核心功能: 本技能提供工作流程和配置参考、化工作流场景等能力。

LLM 助手中枢

将冗长、杂乱、高风险的文档转化为更清晰的推理和更干净的决策。针对商业和法律文档工作流的长上下文推理优化器.

主要能力

分层分析策略

L0 快速扫描（识别文档类型/结构/敏感性，低成本）→ L1 深度分析（映射论证结构/识别假设/检测矛盾，中成本）→ L2 聚焦深挖（深入高风险区域/交叉引用/生成修复建议，按需），按文档长度自动选择层级组合.

处理: 解析分层分析策略的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回分层分析策略的响应数据,包含状态信息、结果数据和执行记录.

• 调用时传入input_params参数,支持创建/查询/导出操作

文档分块处理

超长文档（>50000字）按章节/条款逻辑边界分块，逐块独立 L0+L1 分析，跨块关联识别引用依赖，汇总整合后全局检查跨块矛盾，解决 context rot.

处理: 解析文档分块处理的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回文档分块处理的响应数据,包含状态信息、结果数据和执行记录.

• 调用时传入input_params参数,支持创建/查询/导出操作

假设检测框架

将假设分为显式（文档明确陈述）、隐式（未明说但论证依赖）、缺失（需要但未涉及）三类，配套 7 项检查清单（未定义术语/范围边界/决策逻辑/风险转移/结构性混淆/事实推断建议分离/显式隐式区分）.

处理: 解析假设检测框架的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回假设检测框架的响应数据,包含状态信息、结果数据和执行记录.

• 调用时传入input_params参数,支持创建/查询/导出操作

结构化压缩

保留风险信号（⚠️标记必保留）、压缩背景、合并重复、结构化呈现，输出含核心要点/风险标记/关键假设/建议行动的压缩摘要，节省 40-60% 输出 token.

处理: 解析结构化压缩的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回结构化压缩的响应数据,包含状态信息、结果数据和执行记录.

• 调用时传入input_params参数,支持创建/查询/导出操作

差异化文档比对

版本识别 → 分块对应 → 差异识别（新增/删除/修改）→ 影响评估 → 风险标记 → 汇总报告，仅分析差异可节省 60-80% token.

处理: 解析差异化文档比对的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回差异化文档比对的响应数据,包含状态信息、结果数据和执行记录. 技术参数：使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式. 能力覆盖范围：本技能覆盖以下场景：分层分析分块、聚焦检索锚定、差异化比对、针对商业、法律等高风险长文、档的长上下文推理、优化器、差异化版本比对五、大能力、适用于合同审查准、商业备忘录分析、提案红线审查、政策对比、谈判简报准备场景、成本失控、上下文衰减、假设遗漏、版本比对困难痛点、适用关键词、LLM、助手中枢、长文档推理、合同分析、long、reasoning等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

初学指南

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

适用范围

何时使用：

触发情境	示例
分析长合同、备忘录、提案	"审查这份 50 页的供应商合同"
提升密集书面材料推理质量	"这份备忘录的逻辑是否成立"
浮现矛盾、薄弱逻辑或缺失假设	"这份提案有什么风险"
将大文档压缩为决策就绪摘要	"给董事会准备这份报告的简报"
比较长篇文档多个版本	"对比合同 v1 和 v2 的差异"

输入输出：

• 输入：长文档文本（合同/备忘录/提案/政策）+ 分析意图（审查/压缩/比对/诊断）
• 输出：文档评估（目的/受众/决策相关性）+ 核心逻辑 + 风险薄弱点（⚠️）+ 结构改进 + 建议下一步

不适用场景：

• 简单短重写（< 1000 字）— 直接 LLM 处理即可
• 创意写作（小说/广告文案）— 非推理场景
• 正式法律建议或签署 — 需持牌法务
• 文本不支持的确定性判断 — 模型不编造信心
• 纯技术文档分析 — 无需假设检测与风险标注

参数说明

参数名	类型	必填	说明
input	string	是	LLM助手中枢处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

文档 < 5000 字 → L0 + L1（一次完成）
文档 5000-50000 字 → L0 → L1 → L2（分层，聚焦高风险）
文档 > 50000 字 → 分块处理 + L0 → L1 → L2

Step 3：执行 L0 快速扫描

识别文档类型与受众 → 提取主要标题与结构 → 标记关键义务/主张/请求 → 评估商业或法律敏感性.

