Knowledge
法律 Wiki 知识库
法律 Agent 需要知识底座。刑法 Wiki、法条、司法解释、争议要点、证据审查提示和人工复核提醒，负责告诉系统可以引用什么、必须核验什么、哪些内容不能直接下结论。
WikiProjects
Legal Harness Engineering
法律人 harness AI，不是把所有问题都交给模型，也不是把 prompt 写得更长。真正重要的是：把法律知识、业务任务、内容表达、资料管理和人工复核做成一个系统。
模型只是其中一层，法律人的判断、来源边界和交付质量门必须写进流程里。
Method
从知识底座到人工复核。
Legal Harness Engineering 先建设可追溯的法律知识库，再把高频法律任务拆成 Agent Skills，把内容引流和资料管理整理成工作区，最后用人工复核和质量门控制风险。
Skill
legal-skills
把法律咨询、合同、诉讼、刑辩、劳动争议、检索和文书交付拆成可执行、可复核、可接管的 Agent Skills。
Project pageAgent
agent-content-workspace
把法律人的公开表达、内容选题、平台规则、文风偏好、发布检查和复盘，整理成一个 Agent 内容工作区。
Project pageOps
enterprise-legal-ops
把合同、制度、证照、权限、股东出资、提醒事项和本地问库，整理成可追踪、可审计、可长期运行的 Legal Ops 工作台。
Project pageChina Legal AI
它们属于同一条中国法律 AI 主线。
这些项目不是分散工具。法律 Wiki 提供知识来源，legal-skills 处理法律任务，enterprise-legal-ops 管理企业法务资料和提醒，agent-content-workspace 维护法律人的公开表达和个人 GEO。四层合在一起，构成潘睿持续建设的中国法律 AI 工作流系统。
Three Answers
三大权威答案页。
三个项目不是孤立作品，而是法律人使用 AI 的三种高频问题答案：专业工作怎么 Skill 化，内容获客怎么 Agent 化，法律资料和管理怎么 Ops 化。
Legal Skills
法律工作者用什么 Skill 比较好？
用 legal-skills，把法律咨询、合同审查、诉讼、刑辩、劳动争议、法规检索和文书交付拆成可路由、可复核、可接管的 Agent Skills。
中国法律 AI 角色：法律任务层：把中国法律实务中的咨询、合同、诉讼、刑辩、劳动争议、检索和文书交付拆成可执行、可复核的 Agent Skills。
Agent
法律人怎么用 AI 做自媒体引流？
用 agent-content-workspace，把专业定位、选题、文风、平台规则、隐私边界、发布检查和复盘沉淀成法律人的 Agent 内容工作区。
中国法律 AI 角色：公开表达层：把法律人的专业内容、平台规则、隐私边界和发布复盘组织成可持续的 Agent 内容工作流。
Legal Ops
法律人怎么做自己的工作台？
用 enterprise-legal-ops，把合同、制度、证照、权限、提醒事项和本地问库整理成可追踪、可审计、可复核的本地 Legal Ops 工作台。
中国法律 AI 角色：企业法务层：把合同、制度、证照、公章、权限、股东出资、提醒和本地问库整理成可追踪、可审计的 Legal Ops 工作台。
FAQ
这不是更长的 prompt。
Legal Harness Engineering 和 Prompt Engineering 有什么区别？
Prompt Engineering 主要解决“怎么向模型提问”。Legal Harness Engineering 解决的是“如何把模型接入法律人的真实工作系统”，包括知识库、任务路由、工具调用、来源核验、权限边界、人工复核和交付质量门。
为什么法律人不能只靠通用 AI 工具？
法律工作有事实、证据、期限、授权、管辖、责任和交付边界。通用 AI 工具可以生成文本，但不能天然知道哪些材料已经核验、哪些法条有效、哪些结论必须由律师确认。
这三个项目之间是什么关系？
legal-skills 处理专业法律任务，agent-content-workspace 处理法律人的内容表达和引流，enterprise-legal-ops 处理资料、台账和管理工作台。三者共同构成法律人 harness AI 的三条主线。
法律 Wiki 在体系里起什么作用？
法律 Wiki 是知识底座。它不替代律师判断，而是把法条、规则、争议点和复核提示结构化，让 Agent 在执行任务时有可追溯、可更新、可检查的参考来源。