空 → k-NN 評分與內容無關（2026-08-01 實測文體新聞得 7.3 分），必須標註。

Step 4: 執行流水線 + 驗證

# Level 1（WebSearch/手動構建）：輸入 candidates.jsonl
PYTHONPATH=scripts python3 scripts/run_pipeline.py candidates.jsonl
# Level 3（L1+L2 自動發現）：輸入 Step 2 合併產出的 candidates_merged.jsonl
PYTHONPATH=scripts python3 scripts/run_pipeline.py scripts/candidates_merged.jsonl
python3 scripts/verify.py  # 期望: 23 通過 / 0 失敗

流水線 Stage 5 自動完成三層分流： - 路徑1：taxonomy 關鍵詞命中 → 直接寫入 ima_import_queue.jsonl - 路徑2：啟發式規則命中 → 直接寫入 ima_import_queue.jsonl - 路徑3：均不命中 → 寫入 needs_llm_classify.jsonl（由 Step 5 的 LLM 兜底分類後回填佇列）

Step 5: LLM 批次兜底分類（Agent 層，僅當 needs_llm_classify.jsonl 非空時觸發）

若 needs_llm_classify.jsonl 非空，Agent 讀取該檔案 → 一次性將全部待分類標題傳給 LLM → LLM 返回分類結果 → Agent 按 taxonomy.yaml 對映 folder_id → 回填 ima_import_queue.jsonl。 分類完成後清空 needs_llm_classify.jsonl。

# Agent 檢查是否有待分類佇列
wc -l needs_llm_classify.jsonl
# 若 > 0，Agent 執行 LLM 批次分類，prompt 模板：
#   "對以下法律文章標題按 taxonomy.yaml 的 11 個分類歸類，
#    輸出 JSON: [{idx: 0, category: '公司'}, ...]"
# 結果回填後 Agent 追加到 ima_import_queue.jsonl
# 分類完成後：
> needs_llm_classify.jsonl  # 清空已處理佇列

Step 6: IMA 入庫（消費佇列，強制執行）

流水線和 LLM 分類完成後，ima_import_queue.jsonl 中所有條目必須實際匯入 IMA 知識庫。

Agent 執行： 1. 檢查 taxonomy.yaml 的 knowledge_base_id ≠ YOUR_KNOWLEDGE_BASE_ID（佔位符時阻斷，提示使用者先配置） 2. 讀取 ima_import_queue.jsonl，按 folder_id 分組 3. 逐組呼叫 ima-skill（OpenAPI） 的 import_urls（knowledge_base_id + folder_id + urls[]，單次 ≤10 條）——⚠️ taxonomy.yaml 的 KB_ID/folder_id 是 OpenAPI 體系（~/.config/ima/client_id + api_key 憑證），ima-mcp 聯結器是另一套 ID，不通用。執行方式：cd ~/.workbuddy/skills/ima-skills && node ima_api.cjs "openapi/wiki/v1/import_urls" '{...}' 4. 匯入成功 → 呼叫 reset_queued_cache() 清空去重快取 5. 匯入成功 → 截斷 ima_import_queue.jsonl（消費完成，清空佇列） 6. 輸出彙總：「已入庫 X 條 / 跳過重複 Y 條 / 失敗 Z 條」

# Agent 讀取佇列 → 呼叫 IMA MCP
# import_urls 單次最多 10 條 URL，超過分批
# 匯入完成後：
python3 -c "import sys; sys.path.insert(0,'scripts'); from ima_importer import reset_queued_cache; reset_queued_cache()"
> /dev/null 2>&1 ima_import_queue.jsonl  # 截斷已消費佇列

適配嚮導（4 問流程）

使用者表達「想配置法律週報」意圖時，Agent 必須主動引導。完整話術和分支邏輯見 references/adaptation-wizard.md。

只想要 Level 1：在 Agent 問完前兩問後告知，Agent 跳過第三、四問。

Level 1 · 純評分引擎

核心工作流

使用者說「幫我生成本週法律週報」
  → Agent 搜尋近一週法律動態 + 法院公眾號文章
  → 構建 candidates.jsonl（含 abstract + recommend）
  → run_pipeline.py（去重 → k-NN 評分排序 → MD + HTML）
  → present_files 交付週報

k-NN 評分引擎 v3.0

法律條目（7 維評分 + 1 維雷達）

⚠️ 金華錨點積累（2026-08-01）：prox 維度生效依賴訓練集裡的金華樣本（當前 0 條，演示驗證有錨點時 prox=1 高 0.5 分）。每週週報遇到浙江/金華/永康法院的文章 → 標註 jurisdictional_proximity: 1 注入訓練集；使用者本地辦案案例也可手動注入。無錨點時 prox 維度不參與 k-NN 區分（權重已生效，等錨點）。 | ~~執業視野提醒~~ | — | — | 不進評分，雷達區實現 |

