Greater-China-Legal

In the author's own words, from each skill's SKILL.md — showing the first 30 of 580 files.

• administrative-value-judgment

  行政价值判断——辅助行政机关进行价值判断、利益衡量，形成倾向性裁量结论。 适用情形：行政机关处理价值冲突和裁量选择时（内部分析，不替代正式行政决定）。 核心：七步审查（案情预处理→合法性→合理性→比例原则→平等原则→程序正当→信赖保护）。 禁用：不得用公共利益/政策目标/行政效率正当化违法行政。

  plugins/legal-atomic/administrative-value-judgment/SKILL.md on GitHub (opens in a new tab)

• analogical-reasoning

  类比推理——当法律对当前问题没有直接规定时，通过相似案件/规范的类推适用填补法律漏洞。 适用情形：新型案件缺乏直接规定、需要"参照"/"比照"已有规范、论证同案同判。 核心原则：相似案件相似处理（Like cases should be treated alike）。 禁用领域：刑法定罪量刑、税法课税要件、行政处罚裁量（严格限制类推）。 与deductive-reasoning互补：演绎推理是大前提明确时的推理，类比推理是大前提缺失时的推理。

  plugins/legal-atomic/analogical-reasoning/SKILL.md on GitHub (opens in a new tab)

• argument-strength-evaluation

  论证强度评估——对法律推理结论进行置信度评估，识别并标注薄弱环节。 适用情形：完成法律分析后给出可靠性评级、用户要求评估论证说服力、存在多个竞争性解释需要比较强度。 核心：六维度评估（法律依据/事实基础/逻辑严密性/反驳抗辩力/司法实践/价值判断）+ 加权评分 + 薄弱环节标注。 注意：这是元认知skill，用于对其他skill输出的质量进行自我检验，不是生成论证的skill。

  plugins/legal-atomic/argument-strength-evaluation/SKILL.md on GitHub (opens in a new tab)

• cn-judicial-rules

  中文司法裁判规则库——2117 条结构化裁判规则， 覆盖 414 个案由、6 种性质（裁判规则/实务口径/法条解释/学说争议/程序性规则/实体性规则）。 每条规则包含完整推理链（争议焦点+裁判规则+类案提示+判断标准+审理方法论+律师实操要点+法条依据）。 GCL 推理原子能力（deductive-reasoning/argument-strength-evaluation/case-retrieval）的 ground truth 数据集。

  plugins/legal-atomic/cn-judicial-rules/SKILL.md on GitHub (opens in a new tab)

• conflict-resolution

  冲突解决和优先级判定——处理法条竞合、证据矛盾、争点排序。 适用情形：多条文均可适用、有证据矛盾、有多个争议焦点需排序时触发。 核心价值：这是法律推理的"枢纽能力"，几乎所有复杂分析都会涉及。 使用场景：litigation-support（争点排序）/ contract-review（法条竞合）/ data-compliance（证据矛盾）。

  plugins/legal-atomic/conflict-resolution/SKILL.md on GitHub (opens in a new tab)

• counterfactual-reasoning

  反事实推理——评估"如果某一事实不存在/发生改变，法律结果将如何不同"。 适用情形：因果关系认定（若无该行为，损害是否仍会发生）、过错与责任比例划分、损害赔偿范围确定、合同违约损失计算。 核心方法：构建一个与现实世界仅在目标变量上不同的"反事实世界"，比较两个世界的结果差异。 经典方法：But-for检验（若无A则无B）、NESS检验（不可或缺条件）。

  plugins/legal-atomic/counterfactual-reasoning/SKILL.md on GitHub (opens in a new tab)

• deductive-reasoning

  法律演绎推理——将法律规范和案件事实转化为严格的三段论（P-F-C）推理链条。 适用情形：分析案件逻辑、验证法律推理、提取三段论、梳理事实与法条关系、判断论证有效性。 核心价值：P-F-C结构（Provision-Provision/法律规则、Fact/法律事实、Conclusion/结论）， 将隐含推理显式化，发现逻辑断裂和谬误。 适用场景：litigation-support（诉讼策略）、labor-arbitration（解除合法性判断）、 contract-review（违约责任分析）、company-governance（董事责任判断）。

  plugins/legal-atomic/deductive-reasoning/SKILL.md on GitHub (opens in a new tab)

• evidence-argument-chain

  证据论证链——将多项证据与法律论证主张进行系统性对应挂钩，构建完整的"主张→要件→证据→证明力"映射关系。 适用情形：准备起诉状/答辩状/代理词时构建证据-主张对应、庭审前整理证据目录并明确证明目的、评估现有证据是否足以支撑全部主张。 核心：建立"主张→要件→证据→证明力"的完整映射，确保每个法律主张都有充分证据支撑。 与evidence-evaluation的区别：后者评估单个证据的"三性"，前者组织多项证据与主张的对应关系。

  plugins/legal-atomic/evidence-argument-chain/SKILL.md on GitHub (opens in a new tab)

