劳动法知识库+AI技能包：打工人维权第一响应层搭建指南

1. 为什么打工人需要把劳动法知识“装进电脑”

第一次听到“把劳动法 Skill 装进电脑”这个说法，很多人会以为是某种法律咨询软件，或者是一个能自动帮你打官司的AI律师。其实不是。它本质上是一套结构化的知识库 + 可调用的AI技能包，把散落在《劳动合同法》《劳动法》《劳动争议调解仲裁法》以及大量司法解释、地方裁审口径里的关键条款，整理成AI能理解、能检索、能按场景输出的格式。你不需要背法条，也不需要每次遇到问题就去翻几十页PDF，只需要在对话框里描述你的处境，它就能给出对应的条款依据、维权路径和实操建议。

这件事为什么值得所有打工人做？因为职场里的法律问题有一个非常反直觉的特点：绝大多数人在遇到问题时，第一反应是忍，第二反应是上网搜，第三反应是搜到一堆互相矛盾的信息后更加迷茫。试用期被无故辞退、加班费算不清楚、调岗降薪被逼离职、竞业协议签了不知道有没有效、年终奖发之前被裁能不能拿到——这些问题在社交平台上的回答质量参差不齐，有的甚至是几年前的旧口径，早就和现在的裁审实践对不上了。

而“Skill”这个思路的价值在于，它把权威文本和场景化问答结合起来了。底层是法条和司法解释，中间层是常见争议场景的裁审规则，上层是AI的自然语言交互能力。你问“公司把我从技术岗调到销售岗，我不同意，公司说不去就按旷工处理，合法吗”，它不会只给你甩一条法条，而是会结合“调岗合理性”的裁审标准、你所在地区的司法口径、以及你目前是否已经到岗等事实，给出一个分层的判断。

我自己的做法是，把这套东西当作一个随身法律顾问的“第一响应层”。它不是替代律师，而是在你还没决定要不要找律师之前，帮你快速判断这件事的性质、你的筹码、以及下一步该做什么。很多打工人在权益受损时最大的问题不是没有法律保护，而是不知道自己被保护到什么程度，也不知道哪些证据现在就要开始留。这个Skill解决的就是这个信息差。

2. 拆解一个劳动法Skill到底由什么构成

2.1 底层知识层：法条不是越多越好，而是要“可检索”

很多人做知识库的第一个误区，就是把所有能找得到的法律文本全部塞进去。劳动合同法、劳动法、社会保险法、工伤保险条例、带薪年休假条例、女职工劳动保护特别规定……全放进去，结果AI检索时被大量无关条款干扰，回答反而变得又长又空。

真正有效的做法是分层组织。第一层是核心法律，也就是《劳动合同法》和《劳动法》，这两部是绝大多数劳动争议的直接依据。第二层是配套法规和司法解释，比如《劳动合同法实施条例》、最高法关于审理劳动争议案件适用法律问题的解释（一）（二）。第三层是地方性规定和裁审纪要，这一层最容易被忽略，但恰恰是实战中最关键的——同一个问题，北京和深圳的裁审口径可能完全不同。

我建议的组织方式是按争议类型打标签，而不是按法律文件打标签。比如“解除与终止”“工资与加班费”“工时与休假”“社保与公积金”“竞业限制与服务期”“工伤与职业病”“女职工保护”这几个大类，每个大类下面再挂对应的法条、司法解释和典型案例。这样AI在回答时，能快速定位到相关领域，而不是在全量法条里做模糊匹配。

2.2 中间场景层：把“法条语言”翻译成“打工人语言”

法条的语言和打工人描述问题的方式之间有一道巨大的鸿沟。法条说“用人单位未按照劳动合同约定提供劳动保护或者劳动条件的，劳动者可以解除劳动合同”，打工人说的是“公司把我工位撤了，电脑也收走了，逼我自己走”。这两句话之间的映射关系，就是场景层要解决的问题。

我的做法是建立一个场景-法条映射表，把常见的职场困境用口语化的方式列出来，然后对应到具体的法条和裁审规则。比如：

这张表不需要多复杂，但它是整个Skill“说人话”的关键。AI在接收到用户的自然语言描述后，先匹配到对应的场景，再调取该场景下的法条和裁审规则，最后组织成回答。

2.3 上层交互层：AI怎么问，决定它怎么答

同样的知识库，不同的提示词设计，输出质量天差地别。如果你直接问“公司辞退我合法吗”，AI只能给你一个泛泛的答案。但如果你按照Skill预设的引导，把入职时间、合同类型、辞退理由、是否有书面通知、是否已经交接、工资发到哪个月这些事实说清楚，AI就能给出一个接近实战的判断。