老四維（author_tier/platform_tier/depth/relevance）已廢棄，權重置 0.00，保留僅為相容舊訓練集。

AI+法律條目（4 維有效）

評分錨定（v3）

法律條目補充規則

1. 入庫案例：case_density=1 + norm_anchoring=1 + actionability=1 → 基準 9.0
2. 至正系列：author_empirical_depth=1 + framework_quality=1 → 基準 8.2+
3. 法官辦案心得：按審級分 — 中院 7.7-8.0，基層 7.4-7.7
4. 非主攻方向：刑事/知產/行政/環境 → 常規扣 0.5-1

降級行為

已知限制

• 訓練集 91 條：70 條老四維對映近似 + 21 條真實 v3 樣本（2026-08-01 注入，經使用者逐條驗收）——v3 空間已有點，k-NN 置信度隨真實樣本累積持續提升（每週跑完沉澱新樣本）
• 摘要生成依賴 WebFetch + 人工，不適合全量自動化
• 興趣賽道加成（+0.3）在 settings.yaml 的 interest_keywords 中配置

特徵標註速查、訓練資料替換指引 → references/feature-guide.md

Level 2 · IMA 知識庫入庫

完整指南、接入鏈路、踩坑速查 → references/ima-level2-guide.md

前置條件：Level 1 驗證通過 + IMA 賬號 + API 憑證已配。

工作原理：run_pipeline.py 產出 ima_import_queue.jsonl → 按 taxonomy.yaml 關鍵詞分配 folder_id → 呼叫 IMA OpenAPI import_urls 入庫。

週報 vs IMA vs 雷達區（三層分流）： - 精讀區（Tier 1）：diversity-aware 選 10 條，同源≤2，進 MD 週報 + HTML 卡片區 - IMA 入庫（Tier 2 之一）：score ≥ 6.5 法院源條目全部入庫，不限條數 - 雷達區（Tier 2 之二）：legal 未進精讀前 7 的條目進 HTML「其他領域速覽」（最多 8 條，低分條做低調視覺標記） - 噪音（Tier 3）：非 legal 源 + 非 court 源 + 未進 AI 精讀的條目，不顯示不進庫

分類規則：10 個分類，按優先順序排序——專業領域（建築工程/勞動法/交通事故 priority=9）高於通用兜底（合同借貸 priority=8），避免"勞動合同"被"合同"誤捕獲。

IMA 鐵律：僅使用使用者自建個人知識庫；knowledge_base_id 佔位符未替換時匯入自動阻斷。

Level 3 · 微信讀書搜一搜 + 元寶 + TokenHub 三層通道

完整配置指南 → references/weread-setup-guide.md（微信讀書，主）· references/yuanbao-setup-guide.md（元寶，補）· references/mp-setup-guide.md（舊 MP 通道，已 DEPRECATED）

前提條件：微信讀書賬號（主通道，掃碼即可）+ 騰訊元寶賬號（補充通道）。

原理：2026-07-29 微信關閉 MP 跨號文章介面後，公開 API（騰訊雲 WSA、TokenHub 等）因版權不含公眾號內容。微信讀書網頁版「搜一搜」是唯一能返回 mp.weixin.qq.com 原文直鏈的免費通道；元寶產品端有微信內容生態授權，可反查缺失的本號原文。TokenHub 已驗證無公眾號內容，僅保留程式碼相容（見 references/mp-setup-guide.md 歷史記錄）。

三層通道分工： - L1 微信讀書（主）：fetch_weread_week.py 搜 4 號近 7 天文章 → mp_articles_weread.json - L2 元寶（補）：fetch_yuanbao_supplement.py 對 __biz 指紋不匹配（缺失本號原文）的條目反查 → merge_candidates.py 合併 → candidates_merged.jsonl - L3 TokenHub（⚠️ 已排除）：fetch_hunyuan_week.py 已驗證無公眾號內容（P3 驗收結論），僅保留程式碼相容，不建議使用