Step 4：执行 L1 深度分析

映射论证结构与逻辑流 → 识别显式与隐式假设 → 检测歧义/矛盾/未定义术语 → 标记风险信号.

Step 5：执行 L2 聚焦深挖（按需）

深入分析 L1 标记的高风险区域 → 交叉引用相关条款 → 评估法律或商业影响 → 生成修复建议.

Step 6：假设检测（对照检查清单）

• 是否有未定义的关键术语？
• 是否有缺失的范围边界？
• 是否有缺失的决策逻辑？
• 是否有隐藏的风险转移？
• 是否有结构性混淆？
• 事实、推断与建议是否分离？
• 显式与隐式内容是否区分？

缺失假设标记为最高风险.

Step 7：执行护栏

如无法从文本确定法律或商业确定性：明确说明 → 标记不确定性 → 不编造信心.

Step 8：输出标准格式

文档评估
━━━━━━━━━━━━━━━━━━━━━━━━━━
目的: [文档试图做什么]
受众: [输出面向谁]
决策相关性: [为什么重要]
# ...
核心逻辑
━━━━━━━━━━━━━━━━━━━━━━━━━━
* [主要主张/义务/商业要点]
* [支持逻辑]
* [关键假设]
# ...
风险/薄弱点
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ [歧义]
⚠️ [矛盾]
⚠️ [缺失假设]
⚠️ [商业或法律风险信号]
# ...
结构改进
━━━━━━━━━━━━━━━━━━━━━━━━━━
1. [如何使推理更清晰]
2. [如何减少歧义]
3. [如何提升决策有用性]
# ...
建议下一步
━━━━━━━━━━━━━━━━━━━━━━━━━━
* [进一步审查/重写/比对版本/升级到法务/准备摘要]

Step 9：差异化比对（如需）

版本识别 → 分块对应 → 逐块比较标记新增/删除/修改 → 评估每项变更影响 → 标记引入新风险的变更 → 生成差异报告.

应用示例

示例(补充)

输入：

用户提供一份 30 页的 SaaS 供应商合同，要求"审查风险"

执行：

1. L0 扫描：识别为 SaaS 合同，受众为采购方，敏感性高
2. L1 深度：映射义务结构，识别隐式假设（如"服务可用性 99.9% 但未定义计算口径"）
3. L2 聚焦：深入 SLA 条款、数据归属、终止条款

输出：

文档评估
目的: SaaS 服务采购合同
受众: 采购方法务与采购
决策相关性: 涉及年付 $120k，需采购决策
# ...
核心逻辑
* 供应商提供 SaaS 服务，采购方按年付费
* SLA 承诺 99.9% 可用性
* 数据归属采购方，但供应商有"运营数据"留权
# ...
风险/薄弱点
⚠️ SLA 计算口径未定义（隐式假设：不含计划维护）
⚠️ "运营数据"范围模糊，可能涵盖采购方业务数据
⚠️ 终止后数据迁移期仅 30 天（缺失假设：迁移复杂度）
⚠️ 自动续约条款隐藏在第 18 条
# ...
建议下一步
* 法务复核 SLA 计算口径与"运营数据"定义
* 谈判延长数据迁移期至 90 天
* 显式 opt-out 自动续约条款

示例 2：多版本文档比对

输入：

用户提供合同 v1 和 v2，要求"对比差异"

执行：

1. 版本识别：v1 原版 vs v2 修订版
2. 分块对应：按条款分块
3. 差异识别：逐块比较
4. 影响评估与风险标记

输出：

版本比对报告
# ...
新增条款
- 第 22 条 数据跨境传输: 需采购方书面同意 → 影响: 增加合规义务
# ...
删除条款
- 第 15 条 不可抗力免责: 原含"疫情" → 影响: 供应商风险增加
# ...
修改条款
- 第 8 条 SLA: 99.9% → 99.5% → 影响: 可用性下降 0.4%
- 第 12 条 终止: 30 天通知 → 60 天通知 → 影响: 退出成本增加
# ...
新增风险
⚠️ 第 22 条未定义"跨境"范围（欧盟→美国是否触发 GDPR）
⚠️ SLA 下调未对应降价

示例 3：超长文档分块分析

输入：

用户提供一份 80000 字的政策文件，要求"结构化压缩"

