证据事实提取Skill:把成堆言词证据,一键拆成时间、地点、人物、行为、金额五大要素
- 它是什么:evidence-fact-extract(证据事实提取)是一个面向法律、审计、调查取证场景的 AI 技能,专职从言词证据材料中抽取关键事实要素,输出结构化中文事实清单。
- 核心能力:逐份材料提取「事实概述 + 关键要素(时间/地点/人物/行为/金额/其他)+ 原文摘录」,要素缺失自动留空,不分析、不推测、不评价。
- 输入输出极简:输入一份材料列表 JSON(含材料序号、材料名称、材料目录 id、材料页内容),输出统一格式的中文事实条目,可直接粘进笔录摘要、证据目录或案情梳理表。
- 最大差异点:市面上多数工具做的是「把文档读一遍」,它做的是「按证据规则把事实钉在要素上」,每条事实都带原文支撑,便于复核溯源。
- 适合谁用:律师与律师助理、法务、纪检监察与内审人员、合规调查人员,以及任何需要把大段口供、证言、陈述变成可比对事实表的人。
该技能叫什么?如何下载安装 AI 技能提升开发效率?
技能中文名:证据事实提取Skill 技能英文名:evidence-fact-extract 技能ID:2122169853362733058
它要解决的问题非常具体:言词证据(询问笔录、讯问笔录、证人证言、情况说明、当事人陈述等)往往篇幅长、口语化、信息重复且散落各处。人工通读一遍要几十分钟,边读边摘要素又容易漏、容易带主观判断,不同人整理出来的口径还不一致。这个技能把「通读—定位—摘要素—留原文」这套重复劳动标准化:模型只做一件事——把材料里明确写了的事实挑出来,按固定字段摆好。
一键安装的思路与步骤
AI 技能的安装逻辑,本质上是「把你的重复劳动固化成一个可复用的能力入口」。通用步骤如下(具体命令与入口地址以官方说明为准):
- 确认前提:你使用的 AI 平台/客户端已支持 AI 技能(Skill)的加载与调用;待处理材料已整理成技能要求的 JSON 材料列表结构,包含材料序号、材料名称、材料目录 id、材料页(含内容)。
- 找到技能:在技能市场或技能列表中,用技能英文名
evidence-fact-extract、中文名「证据事实提取」或技能ID2122169853362733058进行检索定位。 - 安装/启用:按平台提供的安装入口完成添加(一键添加、导入技能包或授权调用,具体方式以官方说明为准),确认技能处于启用状态。
- 验证是否生效:用一份几十字的测试材料跑一遍,观察输出是否为「材料名称 + 编号事实 + 时间/地点/人物/行为/金额 + 原文摘录」的标准格式,且全程为中文、未出现英文段落。格式对上即视为安装成功。
- 接入工作流:生效后即可批量输入真实材料列表,按份数分批提交,逐份核对。
提示:安装环节涉及的具体命令、链接、版本与费用信息,请以官方说明为准;本技能详情未提供安装命令与定价信息,本文不做推测。
该技能的主要功能和特点
- 逐份材料独立提取:输入是一个材料列表,输出按材料逐份组织,不把不同人的说法混在一起,保证每份材料的独立性,方便后续比对印证。
- 五要素结构化落位:每条事实固定尝试填充时间、地点、人物、行为、金额,并额外捕捉动机、后果、责任(仅当材料明确提及)。未提及的要素不输出空行,输出干净不啰嗦。
- 一句话事实概述:严格遵循「谁 + 做了什么 + 结果」的极简结构,一句话即一条事实,便于直接用于案情摘要或证据清单。
- 原文摘录可溯源:每条事实附 1-2 句用「」标注的原文,复核时不必回到整篇材料里大海捞针,这是它区别于普通摘要工具的关键。
- 只提事实的强约束:明确禁止分析、推测、评价。这对证据整理极其重要——不掺入 AI 的「观点」,只做搬运与归位,降低后续被质疑的风险。
- 人物名称规范化:人物要求使用全名,多人以顿号分隔,便于后续做人物—事实关系索引。
- 全程中文输出:无中英混排、无英文段落,符合法律文书与内部报告的语体要求。
- 轻量、无侵入:不要求你把材料上传到某个封闭系统做复杂配置,只要按结构组装 JSON 即可调用,接入成本低。
和普通工具比强在哪?普通文档摘要工具给你的是「这段话讲了什么」,而这个技能给你的是「这份材料能证明什么、由谁在何时何地做了什么、金额多少、原文在哪一行」。前者是阅读理解,后者是可用的证据素材。
如何使用该技能?