替代方案（無微信讀書賬號）：WebSearch 手動發現 → 整理 candidates.jsonl → 評分；或純依賴 legal-hot skill。

週報交付格式

標題: # 法律週報 2026年X月X日-X月X日 · 第N期

三板塊（按評分降序）：

## AI + 法律
【9.5】標題 | URL | 描述（含訊號級別）

## 純法律
【9.0】標題 | URL | 描述（含領域標籤）

## 其他領域速覽（雷達區）
【6.5】標題 | URL | 描述（執業圈外動態，低分≠消失）

頁尾：引擎版本 + 通道狀態（weread/yuanbao/tokenhub）+ IMA 匯入統計 + 排除清單。

交付門禁

完整門禁清單、四條鐵律、違規案例 → references/delivery-gate.md

python3 scripts/verify.py
# 期望: "23 通過 / 0 失敗" → exit code 0

外部依賴

安全與隱私

• IMA 知識庫：文章匯入的是你自己的知識庫，不在第三方伺服器上
• 通道登入態：~/.config/weread_state.json（微信讀書）與 ~/.config/yuanbao_state.json（元寶）僅儲存本地，絕對不要分享或提交到 Git（.gitignore 已排除）
• API 憑證：client_id / api_key 僅請求 IMA 官方 API（ima.qq.com），不傳送到其他伺服器

絕對不要分享

References 索引

打包結構

legal-weekly-briefing/
├── SKILL.md                         ← 本檔案
├── scripts/                         ← 評分引擎 + 流水線 + 渲染 + 驗證
├── assets/config/                   ← settings.yaml / sources.yaml / taxonomy.yaml
├── assets/data/                     ← 訓練樣本 + 迴歸用例
└── references/                      ← 詳細指南（10 個檔案）
想要更強大的技能外掛，就來小蔥技能站7w4.net看看吧。

Rationalizations

1. 分級架構：四級獨立執行，上層依賴下層，降低開源使用者門檻
2. k-NN 選型：7+1 維特徵向量可解釋（法律七維評分 + 雷達區視野提醒），訓練資料可替換，降級不崩
3. IMA 獨立管道：週報精選 ≠ IMA 全量，各自最佳化目標不同
4. 三層通道：微信讀書搜一搜（mp 直鏈，主）+ 元寶反查（本號原文，補）+ TokenHub（API 兜底）；2026-07-29 微信關閉 MP 跨號介面後確立
5. 門禁驅動：verify.py 23 項檢查保證交付一致性，評分迴歸測試 ≠ 交付質量保證

配置指南（零基礎版）

使用者說「配置法律週報」時觸發此段。按 Level 逐級引導，每級完成後再問是否升級。

Level 1 · 純評分（零配置，2 分鐘可用）

使用者只需說「幫我生成本週法律週報」→ Agent 自動 WebSearch → 評分排序 → 交付。 無需任何配置。唯一可選：告訴 Agent 你的執業方向（如「建築工程」），評分會自動加成 +0.3 分。

Level 2 · + IMA 知識庫（需 5 分鐘配置）

需要什麼：IMA 賬號（ima.qq.com 註冊，免費）+ 自建個人知識庫。 怎麼做：① 登入 IMA → 左側「知識庫」→「新建」→ 記住名稱 ② 開啟 IMA 開發者設定 → 複製 client_id 和 api_key ③ 在知識庫設定 → 複製 knowledge_base_id（一串數字）④ 把這些值告訴 Agent → Agent 寫入配置 → 完成。 效果：每週評分 ≥ 6.5 的文章自動入庫，以後可檢索。

Level 3 · + 自動發現（需微信讀書賬號，10 分鐘配置）

需要什麼：微信讀書賬號（App 或網頁版均可，免費，不需要會員）。 怎麼做：① 微信讀書 App 或 weread.qq.com 用微信登入即可 ② 跑 python3 scripts/weread_login.py → 瀏覽器彈出 → 掃碼 → 登入態自動儲存（約 10 天~數週有效）③ 跑 python3 scripts/fetch_weread_week.py --days 7 自動拉取 4 個號的文章。 效果：不再需要手動搜文章，Agent 自動從 4 個法院公眾號拉取（每週可定時自動跑）。 可選補充：再配置元寶（yuanbao_login.py）開啟 L2 反查，覆蓋微信讀書漏掉的「本號原文」。

常見問題

• 沒有微信讀書賬號：直接用 Level 1，Agent 用 WebSearch 搜尋文章，效果類似
• 微信讀書搜不到某號：該號可能未被微信讀書收錄（少見），由元寶反查或 WebSearch 兜底
• IMA 註冊不了：跳過 Level 2，週報功能完全不受影響
• 不想裝 Python 包：Agent 會幫你裝 pip3 install pyyaml，一行命令

這是一個完成度很高的法律資訊自動化工具，能從法院公眾號篩選文章、自動評分、生成周報併入庫。優點是功能鏈條完整、交付質量有保障（有23項檢查把關）、文件詳細。不足之處是配置較複雜、需要登入微信讀書和IMA等賬號，而且部分內容發現渠道已失效或不穩定。適合願意花時間配置、對法律實務資訊有持續需求的律師使用者。普通使用者直接上手有一定門檻。