• formal-legal-consequence

  形式化推导法律后果——根据已确认的事实+法律规范，推导具体法律后果（责任类型/赔偿金额/刑期/处罚幅度）。 适用情形：用户询问"能获得多少赔偿"/"对方承担什么责任"/"会判几年"/"罚款多少"。 核心：四层推导模型（基础后果→调整因素→竞合聚合→量化计算），大前提+小前提→结论。 注意：本skill是法律推理终端环节，输出仅供参考，实际结果由司法机关确定。

  plugins/legal-atomic/formal-legal-consequence/SKILL.md on GitHub (opens in a new tab)

• inductive-reasoning

  归纳推理——从具体案例中提炼一般性法律规则、裁判规则或法律原则。 适用情形：从系列案例归纳裁判要旨、从个案提炼可推广的法律命题、从多个事实模式识别共同规则。 推理方向：从特殊到一般（自下而上）。 与deductive-reasoning互补：演绎是从一般到特殊，归纳是从特殊到一般。 注意：归纳结论仅具参考价值，不具有法律约束力（指导性案例除外）。

  plugins/legal-atomic/inductive-reasoning/SKILL.md on GitHub (opens in a new tab)

• judicial-value-judgment

  司法价值判断——辅助法官在权利冲突/法律不确定/比例原则场景中进行结构化价值衡量。 适用情形：识别法律价值冲突/确定裁量边界/展开价值衡量/形成裁判说理框架。 核心：六步框架（识别是否需要→锁定裁量问题→识别价值冲突→定位法律价值→确认规范基础→适用价值位阶）。 注意：本skill不替代法官最终裁判，而是将价值判断转化为有事实/规范/论证结构的推理过程。

  plugins/legal-atomic/judicial-value-judgment/SKILL.md on GitHub (opens in a new tab)

• legal-abductive-reasoning

  溯因推理——在证据不完整、事实模糊时生成并评估最合理的解释性假设。 适用情形：提出可能的法律解释、生成辩护/起诉假设、评估证据的多种解读、基于不完整事实推断最佳解释。 核心工具：米尔五法（求同/求异/求同求异/剩余/共变）。 关键特征：可废止性（假设可被新证据推翻）、创造性、解释性。 与deductive-reasoning互补：演绎是大前提明确时的推理，溯因是大前提缺失时填补解释缺口。

  plugins/legal-atomic/legal-abductive-reasoning/SKILL.md on GitHub (opens in a new tab)

• legal-article-retrieval

  法律条文检索——检索有效法律规范，生成标准化检索报告。 适用情形：确定诉讼请求法律基础/审查对方适用法律/复核裁决依据/分析司法实践倾向。 核心：五阶段流程（准备→思维→执行→复核→成果），法源位阶体系（宪法→司法解释→部门规章），请求权思维。 注意：必须在检索前确认争议类型/主体信息/核心事实/争议焦点/地域信息，禁止基于假设推断。

  plugins/legal-atomic/legal-article-retrieval/SKILL.md on GitHub (opens in a new tab)

• legal-concept-comprehension

  法律概念理解——解释、辨析、拆解法律概念的内涵、外延、构成要件及法律效果。 适用情形：用户询问"什么是XX"/比较两个概念异同/判断事实是否构成某概念/拆解构成要件。 核心：三层语义（生活语义→法律语义→教义学语义）+ 张力结构（中心含义vs边缘地带）+ 构成要件理论。 注意：高度争议性概念（公序良俗/诚实信用/重大误解）需结合案件事实和学说综合判断。

  plugins/legal-atomic/legal-concept-comprehension/SKILL.md on GitHub (opens in a new tab)

• legal-element-extraction

  法律要素提取——从非结构化叙述中提取法律事实。 适用情形：用户提供了案件描述/聊天记录/当事人陈述等非结构化内容，需要先提取法律事实再进入后续分析。 核心价值：将"他一直拖着不还"这类生活语言，转化为"债务履行期限届满后未履行"的法律语言。 是所有场景的输入预处理skill——任何场景skill收到非结构化输入时，应先调用此skill。

  plugins/legal-atomic/legal-element-extraction/SKILL.md on GitHub (opens in a new tab)

• legal-interpretation-argument

  法律解释论证——对关键法条进行多维度解释论证，得出合理、可辩护的法律含义。 适用情形：法条文本含义模糊、多法条表面冲突、新型案件无法直接对应既有法条、当事人对法条理解有分歧。 核心方法：文义解释→体系解释→目的解释→历史解释→社会学解释，逐层论证。 与systematic-interpretation/teleological-interpretation互补：那是独立方法，这是综合多方法的论证框架。

  plugins/legal-atomic/legal-interpretation-argument/SKILL.md on GitHub (opens in a new tab)