执行：

1. 分块：按章节分为 12 块
2. 逐块 L0+L1 分析
3. 跨块关联：识别章节间引用
4. 全局检查：检测跨章矛盾
5. 结构化压缩：保留风险信号

输出：

[文档名] 压缩摘要
# ...
核心要点（必读）
1. [关键义务 1]
2. [关键义务 2]
# ...
风险标记（⚠️）
- ⚠️ [风险 1]: [简述]
- ⚠️ [风险 2]: [简述]
# ...
关键假设
- [假设 1]（显式/隐式/缺失）
# ...
建议行动
- [行动 1]
- [行动 2]

错误恢复方案

错误场景	原因	处理方式
分析遗漏关键内容	一次性处理超长文档导致 context rot	使用分块处理，逐块分析后汇总；按章节逻辑边界分割
输出过于冗长	未使用结构化压缩	应用压缩模板，保留风险标记，用列表替代段落
假设检测不完整	未使用检查清单	逐项执行 7 项假设检测检查清单；缺失假设标记为最高风险
版本比对遗漏变更	未按逻辑块对应	确认两版本分块对应关系后再比较；逐块 diff
推理质量下降	上下文窗口过载	使用分层分析，L0 先行；聚焦高风险区域执行 L2
法律确定性误判	模型编造信心	执行护栏步骤，明确标记不确定性；不编造法律或商业确定性
token 成本过高	全文深度分析	使用 L0 快速扫描 + 聚焦深挖策略；结构化压缩可减少 40-60% 输出 token
文档类型识别错误	输入格式异常或文档混合类型	让用户确认文档类型与受众；按用户指定类型执行分析
跨块矛盾未检测	分块后未做全局检查	汇总整合后执行全局检查；识别跨章节引用与依赖

安装与配置

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供
Agent 平台	运行环境	必需	支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
操作系统	运行环境	必需	Windows / macOS / Linux

API Key 配置： 本技能基于 Markdown 指令，无需额外 API Key。长文档分析会消耗较多 token，建议关注 token 用量，使用分层分析与分块策略控制成本. 可用性分类： MD（纯 Markdown 指令，无需命令行执行能力）。核心功能仅需 LLM 能力，无需外部工具.

问题汇总集锦

Q1：长文档分析 token 成本太高怎么办？ A：使用分层分析策略。先执行 L0 快速扫描（低成本），仅对高风险区域执行 L1/L2 深度分析。对超长文档（>50000 字）使用分块处理。结构化压缩可减少 40-60% 输出 token. Q2：模型对长文档"遗忘"前面的内容怎么办？ A：这是 context rot 现象。使用文档分块处理，按章节逻辑边界分割，逐块独立分析，最后汇总整合。避免一次性填充整个上下文窗口. Q3：如何确保不遗漏关键假设？ A：使用假设检测框架。将假设分为显式、隐式、缺失三类。使用 7 项检查清单逐项验证。缺失假设标记为最高风险. Q4：比对两个版本的文档如何操作？ A：使用差异化文档比对流程：确认比对版本 → 按逻辑块对应 → 逐块比较标记新增/删除/修改 → 评估每项变更影响 → 标记引入新风险的变更 → 生成差异报告。仅分析差异可节省 60-80% token. Q5：分析结果能替代法律建议吗？ A：不能。本技能支持推理、结构化和分析，但不替代持牌法律建议、合同执行权限、采购审批或税务合规判断。输出作为分析支持，非正式签署。如需确定性，升级到专业法务.

限制条件

1. 不替代持牌法律建议：仅支持推理、结构化与分析，不签署法律、税务或合规决定，不保证受监管事项的正确性.
2. 法律语言异质性挑战：LLM 对法律语言的处理存在局限，对不确定的法律含义需明确标记不确定性，不编造确定性.
3. 超长文档仍受上下文窗口限制：分块处理可缓解 context rot，但跨块全局推理能力受限，复杂跨章节依赖可能遗漏.
4. 假设检测依赖文档内容：仅能基于文本识别假设，无法获取文档外的行业惯例或背景知识补充缺失假设.
5. 版本比对依赖分块对应准确性：若两版本结构差异巨大（如重写），分块对应失败，需人工介入确认对应关系.
6. token 成本仍较高：即使优化策略，长文档深度分析仍消耗大量 token，需用户权衡成本与深度.