所以一个成熟的劳动法Skill，交互层必须包含事实采集引导。它不应该一上来就给结论，而是先问几个关键问题。这就像律师接案时先做笔录一样，事实不清楚，法律判断就是空中楼阁。我在设计时会预设一组“必问事实”，根据用户最初描述的场景动态选择要问哪些，避免一次性问太多把人吓跑。

3. 从零搭建：把法律文本变成AI能用的Skill

3.1 材料收集：哪些文本必须用，哪些可以不用

搭建的第一步是收集材料。我的建议是先精后广，不要一上来就追求大而全。核心必备材料包括：

• 《中华人民共和国劳动合同法》全文
• 《中华人民共和国劳动法》全文
• 《劳动合同法实施条例》
• 最高人民法院劳动争议司法解释（一）（二）
• 《工资支付暂行规定》
• 《职工带薪年休假条例》及实施办法
• 《工伤保险条例》

这些是骨架。地方性规定和裁审纪要可以后续按需补充，比如你在北京，就重点补充北京高院的劳动争议解答；在广东，就补充广东高院的会议纪要。不要一开始就把全国各地的口径都塞进去，那样只会让检索变得混乱。

提示：所有法律文本建议从官方渠道获取，确保版本是最新的。法律修订后，旧版本的法条如果留在知识库里，会导致AI引用过时条款，这是最危险的情况。

3.2 文本切分：按“条”切还是按“意群”切

这是技术含量最高的一个环节。法律文本的天然结构是“编-章-节-条”，但AI检索时，一条法条往往太长，包含多个意群。比如劳动合同法第39条列举了六种用人单位可以单方解除的情形，如果整条作为一个检索单元，用户问“试用期不符合录用条件被辞退”，检索到的会是整条，里面还混着严重违纪、严重失职等其他情形，干扰很大。

我的做法是按“款”甚至按“项”切分，同时保留条款编号和上下文关系。具体来说：

• 每一条的每一款作为一个独立单元
• 如果某一款下面有列举项，每个项也可以独立，但必须标注它属于哪一款
• 每个单元都带上“法律名称+条号+款号”的元数据

这样切分后，检索精度会大幅提升。用户问试用期的问题，命中的就是第39条第（一）项，而不是整条。

3.3 场景标注：给每个法条单元打上“使用场景”标签

切分完之后，要给每个单元打标签。标签体系不需要很复杂，但必须覆盖常见的争议类型。我通常用两级标签：

• 一级标签：解除与终止、工资与加班、工时与休假、社保与福利、特殊保护、竞业与保密、工伤
• 二级标签：试用期解除、违纪解除、经济性裁员、加班费计算、年休假折算、竞业限制补偿等

打标签的过程可以半自动化，先用关键词匹配，再人工校对。比如包含“试用期”和“解除”的单元，自动打上“试用期解除”标签。但人工校对不能省，因为有些法条不出现关键词但实际相关，比如第21条讲试用期解除的限制，关键词是“试用期”和“解除”，但有些关于经济补偿的条款也可能适用于试用期解除场景，需要人工判断是否关联。

3.4 提示词设计：让AI先问事实，再给判断

提示词是整个Skill的“大脑”。我的设计思路是三段式：

第一段是角色设定，明确AI是一个劳动法领域的辅助分析工具，输出的是基于法律文本和常见裁审规则的分析，不构成正式法律意见。这一段既是合规需要，也是给用户一个合理预期。

第二段是事实采集规则。AI在收到用户描述后，先判断信息是否足够。如果不够，按照预设的问题清单追问。问题清单按场景分组，比如解除类场景必问“是否有书面通知”“辞退理由是什么”“入职多久了”“工资发到哪个月”；工资类场景必问“是标准工时还是综合工时”“加班有没有审批记录”“工资条上有没有体现”。

第三段是输出格式。我要求AI的回答必须包含四个部分：事实梳理、法律依据、分析判断、行动建议。事实梳理是把用户说的和追问到的信息复述一遍，确保理解无误；法律依据是列出相关法条和裁审规则；分析判断是基于事实和依据给出倾向性结论；行动建议是具体可操作的下一步，比如“先不要签任何文件”“用邮件确认调岗通知”“去银行打印工资流水”。