• legal-judgment-prediction

  法律判决预测——综合调用8个原子能力，预测刑事案件罪名/适用法条/刑期/量刑情节，输出结构化预测报告及置信度评估。 适用情形：用户询问"这个案件会怎么判"/"能判多少年"/"构成什么罪"。 核心：8步流程（S1要素提取→S2概念理解→S3争议焦点→S4法条检索→S5案例检索→S6演绎推理→S7格式适用→S8术语规范），三阶段质控。 注意：本skill输出为参考性预测，不构成法律意见，实际判决由司法机关确定。

  plugins/legal-atomic/legal-judgment-prediction/SKILL.md on GitHub (opens in a new tab)

• legal-norm-validity-check

  法律规范效力核查——在引用法条前验证其是否现行有效、层级是否正确、是否与上位法冲突。 触发条件：Agent引用任何法条作为推理依据前，或用户提供的法条适用性存疑时，或多个法条可能冲突时。 适用场景：劳动仲裁（劳动合同法/劳动争议调解仲裁法）、合同审查（民法典）、数据合规（PIPL/CAC法规）、 公司治理（公司法2023修订）、税务（增值税暂行条例/所得税法）、跨境并购（FDI/ODI规则）。 核心价值：防止引用失效法条（如《合同法》已废止、《民法典》2021年施行后需更新引用）。 本skill是所有场景的"法条质检门"——任何引用法条的skill都应先通过本门。

  plugins/legal-atomic/legal-norm-validity-check/SKILL.md on GitHub (opens in a new tab)

• legal-risk-assessment

  监管风险评估——从许可资质、监管法规遵循、历史处罚记录三个维度评估企业监管处罚风险。 适用情形：企业合规审查/历史处罚排查/经营资质核查/监管合规评估。 核心：三维度评估框架（资质+法规遵循+信用风险），输出合规缺口清单及整改建议。 数据来源：国家企业信用信息公示系统。

  plugins/legal-atomic/legal-risk-assessment/SKILL.md on GitHub (opens in a new tab)

• legal-terminology

  法律术语规范表达——确保法律文本中的术语措辞准确、无歧义、符合法律文体。 适用情形：起草或修改法律文书/审查术语规范性/日常用语转化为法律表达/中外术语对照/术语规范化处理。 核心：三维度（准确性+统一性+文体性）+ 五原则（法定优先/同一律/精确性/语境适配/时效性）。 注意：这是所有法律文本生产的基础原子能力，高风险（术语错误可能导致法律效力瑕疵）。

  plugins/legal-atomic/legal-terminology/SKILL.md on GitHub (opens in a new tab)

• normative-meaning-argumentation

  规范意义论证——在具体案件中建立"规范目的—事实特征—评价结论"的论证链条。 适用情形：不仅要说明法条"什么意思"，还要论证法条"为何能评价特定事实、评价到何种程度"。 核心：事实是否具有规范相关性、涵摄的边界在哪里、规范目的如何在个案中发挥评价作用。 区别：不是抽象解释法条目的，而是在具体事实中论证规范的评价限度。

  plugins/legal-atomic/normative-meaning-argumentation/SKILL.md on GitHub (opens in a new tab)

• other-legal-retrieval

  其他法律检索——检索立法背景资料/监管案例/地方指导意见/学术通说/域外法律等辅助性法律信息。 适用情形：探究"为什么这样规定"/"立法目的"/"监管口径"/"地方特殊规定"/"行业惯例"/比较法研究。 核心：十大类别（非正式法源/准规范性文件/官方解释性资料），明确标注效力层级。 注意：不具有直接裁判效力，仅供参考，引用时必须标注性质。

  plugins/legal-atomic/other-legal-retrieval/SKILL.md on GitHub (opens in a new tab)

• structured-element-extraction

  结构化要素清单——将法律问题/案件事实分解为完整、互斥、可验证的要素清单。 适用情形：接收到案件事实描述需要提取全部法律要素后分析、需要判断法律关系是否成立、需要对比多个法律事实的异同。 核心原则：完整性优先（MECE原则）、三重完整性校验、每个要素标注状态（✅已满足/❌未满足/⚠️待查/➖不适用/🔶存在争议）。 质量关卡：这是法律分析链条的"质量闸门"，要素提取通过三重校验后方可进入下一阶段推理。

  plugins/legal-atomic/structured-element-extraction/SKILL.md on GitHub (opens in a new tab)

