WorkBuddy类案检索七步法，做出一份高质量报告（附全套提示词）

类案检索，是律师的必备技能之一。

但真做起来并不轻松。

自己进数据库搜，几十上百份判决很快就出来了。哪些真的和本案接近，哪些只是案由一样；哪些裁判还能用，哪些后面已经改判；正反案例之间到底差在哪几个关键事实，都得一份份往下看。

现在有了AI帮忙，但新的问题又来了。

案例是不是真的？案号会不会编？AI说“高度相似”的两个案件，真的具有参考价值吗？它总结出来的裁判观点，有没有把法院原意带偏？

用AI做类案检索，结果能不能用、判断靠不靠谱，还是得有一套可核验的流程。

下面，我拆解出一套详细的AI类案检索工作流，并用WorkBuddy手把手带大家从头到尾做出一份合格的类案检索报告。

为保护客户隐私，我们以下所用的竞业限制案件为虚拟案件。每一步用到的提示词，也直接跟着操作放在正文里。

01先读案件，确定到底搜什么

很多律师第一次用AI做类案检索，很容易直接问：帮我找10个类似案例。

但第一步其实还不是搜，而是先弄清楚：这个案件，到底有哪些问题值得拿去找类案？

比如我实验的虚拟案件里，一名产品负责人离职后去了另一家SaaS公司。双方对新公司到底算不算竞争企业、原公司曾经少付两个月竞业补偿会不会影响后续义务、30万元违约金是否需要调整，都有争议。

如果直接搜“竞业限制纠纷”，这些问题很容易混在一起。搜出来的判决里，有的真正争的是竞业协议是否有效，有的争补偿有没有支付，有的在判断新旧公司是否存在竞争关系，还有的重点讨论违约金。

案由看起来一样，法院实际回答的却可能根本不是同一个问题。

所以类案检索的第一步，是先把本案真正需要解决的几个问题拆开。后面才能围绕每一个争点去找对应的关键事实和案例，而不是在一堆“竞业限制纠纷”里碰运气。

所以第一步，先把起诉状、答辩状、竞业限制协议、补偿支付记录、双方公司业务介绍、证据目录等材料全部放进WorkBuddy，这一轮只让它理解材料。

可以将案件相关的材料存放的文件夹直接设定为这个任务的工作空间，另外模型可以选择现在免费的hy3。

提示词

请完整阅读我上传的全部案件材料，暂时不要检索案例，也不要急于给出最终法律结论。 请先梳理： 本案基本事实和关键时间线； 双方主要诉辩观点； 与各项主张对应的现有证据； 当前真正可能影响裁判结果、值得进一步进行类案检索的争议问题。 不要补充材料中不存在的事实。 请将结果整理成一份可直接用于办案的 Word 文档，并直接生成 .docx 文件，不要输出 Markdown。文件名：《争议焦点清单.docx》。

