Legal Red Team

• 您已使用LLM起草了法律备忘录、合同摘要、合规指南或法规概述，并需要在分享之前进行核实。
• 您希望在分发之前，识别出貌似合理但错误的条款编号、虚构的截止日期，或自信但无来源的声明。
• 您需要一个结构化的通过/否决质量关卡（最低评分4/5，零个严重问题）用于AI生成的法律内容。
• 您正在进行引用审计，以确认每个法定引用确实存在，并与所引用的条款相符。

• 您需要验证法律结论、诉讼策略或专业法律解释——本技能检查的是事实与引用的准确性，而非法律推理。
• 您需要访问付费法律数据库（Westlaw、LexisNexis）——来源核实依赖于可免费获取的官方资源。
• 您正在寻找针对高风险事务的合格法律顾问的替代品；本技能是辅助工具，而非替代品。

每份文件均从六个结构化类别进行评估：事实准确性、法律权威引用、算术验证、来源核实、推测性内容检测以及免责声明充分性。每个类别均设有明确的风险预警指标和检查要点，确保不遗漏任何常见失误模式。

该技能针对法律内容中五种反复出现的AI幻觉模式：貌似合理但实际错误的条文编号、错误陈述却语气笃定的日期、被误述为具有约束力法律的指导性意见、过时的法律引用，以及时间线计算中的算术错误。每种模式均配有明确的检测技术。

调查结果按四个严重性级别进行分类——CRITICAL（严重）、HIGH（高）、MODERATE（中）和 LOW（低）——每个级别均有明确的定义、示例和所需的处理措施。CRITICAL 问题必须在任何分发之前解决。

legal_quality_scorer.py 工具生成一个综合性的 1–5 分评分，并附带各类别的详细分项说明。评分低于 4/5 的文件不得进行分发；分发前门控工作流强制要求零严重（CRITICAL）问题且免责声明完整无缺。

两个 Python 脚本——legal_fact_checker.py 和 legal_quality_scorer.py——支持文本或文件输入、JSON 输出、详细模式以及报告保存功能。它们作为初步扫描工具，旨在为人工对抗性审查提供输入支持。

三个可直接运行的工作流程，分别涵盖完整的对抗性审查、快速引文核查以及分发前把关。每个工作流程均包含一个验证步骤，以确认已满足完成标准。

运行 legal_fact_checker.py 以标记所有引用和日期，对照 EUR-Lex 或 eCFR 逐一核实，然后运行 legal_quality_scorer.py，确认评分达到 4/5 或以上且零项 CRITICAL 发现，再发送给客户或员工。

使用工作流程 2（快速引用检查），从文档中提取每一条法律引用，并对照相关官方来源逐一核实——在这些内容提交给法律团队之前，及时发现虚构的条款编号或引用有误的规定。

将 legal_quality_scorer.py 作为自动化关卡集成到文件生成流程中。任何评分低于4/5的文件将被暂留，等待人工审核；只有满足评分阈值及免责声明要求的文件才会被传递至下游环节。

以对抗性思维运用六步方法论：标记每一项事实主张和数字，对照法定条文核实日期，标出以确定性口吻呈现的推测性内容，并为起草团队出具一份按严重程度分类的问题发现报告。