Legal

Skill

/legal-judgment-prediction

根据案件事实描述，综合调用8个原子能力，预测罪名、适用法条、刑期及量刑情节，输出结构化预测报告及置信度评估。

BOOST

thuyran@thuyran

GitHub

From plugin

legal-skills-chinese

89038 skills

Install

$ npx -y skills add thuyran/legal-skills-chinese --skill legal-judgment-prediction --agent claude-code

How it fires

How this skill gets triggered: by you, by Claude, or both.

Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.
You can call itInvoke it directly when you want it.
Slash command/legal-judgment-prediction

Context preview

The summary Claude sees to decide when to auto-load this skill.

根据案件事实描述，综合调用8个原子能力，预测罪名、适用法条、刑期及量刑情节，输出结构化预测报告及置信度评估。

SKILL.md

legal-judgment-prediction.SKILL.md

name: legal-judgment-prediction
description: 根据案件事实描述，综合调用8个原子能力，预测罪名、适用法条、刑期及量刑情节，输出结构化预测报告及置信度评估。

法律判决预测_8skills

一、能力概述

本复合能力面向刑事案件，接收案件事实描述文本作为输入，通过协调调用8个原子能力，完成从事实解析到判决预测的完整推理链条，最终输出包含罪名预测、适用法条、量刑预测、量刑情节分析及置信度评估的结构化预测报告。

---

二、原子能力选用清单

2.1 选用的原子能力

| 编号 | 名称 | 选择理由 | |------|------|----------| | 4 | 法律核心要素提取 | 判决预测的第一步必须从案件事实文本中精准提取主体、行为、客体、时间、结果、情节等不可再分的核心要素，这是后续所有推理的数据基础 | | 5 | 法律概念理解 | 需要对提取出的行为要素匹配到具体罪名的法定构成要件，理解"犯罪未遂""入户盗窃""共同犯罪"等概念的内涵与外延，才能准确定性 | | 6 | 争议焦点和法律关系识别 | 案件中往往存在罪名竞合、既遂与未遂之争、主从犯认定等争议焦点，识别这些焦点直接影响量刑预测的路径选择 | | 8 | 法条检索 | 确定罪名后必须检索对应的刑法条文及司法解释，获取法定刑幅度、量刑档次、加重或减轻情节的法律依据 | | 9 | 案例检索 | 通过检索同类案件的判决结果，获取司法实践中的量刑规律和区间分布，为刑期预测提供经验数据支撑，同时校准置信度 | | 16 | 演绎推理 | 将法条规范（大前提）与案件事实（小前提）进行三段论推理，逐项论证构成要件是否满足，叠加量刑情节推导最终刑期区间 | | 49 | 法律文书格式适用 | 预测报告需要按照结构化格式输出，参照裁判文书中"本院认为"部分的论证结构，确保报告的专业性和可读性 | | 50 | 法律术语规范表达 | 预测报告中的罪名表述、量刑情节描述、法条引用等必须使用规范法律术语，避免歧义，确保报告可直接用于法律实务参考 |

2.2 排除的原子能力

**无排除项。** 本复合能力选用了全部8个可用原子能力。理由如下：

法律判决预测是一项高度综合的法律推理任务，从事实解析（AS-4）到概念匹配（AS-5）、争议识别（AS-6）、法条检索（AS-8）、案例参照（AS-9）、逻辑推理（AS-16），再到最终报告的格式规范（AS-49）和术语规范（AS-50），每一个环节都不可或缺。缺少任何一个能力都会导致预测结果的准确性或专业性下降。

---

三、完整执行流程

流程总览

输入：案件事实描述文本
  │
  ▼
[步骤1] AS-4 法律核心要素提取
  │
  ▼
[步骤2] AS-5 法律概念理解
  │
  ▼
[步骤3] AS-6 争议焦点和法律关系识别
  │
  ▼
[质量检查点 QC-1] ── 要素完整性与定性一致性验证
  │                         │
  │ 通过                    │ 不通过 → 回溯至步骤1或步骤2
  ▼
[步骤4] AS-8 法条检索
  │
  ▼
[步骤5] AS-9 案例检索
  │
  ▼
[质量检查点 QC-2] ── 法条适配性与案例相关性验证
  │                         │
  │ 通过                    │ 不通过 → 回溯至步骤3重新识别
  ▼
[步骤6] AS-16 演绎推理
  │
  ▼
[质量检查点 QC-3] ── 推理逻辑自洽性验证
  │                         │
  │ 通过                    │ 不通过 → 回溯至步骤4补充法条
  ▼
[步骤7] AS-49 法律文书格式适用
  │
  ▼
[步骤8] AS-50 法律术语规范表达
  │
  ▼
输出：结构化判决预测报告（含置信度）

