## 典型工作流与用户引导

AI 在完成检索后，应**主动告知用户检索结果摘要和积分消耗**，并根据场景推荐后续操作。

### 法条研究场景

用户问："关于股东出资瑕疵的法律规定有哪些？"

1. 先调 search 语义检索（10 积分），覆盖全部相关法条
2. 展示摘要 + 关键条文引用 + 总积分
3. 主动建议扩展方向（如"公司法""破产法"）

### 案例研究场景

用户问："最近几年类似案件怎么判的？"

1. 调 case-semantic 语义检索（10 积分），覆盖近 5 年案例
2. 展示相关度排序的案例摘要
3. **不主动调 case-detail**，由用户选择感兴趣的案例后调详情
4. 主动告知"如需查看完整判决书请告知，每个案例 10 积分"

### 案件综合分析场景

用户问："这个案件我们能不能主张 XX？"

1. 多轮检索：先 search 法条、再 case-semantic 案例、可能补 regulation 法规
2. 汇总法条 + 案例 + 法规 + AI 分析判断
3. 给出可执行的法律意见
4. **总积分可能 30-50**，在最终回复开头明示

**案例检索执行约束**：

- 第一轮案例检索优先用 `case-semantic` 承接案情事实结构，不要把长事实描述直接丢给 `case` 关键词 AND 检索。
- 只有在需要锁定若干高信息密度词时才补 `case`；关键词控制在 4-6 个，优先选择平台/行业行为词、交易链条词和责任焦点词。
- `case` 默认是 AND 精确匹配；如果使用 `--expand` 扩展同义词、上位词或并列场景，未显式指定时脚本会自动切到 OR。
- 一轮关键词检索零命中时，不要据此判断"没有类案"；应立即改用 `case-semantic` 或缩短关键词后 OR 复检。

### 争议焦点识别优先场景（v1.6.1+ 强制前置步骤）

**问题**：很多 AI 跳过"识别用户原话里的争议焦点"这一步，直接根据用户问题的"法律概念包装"展开检索（"短视频带货""电商平台""间接侵权"），结果命中大量"被告自己动手"的案型，与用户实际争议焦点偏差很大。

**强制前置：争议焦点识别表**

收到"这个案件我们能不能主张 XX"或类似案件综合分析请求时，**第一轮检索前**先在对话/笔记中明确以下 5 个字段，再据此生成检索词：

| 字段 | 用户问题中提取 | 检索词应反映 |
|------|--------------|-------------|
| **行为主体** | 谁实施了侵权？（如"达人"/"商家"/"平台"） | 用具体主体词，不要用泛化的"被告" |
| **角色定位** | 用户/原告的主张对象处于什么位置？（如"被挂车商家"vs"自营商家"） | 区分"被关联"和"主动实施"两种身份 |
| **行为模式** | 侵权内容如何产生、传播、变现？（如"达人发布→挂车→商家团购"） | 用**行业术语**（挂车、探店、团购）而非法律术语 |
| **抗辩点** | 被告可能怎么抗辩？（如"视频非我发、我无法控制达人"） | 围绕抗辩点搜"法院如何回应" |
| **用户已明确的论点** | 用户主张的几个核心点是什么？ | **直接用用户原话作为检索词**（见下方"红线"） |

**红线（重要）**：

> **用户的争议焦点 ≠ 用户问题的法律概念包装**
> **用户的争议焦点 = 用户原话里已经明确给出的几个核心论点**

例：
- 用户原话："视频是达人发的，不是被告发的，但挂在被告商品链接上。被告商品页能看到达人视频 → 被告有筛选过程。被告因此获利 → 反不正当竞争法兜底。"
- 用户已明确的论点 = [1] 视频非被告发布但挂被告商品链接；[2] 被告对视频有筛选过程；[3] 被告因此获利；[4] 反不正当竞争法兜底
- v1 错搜：用"短视频带货 电商平台 间接侵权"（用户问题的法律概念包装）→ 偏差
- v1 正搜：用"视频不是商家发布 商家对达人视频有筛选过程 商家因视频获利 反不正当竞争法兜底"（用户原话级别）→ 命中对位案

**反例（曾发生过的偏差）**：

> 用户问："达人发的短视频侵权了，挂到商家商品链接上，商家要负责吗？"
>
> v1 错误：直接搜"短视频带货 电商平台 间接侵权" → 命中"商家自己搬运/制作"案例 → 全部跑偏
>
> v1 正确（如果当时识别到位）：用户已经明确 4 个信息——
> ① 视频由达人发布（非被告）② 视频→挂车→被告商品 ③ 被告对视频有筛选过程 ④ 被告因此获利+反不正当竞争法兜底
> 直接把这 4 个用户原话作为检索词，**第一轮**就能命中对位案。
>
> 不需要等"检索后再提炼二分法"——用户原话已经够具体了。