这一轮不用让 WorkBuddy 写长篇案件分析，先拿到一张清楚的争议焦点清单就够了。

比如：

• 部分、迟延支付竞业限制补偿，会不会影响竞业限制义务；

• 两家公司只有部分业务重合，怎么判断竞争关系；

• 判断劳动者是否违反竞业限制，是看岗位名称还是实际工作内容；

• 违约金是否存在调整空间。

类案检索真正开始之前，先把这些问题定下来。判断两个案件是不是类案，不只是看案由，要进一步比较基本事实、争议焦点和法律适用。

先把本案真正需要解决的争议问题拆清楚，再围绕这些问题去找对应的类案。

02确定检索范围，生成检索方案

问题确定以后，下一步也不是马上把关键词扔进数据库。

想找到对我们有用的，这里至少要先确定三个基础的原则：

• 地区：优先关注本案所在地、本省及上级法院的相关裁判，必要时再向外扩；

• 时间：结合案件事实发生时间，以及期间法律、司法解释的变化确定；

• 案例层级：优先看指导性案例、入库案例、最高法院及本地有参考价值的生效裁判。

这些律师平时做检索都会考虑，真正需要让 WorkBuddy 帮忙的，是在范围确定以后，再把每一个争议问题拆成三层检索路径：

• 第一层：争议问题。先确定这轮检索到底要解决哪个具体法律问题，避免一上来就用案由做大范围搜索。

• 第二层：关键事实。从案件里挑出可能影响裁判结果的事实要素，和争议问题交叉组合，让检索结果逐步接近本案。

• 第三层：裁判依据。再结合相关法条、司法解释以及已经找到的代表性案例继续扩展，补充仅靠关键词容易漏掉的案件。

也就是先按“问题”确定方向，再用“事实”缩小范围，最后用“法律依据和已有案例”把结果补全。

WorkBuddy在这一阶段要做的，就是围绕每个争点，把这三层路径和对应检索词一次整理出来，形成后面可以直接执行的检索方案。

这几种方法也是你做类案检索时可以交叉使用的，不需要押宝在一组关键词上。

提示词

围绕争议问题，结合本案材料，为我制定一套类案检索方案。 第一步，请先确定： 建议优先检索的地区、法院层级及向外扩展顺序； 结合本案事实发生时间和相关法律变化，建议重点关注的案例时间范围； 建议优先关注的案例类型。 第二步，请围绕每个争议问题设计三层检索路径： 争议问题层：将争点转化为适合检索的具体法律问题； 关键事实层：提取可能影响裁判结果的关键事实，并与争点组合生成检索词； 裁判依据层：结合相关法律规范、司法解释及后续找到的代表性案例，设计补充检索路径。 每一层请给出具体检索词、组合方式和检索 请将检索地区、时间范围、案例层级、检索路径、检索词、检索目的整理成 Excel 表格，并生成《类案检索方案.xlsx》。

这样最后拿到的，就不是孤零零的“五个关键词”。而是一张检索范围 + 检索路径 + 检索词组成的完整方案。

类案检索不是先想几个关键词，而是先确定去哪找、优先看谁，再决定怎么找。

03进入真实数据源，边搜边校准

到了这里，才真正开始搜。

律师用AI做类案检索，最担心的往往是：它给我的案例，到底是不是真的？

前面的读材料、拆问题、设计检索都可以让AI辅助，但到了案例本身，不要让模型凭记忆给你“报案号”，而是要让它进入真实的法律数据库去查。

WorkBuddy里有一个连接器功能，可以简单理解成把它和外部的专业工具、数据源接起来（比如北大法宝、华宇元典、威科先行等）。

配置好法律数据库以后，就可以带着前面拆好的争点和检索方案，直接在 WorkBuddy 里检索真实案例。

如果暂时没有配置连接器也没关系，前面生成的检索方案照样可以拿到自己平时使用的专业数据库里执行。

而且第一轮不用追求一次搜全，比如一开始我们搜：竞业限制 + 关联公司，看了几份裁判以后，可能发现法院真正反复讨论的是：实际经营业务、竞争关系、业务重合、客户重合……

第一轮搜出来的案例，不只是拿来筛选，也是在帮我们检查前面的检索方案。

看几份真实裁判以后，往往会发现：法院使用的表述和我们一开始设想的不完全一样，真正反复审查的事实也可能和预想有差别。

所以这一轮要做的，是把真实裁判重新交给WorkBuddy，看哪些检索词需要替换、哪些关键事实被漏掉、还有没有新的检索方向，再继续第二轮、第三轮搜索。

这样反复调整，目的不是把关键词越堆越多，而是让后面的检索结果越来越接近我们真正要研究的问题。

提示词

这是我第一轮检索得到的案例。 请分析这些案例中法院实际使用的表达方式，重点找出： 与我当前检索词意思相同，但法院使用了不同表述的词； 裁判文书反复关注的关键事实； 当前检索遗漏的角度； 据此重新生成第二轮检索词。 不需要重新总结案件，重点优化下一轮检索。

然后再搜第二轮、第三轮。也就是：WorkBuddy设计检索 → 专业数据库搜索 → 看真实案例 → 找出遗漏和偏差 → 调整检索词 → 再搜。

类案检索本来就不是一次命中。第一轮更多是在“校准”，通过样本反过来修正自己的检索语言。等检索范围基本稳定以后，再让WorkBuddy 把已经找到的案例统一收进一张候选案例表，后面筛类案就不用再来回翻。

