金融借款纠纷起诉状生成
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9f7369e2/complaint-loan。
技能介绍
要解决什么问题
金融借款纠纷立案往往要同时交出传统民事起诉状和要素式起诉状,材料又散落在缴费通知书、合同、银行流水等 PDF 扫描件里。人工 OCR、抄字段、对格式规范(原告固定信息、被告 dict、金额引号、日期写法)容易反复返工,批量案件时更明显。
本技能把「扫描件 → 结构化案件信息 → Word 文书 → 逐项审查」串成可重复执行的流水线,而不是单次对话里手搓一份诉状。
技能如何工作
工作区位于 skills/complaint-loan/。流程大致五步:
- PDF OCR:对
案件信息/original/pdf/下扫描件调用 PaddleOCR-VL(或通过extract_pdf_agent.py --ocr-only走 RapidOCR 离线),产出带 frontmatter 的maindata/原始数据_*.md,不占用对话上下文。 - 信息提取:脚本负责
clean_maindata()清洗 OCR 噪音与质检(遇[OCR阻断]需先查原 PDF);结构化字段由AI 子 agent按references/案件信息提取模板.md生成案件信息/*.md,并与config/party.yaml中的固定原告/法院信息对齐;脚本再校验必填项、被告与保证人 dict 格式。 - 生成民事起诉状:
generate_traditional_agent.py/generate_traditional_batch.py读案件信息,输出仿宋/宋体格式的.docx,并生成cache/*.txt供审查用。 - AI 审查:对照
references/review-checklist.md逐案比对诉状与提取信息,有差异则改案件信息/*.md后重跑生成。 - 要素式起诉状:
generate_essential_agent.py按模板逐行替换,并做传统诉状与要素式关键字段的交叉自检。
提取阶段对格式有硬约束:保证人须为 - 姓名: dict、金额为引号数字、日期为 YYYY年M月D日、诉讼请求被告只写姓名/编号等——与下游 generate_traditional_agent.py 输入契约一致。
适用边界与注意点
- 场景聚焦金融借款纠纷类案件信息规范(如删除「宣布提前到期」、律师费约定为项目统一的 2500 元等),换案由需改模板与规范。
- 原告、代理人、法院等固定信息必须在
config/party.yaml配置,不能指望从材料里「猜」全。 - OCR 质量差时脚本会阻断后续步骤;利息/本息合计缺失会导致校验警告,常需银行系统截图补全。
- 遗留的 DeepSeek API 提取路径仍存在但不推荐;当前推荐路径是子 agent + 脚本清洗校验。
使用场景
- 收到一批借款人逾期案件的缴费通知书、合同 PDF,需要先 OCR 再整理成统一格式的案件信息文件
- 同一原告多案并行立案,要把每案结构化数据批量生成宋体/仿宋格式的传统民事起诉状 docx
- 法院要求同时提交要素式起诉状,需要在已有传统诉状基础上按模板逐行填充并核对关键字段
- 诉状生成后需按 review-checklist 逐项比对提取信息与文书正文,发现保证人未入被告列表等问题并回改案件信息
适合人员
- 律所诉讼律师:手里有多起小额/消费贷借款纠纷,要把扫描材料快速转成可立案的传统与要素式起诉状
- 法务/贷后团队:负责整理被告、保证人、欠款金额与合同编号,但不想在 Word 里重复手抄 OCR 结果
- 法律科技实施同前一天:需要在自有项目里挂载 PaddleOCR 与子 agent 流程,用 party.yaml 固定原告信息
- 助理律师:负责 Step 4 审查,需要依据清单发现利息缺失、诉讼请求被告格式错误等再改 md 重跑生成