4. 实战中最容易踩的三个坑

4.1 坑一：把AI的结论当成最终法律意见

这是最危险的坑。AI再强大，它也是在文本层面做匹配和推理，它不知道你的证据实际情况，不知道对方手里有什么，也不知道仲裁员或法官的个人倾向。我见过有人拿着AI生成的“公司违法解除，你可以主张2N”就去和HR谈判，结果对方拿出了一份他自己签过的绩效改进计划，局面瞬间被动。

正确的用法是：把AI的输出当作“问题清单”和“方向指引”，而不是“结论”。它告诉你这件事可能涉及哪些法律点，你需要准备哪些证据，可能的走向有哪几种。但最终怎么行动，尤其是涉及金额较大或身份特殊（比如孕期、工伤）的情况，一定要找真人律师做一次付费咨询。AI帮你把问题理清楚，律师帮你把策略定下来，这个分工是最合理的。

4.2 坑二：知识库版本过时，引用已废止的条款

劳动法领域的文本更新频率不低。民法典施行后，很多旧的司法解释被废止或修改；各地的最低工资标准、社平工资口径每年都在变；裁审纪要也会更新。如果知识库里的文本是两年前的，AI可能会引用已经失效的条款，给出错误的判断。

我的做法是每季度做一次版本核对，重点检查核心法律是否有修订、常用司法解释是否被替代、地方口径是否有新文件。核对完之后，更新知识库并记录版本号。在Skill的提示词里也可以加一句“如果涉及具体金额计算，请提示用户核对当地最新标准”，把时效性风险显性化。

4.3 坑三：场景标签太粗，检索命中率低

前面提到按场景打标签，但标签的粒度很关键。太粗了，比如只打“解除”一个标签，用户问试用期解除和问经济性裁员，命中的法条可能混在一起。太细了，比如给每个法条都打上十几个标签，维护成本高，而且标签之间的边界模糊，反而降低检索精度。

我的经验是两级标签足够，一级控制在7-10个，二级控制在30-50个。二级标签的命名要贴近用户的语言，而不是法律术语。比如用“被逼离职”而不是“被迫解除”，用“不给加班费”而不是“未足额支付劳动报酬”。这样用户在描述问题时，更容易和标签匹配上。

5. 让Skill真正好用的几个细节优化

5.1 输出里加一个“你现在最该做的一件事”

用户遇到劳动法问题时，往往处于焦虑状态，信息给多了反而不知道先做什么。我在输出格式里加了一个固定字段：你现在最该做的一件事。比如“今天就去把劳动合同、工资条、考勤记录拍照备份”“先不要在任何文件上签字”“用微信文字形式向HR确认调岗通知的内容”。这个字段只给一个动作，具体、可执行、立刻能做。

这个设计的效果非常好。很多用户反馈说，看完分析之后最感谢的就是这一条，因为它把“我该怎么办”这个巨大的问题，缩小成了一个今天就能完成的小动作。焦虑感大幅下降，后续的行动也更有条理。

5.2 对“不确定”的情况明确说“不确定”

AI有一个通病，就是倾向于给出确定的答案，哪怕信息不足。但在劳动法领域，很多问题的答案确实是“取决于”。比如“公司调岗是否合法”，取决于调岗是否有合理理由、是否降低了待遇、是否具有侮辱性、你所在地区的裁审口径等。如果AI强行给一个“合法”或“不合法”的结论，反而会误导用户。

我在提示词里明确要求：如果信息不足以判断，或者存在地区差异，必须明确说“这种情况存在不确定性”，并列出影响判断的关键因素。这比给一个虚假的确定答案有价值得多。用户知道哪些因素会影响结果，就能有针对性地去补充信息或咨询律师。

5.3 用表格呈现“金额计算”类问题

劳动法里涉及金额计算的问题很多：经济补偿金、赔偿金、加班费、未休年休假工资、工伤待遇等。这些计算如果只用文字描述，用户很难跟着算。我要求AI在涉及计算时，必须用表格列出计算项目、计算基数、计算系数、计算结果，并注明每个数据的来源和依据。