到这里，我们就得到一批可以继续研究的候选案例。

04对齐事实、争点和法律适用，筛出真正的类案

搜到案例，只完成了一半。需要律师进一步作出判断的是：这些案例到底算不算类案？

都是竞业限制纠纷，就能直接互相参照吗？显然不是。

比如一个案件真正争的是“补偿没付”；另一个案件真正争的是“新旧公司有没有竞争关系”。看起来很像，法院实际回答的却不是同一个问题。

所以这一轮，我会把本案和候选案例一起交给WorkBuddy，让它统一比较三个东西：

• 基本事实：哪些是真正和争议问题直接相关的关键事实？

• 争议焦点：法院真正解决的是不是我们正在研究的问题？

• 法律适用：双方走的是不是同一套法律规范和裁判路径？

先固定基本事实、争议焦点和法律适用，再比较两案的相同点和不同点，最后判断这些差异到底会不会影响裁判规则。

提示词

下面是本案材料和已经检索到的候选案例。 请不要仅根据案由、关键词或最终裁判结果判断是否属于类案。 请逐案比较： 与本案争议直接相关的关键事实； 双方真正争议的法律问题； 法院实际适用的法律规范和裁判路径； 与本案有哪些重要相同点和不同点； 这些不同点是否可能影响最终裁判结果。 最后暂时分为“高度相关”“可参考”“反面案例”“不建议作为类案”四类，并逐项说明理由。将结果生成一份.docx格式的类案比对表。

05正反案例一起比，找出裁判分叉点

筛出类案以后，还可以再往前做一步：把裁判结果不同的案例放在一起横向比较。

因为到了这一步，真正值得看的已经不是哪些案例支持、哪些案例不支持，而是：同样围绕一个争议问题，为什么最后会出现不同的裁判结果？

接下来要找的，就是这些案件在关键事实、证据和法律适用上，到底差在哪里。

比如在这次的竞业限制案件里，我们把支持和不支持用人单位主张的案例放在一起比较。

可以从关键事实、举证情况、法律适用和裁判理由几个方面逐项对照，看看哪些差异只是案件背景不同，哪些差异会反复出现在不同裁判结果里。

正反案例一对比，接下来该盯哪些事实、补哪些证据，也就清楚多了。

提示词

请将目前候选案例按照“支持【我方观点】”和“不支持【我方观点】”分为两组。 不要只统计案例数量，请重点横向比较两组案件的： 关键事实； 举证情况； 法律依据； 法院裁判理由； 最终裁判结果。 请重点回答： 哪些事实或者条件一旦发生变化，裁判结果就可能随之发生变化？ 最后形成一份《正反类案及裁判规则总结.docx》，用Word文档输出，不要只在聊天窗口展示，也不要输出Markdown。 文档中至少包含：正面案例共同点、反面案例共同点、导致裁判结果不同的关键事实、本案对应情况、下一步补证或论证建议。

这就是为什么反面案例不能直接扔掉。研究它和正面案例之间的关键差异，本身就能帮助律师提前发现风险。

真正有价值的类案检索，不是多找几个支持自己的案例，而是弄清楚不同裁判结果背后，法院真正看重了哪些事实。

06核验案例，生成检索报告

一份看起来很合适的判决，可能后来被二审改判、进入再审，引用的法律也可能已经发生变化；甚至同一份裁判里，还可能藏着对本案不利、但前面筛选时没有注意到的内容。

检索到的案例，也不能就能直接引用。

这时候可以先让 WorkBuddy 对候选案例做一轮核验。

提示词可以这样写：

请对目前准备纳入类案检索报告的候选案例逐案进行核验。 请结合可访问的真实法律数据库和案例原文，重点核查： 当前裁判是否已经生效； 是否存在一审、二审、再审、发回重审等关联程序，以及最终裁判结果； 该裁判是否存在被撤销、改判等情况； 裁判所依据的主要法律、司法解释目前是否仍然有效，以及本案事实发生时间是否适用； 完整阅读裁判理由，检查是否还存在对我方观点不利、但此前未注意到的内容； 标明仍然无法确认、需要律师人工核对的事项。 请不要根据模型记忆补充案号、裁判结果或法律依据。无法从真实数据源确认的内容，请明确标记为“待人工核验”。 请整理为Excel文件，文件名为 《案例核验清单.xlsx》

这些都是类案进入报告之前应该完成的基础核验，都确认完以后，再让 WorkBuddy 只使用已经核验过的案例整理报告。

提示词

请根据前面已经确认并完成核验的类案，整理一份类案检索报告底稿。 报告按照以下顺序： 检索结论：直接回答本次检索问题； 裁判规则：归纳法院在什么条件下通常作出什么判断； 核心类案：精选最具参考价值的3—5个案例； 本案比对：说明本案与核心类案的关键相同点和不同点； 反面案例：说明存在什么相反观点，以及其与本案的关键区别； 办案建议：结合检索结果，提示还需补强的证据、需要重点论证的问题及可能面临的风险。 不要新增任何未经核验的案例、案号和法律依据。 裁判原文需要引用时，请保留原文，不要自行改写。 请直接生成可用于律师内部讨论和后续修改的Word文档，文件名为： 《类案检索报告.docx》

