Name: 法条结构化拆解
Author: MctMilk

据 AlphaMoat 统计,截至 2026-09,法条结构化拆解 累计下载 1,596 次、获 1 个星标,在全部 5,078 个 AI 技能中排名第 4,705 位,在「专业领域」分类(465 个)中排名第 425 位。

累计安装

181

累计下载

1,596

星标

全站排名

#4,705

全站前 93% · 「专业领域」前 92%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	24	1,124	1	-
SkillHub ↗	181	1,596	1	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

根据主文要求梳理规范类型、权利义务主体、构成要件、法律效果、例外及待解释概念，并以表格和要件清单呈现。应以用户提供的法条为材料；涉及司法管辖区或具体法律结论时需进一步核实，不能替代法律意见。

资料发布于 2026-10-27

可以用来做什么

整理法条中的主体、构成要件和法律效果
标注但书、例外和不确定概念
将分析汇总为表格与清单

什么时候用

用户提供法条并希望理解其结构时
需要进一步核验管辖区、适用版本或个案法律效果时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

请把这段法条按规范类型、主体、要件、法律效果和例外结构化分析，并标注需要核实之处。

月度数据趋势

累计下载1,596

星标1

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	1,596	—	1
2026-08	1,310	+25.5%	1
2026-07	1,044	+27.8%	1
2026-06	817	+17.7%	1
2026-05	694	—	1
2026-03	267	—	-

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

1.9 KB · ClawHub v1.0.0

---
name: legal-structural-analysis-mctmilk
description: 对法条进行结构化拆解，分析规范类型、适用主体、构成要件、法律效果等七个维度。当律师或法律学习者需要"拆解"法条、理解法条骨架时使用。
---

# 法条结构化拆解 (Legal Structural Analysis)

## 触发场景

- 用户提供一个法条，要求分析其结构

展开全部(共 54 行)

- 用户说"拆解这个法条"、"分析法条结构"、"把这个法条拆骨"
- 用户想看清某个法条有哪些构成要件、法律效果是什么

## 核心提示词

将以下提示词发送给 AI 模型：

```
请对以下法条进行结构化拆解：

【法条全文】：（粘贴法条原文）

请按以下维度逐一分析：
1. 规范类型：授权性、义务性还是禁止性规范？
2. 适用主体：谁是义务主体？谁是权利主体？
3. 构成要件：逐一列出触发该法条适用的全部要件
4. 法律效果：满足要件后产生什么法律后果？
5. 但书/例外：是否存在除外情形？
6. 关键法律概念：标出需要进一步解释的不确定法律概念
7. 请用一张表格汇总以上内容
```

## 输出要求

1. **表格汇总**：用 Markdown 表格呈现七维度分析结果
2. **构成要件清单**：每个要件单独列出，标注清楚
3. **不确定概念标注**：标出需要深挖的模糊词

## 示例

输入：`《民法典》第1165条 过错责任原则`

输出应包含：
- 规范类型：授权性规范（权利人可请求损害赔偿）
- 适用主体：侵权行为人（义务主体）、受害人（权利主体）
- 四个构成要件：行为、损害、因果关系、过错
- 关键概念：`过错`、`因果关系`（需进一步界定）

## 注意事项

- 如果法条较长，先确认用户想重点分析哪部分
- 表格是必选项，便于用户直观理解
- 标注不确定概念时，提示用户可以用 `legal-concept-deep-dive-mctmilk` 进一步深挖