输出说明

{
  "success": true,
  "data": {
    "result": "LLM助手中枢处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "llm assistant hub"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}

安全告示

风险类型	防范措施
API密钥泄露	使用环境变量管理密钥,禁止硬编码
命令执行风险	命令执行受白名单约束,避免注入用户输入
网络通信安全	采用HTTPS加密传输并校验证书
敏感数据暴露	返回数据中不含凭证信息

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

性能数据

操作场景	手动耗时	自动化耗时	效率提升
文件解析与提取	5-10分钟/个	<5秒/个	60-120x
批量文件处理(100个)	8-16小时	<5分钟	96-192x
API调用与响应解析	2-3分钟/次	<1秒/次	120-180x
多接口数据聚合	15-30分钟	<10秒	90-180x
命令执行与结果收集	3-5分钟/次	<2秒/次	90-150x
重复任务批量执行	因任务而异	线性缩减	5-50x
错误排查与修复	10-30分钟	<30秒	20-60x

特色对比

对比维度	LLM助手中枢	传统手动方式	通用脚本工具
自动化程度	全流程自动	完全手动	部分自动
错误处理	内置错误恢复	依赖人工经验	基本try-catch
可复用性	参数化配置	一次性脚本	模板化
安全合规	内置安全检查	无安全保障	无安全保障
适用场景	分层分析分块,聚焦检索锚定,假设检测框架,结构化压缩,差异化比对。。针对商业、法	通用场景	通用场景

能力矩阵

• 自动化执行: 分层分析分块,聚焦检索锚定,假设检测框架,结构化压缩,差异化比对。。针对商业、法律等高风险长文档的长上下文推理优化器。提
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

能力一览

• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

上线流程

1. 配置API密钥: 在环境变量中设置对应的API Key
2. 初始化连接: 使用提供的凭证建立API连接
3. 调用接口: 传入必要参数执行API调用
4. 准备文件: 确认文件路径正确且格式受支持
5. 执行处理: 调用对应的处理函数
6. 查看结果: 检查输出文件或返回数据
7. 检查环境: 确认运行时和依赖已安装
8. 执行命令: 使用正确的参数格式执行
9. 查看输出: 检查命令输出和退出码

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

用户常见咨询

Q1: LLM助手中枢支持哪些输入格式？

A1: 分层分析分块,聚焦检索锚定,假设检测框架,结构化压缩,差异化比对。。提供分层分析（L0扫描→L1深度→L2聚焦。支持文本指令和结构化参数输入，具体格式参考使用流程章节。

Q2: 需要配置API Key吗？

A2: 是的，部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求，并通过环境变量安全配置。

Q3: 命令行执行失败怎么办？

A3: 检查命令参数是否正确，确认运行环境支持exec能力。如遇权限问题，请参照错误处理章节排查。

LLM助手中枢通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

高频问答

异常恢复流程

针对LLM助手中枢使用中可能遇到的常见问题,提供以下排查方案:

错误类型	原因分析	解决方案
API认证失败(401)	API密钥错误或过期	检查密钥配置,重新生成token
接口限流(429)	请求频率超出限制	降低调用频率,启用重试退避策略
响应超时(504)	网络延迟或服务端负载过高	增加超时阈值,检查网络连接
文件不存在	路径错误或文件未创建	检查路径拼写,确认文件已生成
文件格式不支持	扩展名不在支持列表中	转换为支持的格式后重试
权限不足	当前用户无读写权限	检查文件权限,以管理员身份运行
命令执行失败	参数错误或环境依赖缺失	检查命令语法,确认依赖已安装
进程超时	命令执行时间过长	增加超时设置,优化命令参数
网络连接失败	DNS解析失败或防火墙拦截	检查网络配置,确认代理设置

功能介绍

• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

异常恢复指引

针对LLM助手中枢使用中可能遇到的常见问题,提供以下排查方案:

错误类型	原因分析	解决方案
API认证失败(401)	API密钥错误或过期	检查密钥配置,重新生成token
接口限流(429)	请求频率超出限制	降低调用频率,启用重试退避策略
响应超时(504)	网络延迟或服务端负载过高	增加超时阈值,检查网络连接
文件不存在	路径错误或文件未创建	检查路径拼写,确认文件已生成
文件格式不支持	扩展名不在支持列表中	转换为支持的格式后重试
权限不足	当前用户无读写权限	检查文件权限,以管理员身份运行
命令执行失败	参数错误或环境依赖缺失	检查命令语法,确认依赖已安装
进程超时	命令执行时间过长	增加超时设置,优化命令参数
网络连接失败	DNS解析失败或防火墙拦截	检查网络配置,确认代理设置

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent
• 操作系统: Windows / macOS / Linux

可用性分类

• 分类: MD（纯Markdown指令，通过自然语言驱动Agent完成操作）
• 说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent完成操作。