一份能用于办案的类案检索报告，不能只是案例汇总。

前面先把检索结论说清楚，再用核心类案、裁判规则和本案比对去支撑：法院主要看哪些事实，本案和这些类案哪些地方相同、哪些地方不同。

这样后面无论是团队讨论、补证，还是写代理意见，都能直接接着用。

如果这份检索结果还需要拿去做团队讨论、客户汇报，也可以在Word 报告之外，再让 WorkBuddy 做一个可视化展示版。

不需要重新分析案件，而是把已经核验过的检索结论、核心类案、本案比对和办案建议重新整理，用更直观的结构呈现出来，并同时输出HTML 和 PDF 两个版本。

提示词

请根据已经核验的《类案检索报告》，制作一份可视化版类案检索报告。 不要新增未经核验的案例、案号、法律依据和数据。 请重点可视化展示： 案例总数、地区和年份分布； 支持、部分支持、不支持等裁判结果占比； 胜诉率或法院支持率； 涉及赔偿、违约金等金额时，统计平均值、中位数及法院实际支持金额； 样本足够时，展示法院支持率或裁判结果的年度变化趋势； 本案与核心类案的关键事实、证据和裁判结果对比； 最终检索结论及后续补证、论证重点。 优先使用数据卡片、柱状图、饼图、折线图、对比表呈现。所有统计数据须基于已核验案例，样本不足时不要强行计算或展示趋势。 请分别生成：《类案检索报告_可视化版.html》《类案检索报告_可视化版.pdf》

这样，一份方便继续修改和引用的Word报告，加上一份方便浏览和汇报的可视化版本，就都齐了。

做到这里，一套从案件材料到类案检索报告的流程才真正跑完。

07报告生成后，再核对4个关键点

AI可以把大量重复工作先做掉，但最后这几步，律师得自己来把关。

核案例

• 案号、法院、裁判日期有没有抄错；

• 现在看到的是一审、二审，还是最终生效裁判；

• 后续有没有改判、再审、发回重审；

• 案例来源能不能追溯到原始裁判文书；

• AI有没有把两个关联案件的信息混在一起。

核法律

• 引用的法律、司法解释现在是否仍然有效；

• 本案事实发生时，究竟适用新规则还是旧规则；

• 条文有没有被修改、废止或者替代；

• AI引用的是不是完整条文，有没有漏掉前提条件、例外情形；

• 案例中的法律适用背景和本案是不是一致。

核差异

• 本案和类案的关键事实到底差在哪里；

• 这些差异会不会影响法院对争议问题的判断；

• AI认为“相似”的案件，争议焦点是不是真的一致；

• 公司主体、合同约定、履行情况、证据状态等差异有没有被忽略；

• 有没有表面上结果一样，但法院裁判理由完全不同的案例。

核原文

• 裁判理由有没有摘错、漏掉上下文；

• AI总结的观点是不是法院真正表达的意思；

• 有没有把当事人主张误当成法院观点；

• 有没有只摘了有利的一段，漏掉后面的限制条件或不利表述；

• 准备直接引用的内容，最好再回到裁判原文逐句确认。

以前做一次完整的类案检索，律师很大一部分时间都花在翻判决、摘事实、做表格、逐篇比较和重新整理上。

现在用WorkBuddy做类案检索，我更愿意把它理解成：让AI把“读、拆、找、筛、比、整”先做一遍，把律师的时间留给定问题、判类案和下结论。

本文案例及案件材料均为AI生成的虚拟材料。真实案件使用AI前，涉及客户隐私、商业秘密及其他敏感信息的，仍需按照所在律所及团队要求做好脱敏和保密处理。

类案检索能这样一步步交给AI协作，律师其他办案工作其实也可以。从案件分析、证据整理，到法律研究、文书交付，《智能赋能律师办案提效拆解课》把这些高频场景都拆成了可以直接上手的流程。不是再学几个AI技巧，而是把AI真正接进每天的办案工作里。