第一步:把材料整理成列表结构
技能要求输入一个 JSON 数组,每份材料包含四个字段:材料序号、材料名称、材料目录 id、材料页(含内容)。示例:
[
{
"材料序号": 1,
"材料名称": "证人张某询问笔录",
"材料目录id": "ML-2024-001",
"材料页": "问:2024年3月12日上午你在哪里?答:我在城东物流园三号仓库门口。问:你看到了谁?答:看到李某和王某在争执,李某把一个棕色纸袋交给王某。问:纸袋里是什么?答:我不清楚,但听王某后来说里面是八万元现金。"
},
{
"材料序号": 2,
"材料名称": "当事人李某陈述",
"材料目录id": "ML-2024-002",
"材料页": "2024年3月12日上午十点左右,我在城东物流园把八万元现金交给了王某,用于结算上个月的货款。当时张某在场。"
}
]
要点:材料页放该份材料的正文内容即可,不必手工预处理;一份材料对应一个数组元素,不要合并。
第二步:发起调用
向已启用该技能的对话入口提交上述 JSON,并明确指令,例如:「请使用证据事实提取技能,逐份提取以下材料的关键事实要素」。也可以直接在技能被激活后粘贴 JSON,技能会按其内置规则执行。
第三步:阅读输出结果
输出为固定格式的事实清单,示意如下:
**【证人张某询问笔录】**
1. 张某于2024年3月12日上午在城东物流园三号仓库门口目击李某与王某争执
- 时间:2024年3月12日上午
- 地点:城东物流园三号仓库门口
- 人物:张某、李某、王某
- 行为:李某将棕色纸袋交给王某,双方发生争执
- 金额:八万元现金
- 原文:「看到李某和王某在争执,李某把一个棕色纸袋交给王某」「听王某后来说里面是八万元现金」
**【当事人李某陈述】**
1. 李某于2024年3月12日上午在城东物流园向王某交付八万元现金用于结算货款
- 时间:2024年3月12日上午十点左右
- 地点:城东物流园
- 人物:李某、王某、张某
- 行为:交付现金结算上月货款
- 金额:八万元现金
- 原文:「我在城东物流园把八万元现金交给了王某,用于结算上个月的货款」
第四步:交叉核对与二次加工
拿到各份材料的事实清单后,把同一要素横向排开(例如把所有材料的「时间」列成一列),不一致之处即为需要重点核实或补充取证的点。也可直接把清单转成表格或证据目录。
使用小技巧
- 材料特别长时,按「一份材料一次调用」或分批提交,避免单次内容过长导致要素遗漏。
- 材料中若是问答体,保留原始问答格式即可,不必先改写成陈述句,技能能正常识别。
- 若某条事实缺少原文摘录,说明该表述在材料中不够明确,应回原文确认,而非直接采信输出。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| evidence-fact-extract(证据事实提取) | 专用型证据事实抽取技能 | 逐份材料提取事实概述、五要素、原文摘录,只提事实不评价 | 需支持 AI 技能的平台,材料整理成 JSON 列表 | 笔录、证言、陈述的事实要素结构化 | 优势:输出格式统一、带原文可溯源、约束明确;不足:只做事实抽取,不做法律关系分析,需自行组织材料 JSON |
| 通用大模型对话直接粘贴 | 通用问答 | 可让模型自由总结、改写、提问 | 极低,打开即用 | 临时性、少量材料的快速理解 | 优势:零配置;不足:每次提示词不同,输出格式不稳定,容易夹带主观推断,字段易漏,长材料易断章 |
| 人工摘录 + Excel 台账 | 传统人工流程 | 人工通读并填写要素表 | 无需安装,但高度依赖人力与经验 | 案件量小、要求逐字严谨的场景 | 优势:可控性最强、熟悉业务;不足:耗时以小时计,不同人标准不一致,疲劳导致漏项,难以应对大批量材料 |
| 关键词检索 / OCR 文档工具 | 文档处理工具 | 全文检索、关键词定位、格式转换 | 需部署或订阅,学习成本中等 | 已知关键词的定位查找 | 优势:找词快、覆盖全;不足:只能「找到句子」,不能「归位到要素」,无法区分事实与评价,仍需人工二次整理 |
结论:如果你的目标只是「大概知道材料说了什么」,通用对话足够;如果你的目标是「产出可用于比对、质证、汇报的事实要素表」,专用技能的稳定格式与原文留痕更省事。
该技能的典型应用场景与实际体验情况
场景一:律师助理整理案卷笔录