---

步骤1：法律核心要素提取

**调用能力：** AS-4（法律核心要素提取）
**输入：** 原始案件事实描述文本
**执行内容：**
从文本中提取以下不可再分的核心要素：
**主体要素：** 被告人身份、共犯信息、被害人信息
**行为要素：** 具体犯罪行为、行为方式、使用工具
**客体要素：** 侵害对象、涉案财物及金额
**时间要素：** 案发时间、被抓获时间、时间跨度
**因果要素：** 行为与结果之间的因果链
**结果要素：** 犯罪是否既遂、实际损害程度
**情节要素：** 自首、坦白、退赃退赔、前科累犯等从重从轻情节
**输出：** 结构化要素清单（键值对形式）
**传递给下一步：** 完整的结构化要素清单

> **案例一示例：** 提取出主体（张3）、行为（伪造身份证、冒名骗财）、目的（偿还债务）、目标金额（10万元）、结果（被识破未得手）、时间（2017年4月28日）。 > > **案例二示例：** 提取出主体（安旭＋杨某共同犯罪）、行为（持工具撬门入户盗窃）、客体（金银首饰）、时间（2016年5月9日案发，2018年4月15日被抓）、从宽情节（退缴3000元）。

---

步骤2：法律概念理解

**调用能力：** AS-5（法律概念理解）
**输入：** 步骤1输出的结构化要素清单
**执行内容：**
根据行为要素初步匹配可能的罪名（一个或多个候选）
对每个候选罪名，展开其法定构成要件（主体、主观方面、客体、客观方面）
对涉及的特殊法律概念进行精准界定，包括但不限于：
犯罪形态概念（既遂、未遂、中止、预备）
共同犯罪概念（共犯、主犯、从犯、胁从犯）
特殊行为类型概念（入户盗窃、扒窃、携带凶器盗窃等）
量刑情节概念（自首、坦白、立功、退赃退赔、累犯等）
将案件要素与构成要件进行初步对照
**输出：** 候选罪名列表及其构成要件分解、涉及的特殊法律概念定义
**传递给下一步：** 候选罪名及构成要件对照表、特殊概念清单

> **案例一示例：** 理解诈骗罪构成要件——以非法占有为目的、虚构事实或隐瞒真相、骗取他人财物、数额较大；理解犯罪未遂——已着手实行犯罪，因意志以外原因未得逞。 > > **案例二示例：** 理解盗窃罪"入户盗窃"——无论金额大小均入罪；理解共同犯罪的认定标准；理解主犯与从犯的区分标准。

---

步骤3：争议焦点和法律关系识别

**调用能力：** AS-6（争议焦点和法律关系识别）
**输入：** 步骤1的结构化要素清单 + 步骤2的候选罪名及构成要件对照表
**执行内容：**
识别案件中可能存在的核心争议焦点，典型包括：
**罪名争议：** 是否存在罪名竞合或此罪与彼罪之争
**犯罪形态争议：** 既遂还是未遂
**共犯地位争议：** 主犯还是从犯
**数额/情节争议：** 涉案金额属于哪一量刑档次
**量刑情节争议：** 某一从宽/从严情节是否成立
明确当事人之间的法律关系性质（如共同犯罪关系、被害人与被告人关系）
对每个争议焦点标注其对最终判决的影响权重（高/中/低）
**输出：** 争议焦点清单（含影响权重）、法律关系图谱
**传递给下一步：** 争议焦点清单及其影响权重

