agentleFS
NEU-ZHANEU-ZHA/legal-ai-skills/skills/pkulaw-mcp-labor-employment-answer/SKILL.md

pkulaw-mcp-labor-employment-answer

Skill65 starsChanged 4 months agoMITView on GitHub

劳动用工回复草稿工作流,用于把劳动法律与用工管理问题整理成可复核、可追溯、可转发的简短答复文本。Use when:律师、法务、HRBP 或合规同学需要回复业务、管理层或客户的劳动用工问题,并希望输出“结论 + 依据 + 风险提示 + 待复核点”。NOT for:完整劳动专项尽调、仲裁诉讼全案策略设计、以及其他更适合通用法律答复或非劳动领域处理的问题。要求先补事实前提,再检索后结论;未核验的具体法条不得写成确定依据。

The file

Files
SKILL.md

北大法宝 MCP:Labor Employment Answer(劳动用工回复草稿)

这个 Skill 是劳动用工垂直交付层。 如果问题明显是招聘、试用期、调岗、绩效、解除、竞业限制、工时休假、社保等劳动用工问题,优先使用本 Skill,而不是回到通用 pkulaw-mcp-grounded-answer。

这个 Skill 真正要完成的动作

把劳动用工问题压缩成一份可直接发给业务、管理层、HR 或客户初看的答复草稿,通常包括:

  • 当前适用前提
  • 简短结论
  • 主要依据
  • 风险提示
  • 待复核点

主对象与辅助对象

主对象

  • 用户提出的劳动用工问题
  • 当前已知事实前提
  • 当次检索到的法规、司法解释、典型类案

辅助对象

  • 业务同事拟好的回复草稿
  • 客户过往沟通口径
  • 内部制度摘要

辅助对象只用于理解场景,不当然等于外部法律依据。

缺信息先追问

以下信息缺失时,先补 1-2 个最关键问题:

  • 用工地区
  • 问题类型:招聘、试用期、调岗、绩效、解除、竞业限制、加班、社保等
  • 关键事实前提:是否有书面制度、是否已通知、是否有证据留痕
  • 交付对象:内部业务、管理层、客户、HR
  • 是否需要类案支撑

如用户暂时无法补齐,只能按“有限事实前提下的初步答复草稿”输出。

推荐工作流

  1. 界定问题:确认这是劳动用工答复草稿,而不是诉讼策略分析。
  2. 补足前提:先问地区、事实、制度基础、交付对象。
  3. 规则检索:优先检索劳动合同法、工时休假、社保、竞业限制等规则依据。
  4. 类案补充:需要裁判倾向或风险对比时,再补案例检索。
  5. 草稿成形:先写“结论 + 前提 + 依据 + 风险提示”。
  6. 引用核验:出现具体法条或司法解释时,用 citation-validator 核验。
  7. 链接增强:需要转发时,再用 doc-link 做增强。

输出纪律

  • 不写“公司一定可以解除”“员工一定胜诉”等绝对化措辞。
  • 事实前提不足时,把“仍需补充的信息”单列出来。
  • 若地区差异、裁判分歧明显,要单独提醒。
  • 面向业务或 HR 时,优先输出“简要结论 + 主要依据 + 风险提示 + 待复核点”。

质量门槛

  • 每个关键结论至少对应一条当次检索依据。
  • 重要引用经过 citation-validator,或明确写明未核验。
  • 事实不足处已单列,不与结论混写。
  • 需要转发时,优先提供 doc-link 增强版本。

失败与降级

  • 检索为空:明确写“未检索到足够依据”,并提示换关键词、补地区或补事实。
  • citation-validator 不可用:只能标注“引用未核验”,不得写“已确认”。
  • 类案不足:只能写“当前样本有限,不能据此概括稳定裁判倾向”。
  • 若问题明显已超出劳动用工回复范围,应提示转入更深层专项分析,而不是硬写。

配套文件

  • 输出模板:template.md
  • 真实业务示例:examples.md

关联 Skill

  • 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.