**关键提示**：
- **行业术语 > 法律术语**：用户说"挂车"就用"挂车"，不要说"信息网络传播"
- **用户原话级别 > 法律概念包装**：用户原话里给的论点直接作为检索词
- **抗辩点对称搜索**：被告可能怎么抗辩 → 搜"法院如何否定该抗辩" 的判例
- **二分法是结果不是起点**：如果检索后才识别出二分法（如"营销合作 vs 精选联盟"），说明第一轮关键词就有问题——应该在第一轮就用更精确的词
- **长事实结构走语义，短关键词走精确**：自然语言事实结构用 `case-semantic`；`case` 只放少量关键字，避免 6 个以上词的 AND 零命中。

### 标杆案例对标检索场景（v1.6.1+ 强制流程）

**问题**：用户第一轮就提供了标杆案例（如星云VR案、微信文章），但 v1 没把它作为"对标模板"去搜同类，导致错失场景最对位的案例。

**强制流程**：

1. **提取标杆案例的"事实结构骨架"**（5-7 个关键事实）
   - 例：星云VR案 = {店主联系达人 + 多个探店账号发布 + 视频含侵权片段 + 视频挂团购链接 + 商家根据链接成交向达人结算佣金 + 商家未审核 + 法院判决商家赔偿}

2. **把"事实结构骨架"作为查询模板**生成检索词
   - 关键词版：`探店达人 + 团购链接 + 商家 + 营销合作 + 审查义务`
   - 语义版（更优）：用一段自然语言描述这个事实结构

3. **首选 case-semantic**（关键词检索对"达人""挂车"识别差）
   - 关键词检索易命中"被告自己动手"的偏差案例
   - 语义检索对场景描述识别更好
   - 如果补关键词检索，先用 4-6 个高密度词，例如 `短视频 推广 团购 商家 责任 著作权`
   - 避免第一轮使用 `探店达人 团购链接 商家 著作权 责任`、`推广视频 挂车 商家 责任 审查 注意义务` 等长 AND 组合；这类组合容易因字面差异零命中

4. **每轮命中后回检"对标度"**：命中案例的"事实结构"是否覆盖标杆案例的 5-7 个关键事实
   - 覆盖 ≥ 5/7 → 高度对位，纳入"主要类案"
   - 覆盖 3-4/7 → 一般类案，辅助参考
   - 覆盖 ≤ 2/7 → 偏差案例，谨慎援引（可能论证方向不同）

**反例（曾发生过的偏差）**：

> 用户第一轮给了星云VR案（江苏高院公众号文章），明确场景是"达人探店+挂团购+商家担责"
>
> v1：忽略标杆案例，直接搜"短视频带货 电商平台 间接侵权" → 命中偏差案例
>
> v2 正确：把星云VR案的事实结构作为查询模板 → 命中 (2023)京0491民初5073 号等高度对位案

### 法规全景场景

用户问："数据安全相关的所有规定"

1. regulation 关键词检索（10 积分）+ 必要的 regulation-detail
2. 展示法规清单 + 效力级别 + 关联法条
3. 主动建议进一步细化方向

### 企业风险排查场景

用户问："这家公司有没有什么风险？"

1. enterprise-summary 快速总览（10 积分），识别风险分布
2. 针对高风险项用 enterprise-list 深挖（如涉诉文书、失信被执行人、行政处罚）
3. 汇总风险画像

### AI 向用户反馈的原则

1. **每次检索后主动说明积分消耗**："本次检索消耗 10 积分"
2. **多步检索时告知累计消耗**："本次检索消耗 10 积分（本次对话累计 30 积分）"
3. **完整判决书的触发取决于策略**：balanced/economical 由用户主动触发；aggressive 由 AI 自动获取最相关的 2-3 个
4. **案例语义检索的摘要通常已够用**：只有用户明确要求查看完整判决书时才深入（aggressive 除外）
5. **法条语义检索已含全文**：不需要额外补充
6. **用自然语言与用户沟通**：不要向用户暴露命令行语法，AI 后台执行脚本即可
7. **补充检索取决于策略**：balanced/economical 一次只用一种检索模式；aggressive 对重要问题自动同时运行语义+关键词检索，合并去重
8. **检索报告 .md 自动落盘**：每次实际检索（cache miss 时）会同时落盘两份结构化 Markdown 报告：
   - `archive/<ts>_<query>.md`：与 archive JSON 配对，技能内部归档，便于复盘
   - `<CWD>/<ts>_<query>.md`：用户当前工作目录（AI 进程 CWD）副本，**仅供 AI 后台处理用，不应被复制到目标目录**
   - 报告内容包含元信息（时间/接口/关键词/积分/原始数据路径/工作目录副本）+ 检索结果 + 引用来源
   - footer 会输出报告路径，AI 应在对话中告知用户
   - 默认双副本写入；可用 `--no-report` 完全跳过、`--no-cwd-report` 仅跳过工作目录副本
   - **重要**：per-call 工作副本不是最终交付物，**禁止 AI 把它们复制到用户的案件文件夹等目标目录**（详见 `03-report-consolidation.md`）