用 WorkBuddy 搭一条可复用的诉讼文书生产线：案件档案 → 系列文书 → 交叉核验

一、我要解决的问题

打官司最怕的不是写文书，是系列文书之间自相矛盾。

一个二审案件，往往要同时产出上诉状、二审补充意见、调查取证申请书、责令对方提交证据申请书、庭前证据交换申请书……这些文件共享同一套事实基础，但凡有一处金额、日期、法条编号对不上，对方律师一秒钟就能抓住，当庭反问你"到底以哪份为准"。

手工维护的代价是：改一处，要翻五份文件。用 WorkBuddy 之前我试过直接让 AI 一份一份生成，结果更糟——每份单独生成，AI 每次都在"重新理解"案情，越写越飘。

后来我换了个思路，用 WorkBuddy 搭了一条生产线，核心就一句话：把"事实"和"表达"彻底分离，事实只维护一份，表达由固定规则生成。

二、整体架构

案件档案（唯一事实源）
    ├── 结构化抽取 → CSV 审校表（逐条批注）
    ├── Skill 固化写作风格（硬规则，不是每次现说）
    ├── 批量生成系列文书（共享同一事实源）
    └── 独立脚本交叉核验（不信 AI 自报结果）

关键点在于：案件档案是唯一事实源，所有文书都从它派生。改事实只改档案，然后重新生成，五份文件自动保持一致。

三、第1步：建一份案件档案

这是整条线的地基。我在工作区根目录放一个 案件档案.md，结构如下（模板可直接复制）：

# 案件档案

## 一、当事人
| 角色 | 姓名/名称 | 代理人 |
|---|---|---|
| 上诉人 | 【姓名】 | 【姓名】 |
| 被上诉人 | 【公司名】 | 【姓名】 |

## 二、程序信息
- 二审案号：【(2026)某民终某号】
- 一审案号：【(2026)某民初某号】
- 审理法院 / 审判员：【法院名称】/【姓名】

## 三、时间线（只记有证据支撑的事实）
| 日期 | 事件 | 证据编号 |
|---|---|---|
| 【日期】 | 【事件】 | 证X |

## 四、争议金额
- 计算基数：【金额】
- 计算方式：【公式】
- 主张期间：【起止】

## 五、证据清单
| 编号 | 名称 | 来源 | 证明目的 | 状态 |
|---|---|---|---|---|
| 证1 | 【名称】 | 【来源】 | 【目的】 | 已取得/待调取 |

## 六、待查事项与下一步行动

踩坑1：时间线里我强制要求"只记有证据支撑的事实"，每条必须挂证据编号。这条约束看着啰嗦，但它是后面所有文书质量的保险丝——AI 一旦开始脑补事实，文书就废了。

四、第2步：把争议点抽成 CSV

文书写完之后，我要求 AI 把核心指控/主张导出成 CSV，而不是直接在 Word 里改。原因是：CSV 可以逐条批注、排序、筛选、去重，天然适合做审校。

表头示例：

序号,争议事项,事实依据,证据编号,法律依据,对方可能反驳,我方应对,状态
1,【事项】,【事实】,证3,《xxx法》第x条（需核实）,【反驳】,【应对】,待补强

踩坑2：一开始我让 AI 直接在文档里改，改了三轮之后发现它把上一轮已经删掉的论点又写了回来。换成 CSV 之后，"已删除"就是一行状态标记，不会再被复活。

五、第3步：用 Skill 把写作风格固化成硬规则

这是效率提升最大的一步。以前每次生成文书我都要重新交代一遍"不要用恳请""统一称对方为被上诉人""进攻性要强"，现在全部写进 Skill，一次配置，永久生效。

创建方式：在 .workbuddy/skills/ 下新建一个 SKILL.md，核心是规则要硬、要可执行，不要写"语言要专业"这种废话。摘录几我实际在用的规则：