> **案例一示例：** 识别争议焦点——是否构成诈骗罪既遂或未遂（高影响）；"数额巨大"认定——10万元适用第266条哪一量刑档次（高影响）。 > > **案例二示例：** 识别争议焦点——安旭在共同犯罪中的地位是主犯还是从犯（高影响）；退缴3000元对量刑的影响（中影响）。

---

🔍 质量检查点 QC-1：要素完整性与定性一致性验证

**验证逻辑：**

| 检查项 | 验证标准 | 不通过处理 | |--------|----------|------------| | 要素完整性 | 主体、行为、客体、结果四项核心要素均已提取，无明显遗漏 | 回溯至**步骤1**，重新审视原文补充遗漏要素 | | 定性一致性 | 候选罪名的构成要件与提取的要素之间不存在明显矛盾 | 回溯至**步骤2**，重新审视概念理解是否有误 | | 争议识别充分性 | 至少识别出一个争议焦点；若案件事实明确无争议，需显式标注"无实质争议" | 回溯至**步骤3**，检查是否遗漏潜在争议 | | 要素-争议关联性 | 每个争议焦点都能追溯到具体的事实要素 | 回溯至**步骤1**或**步骤3**，补充关联 |

---

步骤4：法条检索

**调用能力：** AS-8（法条检索）
**输入：** 步骤2的候选罪名 + 步骤3的争议焦点清单
**执行内容：**
检索与候选罪名直接对应的刑法条文（定罪条款）
检索与犯罪形态相关的总则条文（如未遂、中止、共犯等）
检索与量刑情节相关的条文（如自首、坦白、累犯、退赃退赔等）
检索相关司法解释（如数额标准、量刑指导意见等）
对每个争议焦点，标注其对应的法律依据
提取各量刑档次的法定刑幅度
**输出：** 适用法条清单（含条文全文或关键内容摘要）、各量刑档次的法定刑幅度
**传递给下一步：** 法条清单及法定刑幅度表

> **案例一示例：** 检索《刑法》第266条（诈骗罪及量刑幅度）、第23条（犯罪未遂）、第67条第三款（如实供述从轻）。 > > **案例二示例：** 检索《刑法》第264条（盗窃罪）、第25条（共同犯罪）、第67条第三款（如实供述）、第52条（罚金）、第53条（罚金缴纳）、第64条（违法所得追缴）。

---

步骤5：案例检索

**调用能力：** AS-9（案例检索）
**输入：** 步骤2的候选罪名 + 步骤3的争议焦点 + 步骤4的适用法条
**执行内容：**
以罪名、犯罪形态、涉案金额、量刑情节为检索关键词，查找同类案件
重点关注以下维度的案例匹配：
**罪名相同**的案件
**犯罪形态相同**（如同为未遂）的案件
**涉案金额/情节相近**的案件
**同一地区**（如有地域信息）的案件（考虑地区量刑差异）
从检索到的案例中提取量刑结果分布（刑期区间、罚金区间）
对争议焦点，查找相关判例中法院的裁判倾向
统计量刑结果的集中趋势，形成量刑参考区间
**输出：** 类案检索结果摘要、量刑参考区间、争议焦点的裁判倾向
**传递给下一步：** 量刑参考区间、裁判倾向数据

> **案例一示例：** 查找同类诈骗未遂案件的量刑规律，辅助判断七个月量刑区间的合理性。 > > **案例二示例：** 从同类入户盗窃案件归纳上海地区司法实践量刑规律；查找从犯认定标准的相关判例。

---

🔍 质量检查点 QC-2：法条适配性与案例相关性验证

| 检查项 | 验证标准 | 不通过处理 | |--------|----------|------------| | 法条覆盖性 | 定罪条款、犯罪形态条款、量刑情节条款均已检索到位 | 回溯至**步骤4**，补充遗漏法条 | | 法条适配性 | 检索到的法条与候选罪名及争议焦点逻辑匹配，无张冠李戴 | 回溯至**步骤3**，重新审视罪名定性 | | 案例相关性 | 检索到的案例与当前案件在罪名、情节、金额等维度上具有可比性 | 回溯至**步骤5**，调整检索关键词重新检索 | | 量刑区间合理性 | 案例检索得出的量刑区间落在法定刑幅度之内 | 检查法条检索是否遗漏了加重/减轻情节的规定 |

---