agentleFS
NEU-ZHANEU-ZHA/legal-ai-skills/skills/pkulaw-mcp-governance-research-memo/SKILL.md

pkulaw-mcp-governance-research-memo

Skill65 starsChanged 4 months agoMITView on GitHub

公司治理研究备忘工作流,用于把股权、决议、董事责任、控制权、关联交易等问题整理成可复核的研究备忘。Use when:问题跨规则与裁判实践。默认先拆成法规与案例关键词检索,只有定向检索仍有关键缺口时才升级综合语义召回。NOT for:单条法条或单案查询;未核验法条不得写成确定依据。

The file

Files
SKILL.md

北大法宝 MCP:Governance Research Memo(公司治理研究备忘)

这个 Skill 是研究备忘层,适合处理股权、决议、控制权、董监高责任、关联交易等跨规则与实践的问题。

它的特点不是“直接回答”,而是先综合召回,再把法规线与案例线拆开写成研究备忘。

这个 Skill 真正要完成的动作

把公司治理问题压缩成:

  • 研究问题与范围
  • 主要规则线索
  • 主要案例线索
  • 初步倾向与反向风险
  • 待进一步研究的问题

主对象与辅助对象

主对象

  • 公司治理问题本身:股权转让、股东会/董事会决议、公司控制权、董监高责任、关联交易等
  • 当次综合召回到的法规、案例、法条、研究资料

辅助对象

  • 客户背景材料
  • 历史备忘
  • 内部讨论纪要

辅助对象只用于帮助限定研究范围,不替代当次检索依据。

缺信息先追问

以下信息缺失时,先补充:

  • 研究问题一句话定义
  • 公司类型或交易场景
  • 是否限定法域、地区、时间范围
  • 更关注规则依据、裁判实践还是综合研究
  • 最终用途:内部研讨、客户沟通、项目论证、进一步写正式意见

若问题本身很宽,先把研究问题缩成 1-2 个明确子问题。

推荐工作流

  1. 界定问题:把宽泛问题缩成可检索的研究问题。
  2. 经济型召回:先拆成法规与案例问题,分别用 law-keyword 和 case-keyword 检索。
  3. 必要时升级:问题无法可靠拆分或两条关键词路径仍有关键缺口时,再用一次 semantic-nlsql。
  4. 形成备忘:规则、案例、初步倾向、反向风险、待研究问题分开写。
  5. 核验引用:明确法条或司法解释时,用 citation-validator 核验。
  6. 链接增强:需要流转或沉淀时,用 doc-link 做增强。

输出纪律

  • 不把综合召回结果直接写成最终法律结论。
  • 不把有限样本概括成“公司治理的一般规则”或“司法一贯观点”。
  • 对研究范围、样本局限、资料混杂要单独提示。
  • 若问题仍过宽,要把“下一步研究问题”单列出来。

质量门槛

  • 每条主要结论都能回到当次检索依据。
  • 规则与案例线索分开写,避免混同。
  • 重要法条引用经过 citation-validator 或明确标注未核验。
  • 综合召回结果已进一步分流,不直接原样堆砌。

失败与降级

  • semantic-nlsql 未配置或不可用:拆成法规检索 + 案例检索多轮处理。
  • 样本过多且分散:先聚焦 1-2 个子问题,不要一次覆盖全部治理议题。
  • 类案不足:明确写“当前案例样本有限,不能据此概括稳定裁判倾向”。

配套文件

  • 研究备忘模板:template.md
  • 真实业务示例:examples.md

关联 Skill

  • 综合召回:pkulaw-mcp-semantic-nlsql
  • 法规检索:pkulaw-mcp-law-retrieval
  • 案例检索:pkulaw-mcp-case-retrieval
  • 引用核验:pkulaw-mcp-citation-validator
  • 法宝超链:pkulaw-mcp-doc-link

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.