## 写作规则（违反即为硬伤）

1. 称谓统一：二审程序一律称"被上诉人"，禁止使用"对方""被告"。
2. 禁止示弱措辞：禁用"恳请""望予以采纳""万般无奈"等，
   改为主动要求式："应予支持""特申请……"。
3. 进攻性边界（重要）：进攻性 ≠ 编造。任何法律主张必须满足
   "事实→法条→法律逻辑→结论"四段式，缺一不可。
4. 无据推断强制标注：凡属推测，必须标【假设】并经确认后方可使用，
   否则直接删除。
5. 法条引用规范：写全称+编号，记不准的标"需核实"，严禁编造。
6. 不利点处理：不主动展开，但若可能导致满盘皆输（时效已过、
   证据灭失等），必须单列一条提示。

第3条是我踩过坑之后加的。早期我只写"进攻性强"，结果 AI 给我编了一段根本不存在的司法解释，差点酿成大祸。进攻性必须建立在真实性之上，否则是自杀。

六、第4步：交叉验证——不要相信 AI 自报的结果

这条是我认为最值得分享的经验。

我让 AI 检查一批文档的格式合规性（禁用词、引号类型、字数下限），它报告"全部通过"。我不放心，自己写了个 Python 脚本跑了一遍——检出 116 处违规。

从那以后，凡是"批量检查"类任务，我一律要求：AI 报告 + 独立脚本复核，两边对不上就以脚本为准。

示例脚本（检查文档是否混用了弯引号）：

import sys, pathlib

CURVED = "“”‘’"

def check(path):
    text = pathlib.Path(path).read_text(encoding="utf-8")
    hits = []
    for i, line in enumerate(text.splitlines(), 1):
        for j, ch in enumerate(line, 1):
            if ch in CURVED:
                hits.append((i, j, ch))
    return hits

if __name__ == "__main__":
    total = 0
    for p in sys.argv[1:]:
        h = check(p)
        total += len(h)
        print(f"{p}: {len(h)} 处弯引号")
        for i, j, ch in h[:5]:
            print(f"  第{i}行第{j}列 -> {ch!r}")
    print(f"合计 {total} 处")

结论：AI 擅长生成，不擅长自查。 把"生成"和"检查"拆成两个独立环节，质量立刻上一个台阶。

七、第5步：生成 → 审稿 → 补理由 → 定稿

固定四段式迭代，每轮只做一件事：

1. 生成：先出大纲确认，再写全文（长文书禁止一次硬写到底）
2. 审稿：我按"硬伤 / 建议 / 改法"三类编号批注
3. 补理由：AI 按编号逐条回应，新增角度以新编号追加，不许改写既有条目
4. 定稿：确认无遗漏后输出正式文件

踩坑3：第3步必须强调"不许改写既有条目"。否则 AI 会把你已经认可的段落重新润色一遍，等于白审。

八、积分消耗实测与省钱技巧

顺带记录一下这套流程的积分账（不同时期会有浮动，仅供参考）：

省钱三条：

• 纯查询用 Ask 模式，别让它动手跑文件
• 需求一句话说全，来回追问是最隐蔽的烧分黑洞
• 深度调研能拆就拆，别一次性丢一个超大命题

九、适用边界

这套流程适合系列化、事实共享、需要反复迭代的文档生产，比如诉讼文书、投标材料、系列报告。

不适合：一次性的创意写作、需要临场判断的谈判策略。AI 给的是结构化和一致性，判断力还得是人。

另外必须提醒：AI 产出的法律文书务必由执业律师逐字复核，尤其是法条引用和时效计算，这是底线。

十、小结

三个最值钱的收获：

1. 事实与表达分离，改一处自动同步全部派生文件
2. Skill 固化风格，把每次重复的口头交代变成一次性配置
3. 生成与检查分离，用独立脚本交叉验证，不信 AI 自报

如果你也在用 WorkBuddy 处理系列化文档，欢迎评论区交流，我这边还有几个场景（批量证据编号、庭审模拟对练）在打磨，有进展再发。