比如经济补偿金的计算表格：

这样用户一眼就能看懂钱是怎么算出来的，也能自己核对基数是否准确。

6. 这套Skill适合谁，不适合谁

6.1 最适合的三类人

第一类是在职但感到不安的打工人。公司最近在裁员、在调岗、在改绩效考核，你隐约觉得不对劲但说不清楚哪里不对。这套Skill能帮你快速判断当前处境的风险等级，以及如果情况恶化，你的筹码是什么。

第二类是刚刚被通知离职的人。HR找你谈话了，给了一份协议，你不知道该不该签，也不知道签了之后还能不能仲裁。这时候最需要的是快速搞清楚：公司的理由是否成立、你的法定权益有哪些、协议里有没有坑。

第三类是准备主动维权但不知道从哪下手的人。你已经决定要仲裁了，但不知道需要哪些证据、流程怎么走、大概要多久。Skill可以帮你把证据清单和流程节点理出来，让你心里有底。

6.2 不适合依赖它的两种情况

第一种是涉及金额巨大或身份特殊的情况。比如工伤致残、孕期被辞退、高管离职涉及股权激励，这些问题的复杂程度远超一般劳动争议，AI的分析只能作为背景了解，必须找专业律师。

第二种是已经进入仲裁或诉讼程序的情况。程序中的策略选择、证据质证、开庭陈述，这些需要根据对方的行为动态调整，AI给不了这种实时博弈的建议。这时候你需要的是一个能随时沟通的律师，而不是一个知识库。

7. 我自己的使用习惯和几个私藏技巧

我自己的习惯是，把这套Skill放在电脑的快捷启动栏里，遇到任何职场相关的疑问，先跑一遍再决定要不要进一步行动。时间久了，我发现自己对劳动法的敏感度明显提高了。以前看到一份劳动合同，只会看薪资和岗位；现在会下意识地看试用期约定、竞业限制条款、解除条件、争议管辖这些以前完全忽略的内容。

几个私藏技巧分享给你。第一个是定期用Skill做“合同体检”。每次续签或换工作时，把新合同的关键条款输入进去，让它标出可能对你不利的表述。比如“公司有权根据经营需要调整工作岗位”这种条款，AI会告诉你它在裁审中通常怎么被认定，以及你可以争取怎么修改。

第二个是用Skill模拟谈判场景。比如你想和公司谈离职补偿，可以先让AI扮演HR，你扮演自己，把可能的对话过一遍。AI会基于法律规则给出HR可能的话术和你的应对方向。这个练习能大幅降低真实谈判时的紧张感。

第三个是把每次咨询的记录存档。我会把重要的问答导出成文本，按时间线整理。万一将来真的走到仲裁，这些记录能帮我快速回忆起当时的判断依据和行动节点。虽然它们不是证据，但能帮我理清自己的思路。

注意：所有涉及个人信息的记录，存档时记得脱敏。公司名称、同事姓名、具体金额这些，用代号替代。这不是为了保密，而是为了万一记录泄露时，不会给你带来额外的麻烦。

8. 关于“AI+法律”这件事的边界感

最后想说一点我自己的体会。AI在法律领域的应用，最大的价值不是“替代律师”，而是“缩短信息差”。以前一个打工人从遇到问题到搞清楚自己的权利，可能需要几天甚至几周，中间还要承受巨大的心理压力。现在这个过程可以缩短到几分钟，而且是在一个相对私密、低压力的环境里完成的。

但边界感很重要。AI给的是基于文本的分析，律师给的是基于事实和经验的策略。前者可以标准化，后者高度个性化。我见过太多人因为AI说“你可以主张2N”就信心满满地去谈判，结果忽略了证据上的硬伤，最后连N都没拿到。也见过有人因为AI说“这种情况可能不构成违法解除”就放弃了维权，其实只要补充几个关键证据，局面就完全不同。

所以我的建议是：用AI做第一轮筛查和知识补充，用律师做关键决策和实战代理。两者不是替代关系，是接力关系。你把AI当成一个24小时在线的、耐心极好的、不会评判你的法律知识助手，但它不是你的代理人，也不是你的决策者。最终签字、发邮件、走进仲裁庭的，还是你自己。

这套Skill我用了大半年，最大的感受是：它没有让我变成法律专家，但它让我不再害怕。以前收到HR的邮件会心慌，现在会先冷静地拆解：对方的主张是什么、依据是什么、我的筹码是什么、下一步怎么回应。这种从“被动承受”到“主动分析”的转变，可能比任何具体的法律知识都更有价值。