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。比如打工人常见描述对应法律问题核心依据公司让我走但不给书面通知违法解除的认定劳动合同法第48条、第87条试用期最后一天被辞退试用期解除的合法性劳动合同法第39条、第21条加班没有加班费只有调休加班费支付义务劳动法第44条被调岗到外地不去就算旷工调岗合理性审查劳动合同法第35条离职后公司不给开离职证明后合同义务劳动合同法第50条年终奖发放前被裁年终奖性质认定工资支付暂行规定、地方口径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Skill3.1 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项目数值依据工作年限3年7个月用户提供计算年限4年满6个月不满1年按1年算月平均工资12000元离职前12个月平均计算基数上限当地社平工资3倍需核对当地标准经济补偿金48000元4年 × 12000元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。