角色与痛点:一个刑民交叉案件有十几份询问笔录和当事人陈述,助理需要做事实梳理表,供主办律师开庭前速览。通读加摘录往往要一整天,且不同助理整理口径不一。 使用方式:把每份笔录按材料结构录入 JSON,批量提交,得到逐份事实清单,再按时间轴横向排布。 实际体验:上手门槛低,只要会组装 JSON 就能用;输出格式统一是最大惊喜,十几份材料的事实清单可以直接拼成一张时间表,原本一天的工作压缩到一两个小时,剩下的时间用于核对矛盾点这种真正需要人判断的事。注意事项:口语化表述中的模糊时间(如「上周左右」)会原样保留,不会自动换算成具体日期,这符合「不推测」的约束,但需要人工补全。
场景二:企业内审与合规调查
角色与痛点:内审收到员工访谈记录、供应商情况说明若干份,需要判断是否存在利益输送线索,但访谈记录冗长且夹杂大量情绪化描述。 使用方式:把访谈记录整理提交,重点看「金额」「人物」「行为」三类要素是否出现异常组合,例如同一供应商在同一时间段被多次提及。 实际体验:因为技能强制「只提事实、不评价」,输出的清单几乎没有主观色彩,适合作为内部报告的底稿;原文摘录让复核人一眼看到依据,减少来回翻材料的时间。注意事项:访谈中的传闻性内容(「听说」「据说」)会被照实提取,使用者需自行判断证据层级,不能直接把清单当成结论。
场景三:案件事实比对与矛盾点排查
角色与痛点:多方陈述互相矛盾,需要快速找出「同一时间、同一地点、同一行为」的不同版本。 使用方式:把所有材料的事实清单并排放置,逐要素比对。 实际体验:格式统一带来的可比性是核心价值——如果每份材料由不同的人用不同格式整理,比对成本极高;统一成「时间—地点—人物—行为—金额」后,矛盾点几乎自己跳出来。注意事项:技能不会主动做矛盾分析,它只负责把事实摆整齐,分析仍需人来完成。
场景四:法律援助与值班咨询的快速记录
角色与痛点:值班律师接诊量大,当事人陈述零散,需要在短时间内形成事实要点。 使用方式:现场把当事人陈述要点录入材料结构,即时生成事实清单,作为后续接案材料的基础。 实际体验:响应快、格式规范,非常适合做初步记录;但因为输入依赖人工录入,现场录入的完整度决定输出质量,建议保留原始记录以便补录。
该技能能为用户带来的价值
- 效率提升:把「通读—定位—摘要素—抄原文」这条最耗时的流水线交给技能,处理多份长材料的时间从以天计压缩到以小时计,节省下来的时间可以投入到矛盾分析、策略判断等高价值工作上。
- 一致性提升:所有材料使用同一套提取规则、同一套字段口径,避免「甲助理记了金额、乙助理漏了地点」的参差,团队协作与交接成本显著下降。
- 可溯源性带来的可信度:每条事实都挂着原文摘录,汇报、质证、复核时可即时回溯依据,这在证据类工作中是刚需,也大幅降低了「AI 说的对不对」的信任成本。
- 降低门槛:不需要写提示词工程、不需要懂正则和脚本,只要按结构提供材料,就能得到专业级的事实要素表;对非法学背景的合规、审计、行政人员同样友好。
- 长期价值:输出的是结构化数据,天然适合沉淀为案件知识库、证据索引库,随着使用次数增加,历史材料可复用、可检索、可比对,形成组织级的证据资产。
常见问题 FAQ
Q1:这个技能怎么安装?需要会写代码吗?
不需要写代码。在支持 AI 技能的平台中,用技能英文名 evidence-fact-extract、中文名「证据事实提取」或技能ID 2122169853362733058 检索并启用即可,具体安装入口与命令以官方说明为准。使用门槛主要在于把材料整理成技能要求的 JSON 列表(材料序号、材料名称、材料目录 id、材料页),这一步用普通文本编辑或表格转换就能完成。
Q2:它会不会自己「脑补」材料里没有的内容? 不会,这是该技能最核心的约束:只提取材料中明确陈述的内容,不分析、不推测、不评价;材料未提及的要素直接不输出该行。如果某条事实缺少原文摘录或要素明显不全,通常说明材料本身表述模糊,应回原文确认。
Q3:收费吗?能处理多少份材料? 技能详情中未提供定价与容量信息,费用与调用额度请以官方说明为准。从使用方式上看,它按「材料列表」逐份处理,材料多时建议分批提交,既能控制单次内容长度,也便于逐批核对结果。
Q4:适合谁用?不适合谁用? 适合律师与律师助理、法务、内审合规、纪检监察、调查取证人员等需要把言词材料结构化的人;也适合需要做访谈记录整理的行政与人事岗位。不太适合以「要一个结论或法律意见」为目标的场景——它只负责摆事实,不做定性、不做责任认定、不做法律分析。
Q5:和直接用通用大模型粘贴材料有什么区别?怎么选? 通用大模型灵活但输出不稳定,同一批材料两次整理可能字段不一致,还容易夹带评价性表述;本技能的优势是格式固定、要素齐全、强制只提事实并保留原文。建议:临时看一份材料用通用对话即可;需要批量、需要交付、需要多方比对时,用专用技能更省复核成本。