• systematic-interpretation

  体系解释——当文义解释产生歧义或模糊时，根据法律规范在体系中的位置确定其含义。 适用情形：文义解释产生两种以上可能含义、文义边界模糊、多法条同时适用无法确定。 核心原则：法律是体系，任何规范的解释都不能破坏体系融贯性。 调用时机：legal-norm-validity-check发现文义模糊时、conflict-resolution需要确定法条选择时。

  plugins/legal-atomic/systematic-interpretation/SKILL.md on GitHub (opens in a new tab)

• teleological-interpretation

  目的解释——当文义解释无法确定法律条文含义时，通过发现并论证条文目的来选择最正当含义。 适用情形：文义解释结论明显不合理、条文含开放性评价概念（合理/正当/必要/重大）、新型事实文义覆盖不足。 核心：还原立法者原始意图 + 构建条文当下合理目的 + 目的导向的解释结论。 与systematic-interpretation互补：体系解释关注规范间关系，目的解释关注规范背后的目的。

  plugins/legal-atomic/teleological-interpretation/SKILL.md on GitHub (opens in a new tab)

• judgment-document-generation

  刑事判决书生成——接收案件事实描述，调用8个原子能力，生成格式规范、论证严密的完整刑事判决书。 适用情形：用户要求"起草判决书"/"生成裁判文书"/"根据案卷写文书"。 核心流程：事实提取→概念理解→争议识别→法条检索→案例检索→演绎推理→格式适用→术语规范。 注意：本skill是刑事一审判决书专用模板，GCL不涉及实际司法文书输出，此skill仅作框架参考。

  plugins/legal-documents/judgment-document-generation/SKILL.md on GitHub (opens in a new tab)

• legal-document-formatting

  法律文书格式适用——起草格式规范的民事/刑事判决书，或识别文书类型并套用对应格式。 适用情形：起草判决书/生成裁判文书/写民事判决书/写刑事判决书。 核心：识别民事vs刑事→按七段式顺序起草→在需要处调用对应原子技能。 这是GCL各场景的文书输出层，与judgment-document-generation互补（后者专注刑事+8步流程，前者覆盖民刑+分段落格式规范）。

  plugins/legal-documents/legal-document-formatting/SKILL.md on GitHub (opens in a new tab)

• legal-document-summarization

  法律文书摘要——对判决书、裁定书、调解书、仲裁裁决书、行政处罚决定书进行结构化摘要。 适用情形：用户要求做摘要/提炼要点/生成裁判要旨/提取案件信息。 核心：六要素框架（案件信息+事实背景+争议焦点+法律依据+结论结果+说理过程），忠实原文，区分文书类型。 禁用：不得添加原文未载明的事实/观点/结论，不得出现主观评价性措辞。

  plugins/legal-documents/legal-document-summarization/SKILL.md on GitHub (opens in a new tab)

• legal-domain-taxonomy

  中国法律域分类体系。将法律问题归类到正确的业务域（投资/金融/数据/劳动/合同/知识产权等），触发正确的scene skill。触发词：法律领域、法律分类、归类、属于什么法域。

  plugins/legal-documents/legal-domain-taxonomy/SKILL.md on GitHub (opens in a new tab)

• multi-document-summarization

  多源文档归纳——对多份相关文档（判决书/合同/法规/学术论文）进行交叉分析，提取共性、识别冲突、生成综合结论。 适用情形：用户提供多份判决书要求总结类案裁判要旨/提供多个合同文本要求归纳异同/提供多份法规要求梳理规范演变。 核心：四层次分析（单篇理解→共性提取→差异对比→洞见生成），不是简单压缩单篇文档。 注意：跨文档对比时保持中立，冲突点仅标识不做真伪判断。

  plugins/legal-documents/multi-document-summarization/SKILL.md on GitHub (opens in a new tab)

No skill matches that filter.

Similar skills

• SkillSpectorby NVIDIA Security scanner for AI agent skills. Detect vulnerabilities, malicious patterns, security risks, prompt injection, data exfiltration, and… 20.3k stars · 27 skills
• skillsby NVIDIA Agent Skills for NVIDIA products — install into Claude Code, Codex, and other coding agents to run Physical AI, robotics, simulation, CUDA,… 3.6k stars · 30 skills
• ECCby affaan-m The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Cod… 280k stars · 30 skills
• reaby morluto Reverse engineer anything with agents, from app behavior down to native binaries. 270k stars · 1 skill
• ponytailby DietrichGebert Makes your AI agent think like the laziest senior dev in the room. The best code is the code you never wrote. 164k stars · 6 skills
• ui-ux-pro-max-skillby nextlevelbuilder An AI skill that provides design intelligence for building professional UI/UX across multiple platforms. 136k stars · 7 skills