name: element-complaint-filler slug: element-complaint-filler displayName: 要素式法律文书一键生成 version: 1.0.3 description: >- 要素式法律文书一键生成（起诉状/答辩状/强制执行申请书）。根据用户提供的原始材料， 自动提取信息并填入要素式模板。已内置两个模板：民间借贷-要素式起诉状、强制执行申请书-要素式起诉状。 如案由不同，需用户自行上传要素式模板（.docx）。 触发场景：(1) 用户要求填写要素式起诉状/答辩状/强制执行申请；(2) 用户提供了传统格式的法律文书； (3) 用户说"填入要素式表格""生成要素式文书"等。 推荐模型：DeepSeek V4 Pro。 author: 陆凌燕（北京德恒（无锡）律师事务所） license: MIT

Element Complaint Filler — 要素式法律文书一键生成

根据用户提供的原始材料（起诉状/答辩状 .doc/.docx 或文字描述）和要素式模板（.docx）， 自动提取关键信息并填入模板，生成可直接提交法院的要素式文书。

内置模板（references/）

以下两个模板已经过实战验证，其完整结构（每个 cell 的文字内容、样式、合并映射、字段坐标）记录在 references/ 中。用户不需要上传模板文件——AI 根据 references 中的信息直接用 python-docx 重建模板，再填入数据。

匹配方式：如果用户说"民间借贷起诉状"或"强制执行申请书"且没有上传模板文件，直接从 references 重建模板，不要求用户上传。如果用户上传了自己的模板文件，以用户上传的为准。如果案由不是以上两种，告知用户需要自行提供要素式模板。

模板积累机制：每次用户上传新模板并完成填写后，自动运行 inspect_template() 将结构 dump 和字段快查保存到 references/ 目录。下次同案由直接用，无需再次上传。references 目录就是用户的个人模板库，随用随长。

核心工作流程

第 0 步（新增）：安全拷贝 + 样式发现

永远不要直接修改原件。 先安全拷贝，再自动发现模板的字体和样式。

from fill_helpers import copy_template, discover_template_style

# 1. 安全拷贝
work_path = copy_template("/path/to/模板.docx")
# 返回: /path/to/模板_filled.docx

# 2. 自动发现样式
style = discover_template_style(work_path)
# 返回: {'font_name': '仿宋', 'style_id': '6', 'style_name': 'Table Text'}

# 3. 用发现的样式填充全局变量
import fill_helpers
fill_helpers.FONT_NAME = style['font_name']
fill_helpers.TABLE_TEXT_STYLE = style['style_id']

为什么这一步不能跳过：不同法院的模板使用不同的样式 ID（可能是 "5"、"7"、"8"），不同字体（方正书宋_GBK / 仿宋 / 宋体）。硬编码会导致字体错误。

第 1 步：读取原始材料

from fill_helpers import read_source
text = read_source("/path/to/起诉状.doc")

第 2 步：分析模板结构

from fill_helpers import inspect_template
print(inspect_template(work_path))  # 现在还会输出发现的样式信息

关注：模板是起诉状还是答辩状、每个表格的行列数、哪些 cell 是 ghost。

第 3 步：自动提取结构化信息（新增）

不再需要手工从原始文本中抠信息，使用内置解析器：

from fill_helpers import (
    parse_parties, parse_claims, parse_facts, detect_case_type
)

# 自动提取当事人信息
parties = parse_parties(text)
# parties['plaintiff'] = {'name': '张某', 'gender': '女', ...}
# parties['defendant'] = {'name': '李某', 'gender': '女', ...}

# 自动提取诉讼请求（按条拆分）
claims = parse_claims(text)
# ['判令被告向原告归还款项100,000元', '...']

# 自动提取事实与理由全文
facts = parse_facts(text)

# 自动检测案由
case_type = detect_case_type(text)
# '民间借贷'

第 4 步：编写填写脚本

使用 scripts/fill_helpers.py 的工具函数。核心规则（七个血的教训）：

1. 只写唯一 cell： python if not is_unique_cell(table, ri, ci): continue

2. 不涉及的部分加 "/"（cell_skip 已内置防误伤保护——如果 cell 已被填入实际数据，不会追加 "/"）： python cell_skip(table.cell(ri, ci))

3. 概要框直接粘贴原文： python cell_set(t2.cell(4, 0), claims_text.split('\n')) cell_set(t2.cell(17, 0), facts_text.split('\n'))

4. 出生日期用段落级替换： python cell_replace_para(cell, '出生日期：', '出生日期：1955 年 6 月 25 日')

5. 证据清单和调解意愿留空：不填、不打勾。

6. 一键填写当事人（支持自然人和法人）： python fill_natural_person(cell, parties['plaintiff']) fill_legal_entity(cell, company_data)

7. 字体统一： python ensure_font(cell) # 使用第 0 步发现的字体和样式

第 5 步：生成后核对

7w4.net小葱技能站，你的AI助手技能库。

生成 .docx 后，直接抽检关键字段，发现问题当场修。

from fill_helpers import validate_output
warnings = validate_output(work_path)  # 自动扫描遗漏

# 人工抽检关键字段
print(doc.tables[0].cell(2, 1).text)  # 原告
print(doc.tables[1].cell(1, 1).text)  # 被告
print(doc.tables[2].cell(5, 1).text)  # 本金
print(doc.tables[2].cell(6, 1).text)  # 利息

函数速查

模板操作

材料读取与解析

Cell 操作

验证

注意事项

• 模板优先：以用户提供的模板为准，不要假设字段位置
• 不臆造内容：原始材料没有的信息不要编造
• 保留原文：事实描述原文粘贴，不做 AI 改写
• 合并单元格陷阱：先 inspect_template 确认 ghost 映射再写
• 还款情况行：部分模板中该行数据区因垂直合并与"标的总额"共享 cell，可能无法独立填写
• 字体名字面≠渲染字体：XML 中的字体名（如"仿宋"）可能被 WPS/Word 映射到不同字体（如"方正书宋_GBK"），以 discover_template_style 实际返回值为准

强制执行申请书实战教训（补充规则）

以下规则来自强制执行申请书填写的翻车经验：

1. 优先 run 级替换，不要 cell_set 覆写已有内容的 cell。已有内容的 cell（如申请执行事项）有复杂的段落和 run 结构，cell_set 会把整个 cell 清空重写，丢失原模板格式。正确做法是遍历原有 run，只替换数值。

2. 性别勾选用 cell_gender，不要手动拼。部分字体（如仿宋）下 □ 和 ☑ 渲染完全一样，"男□ 女☑"会看起来像两个相同的框。cell_gender 把整行重写为单一 run"性别：女☑"，去掉未选项的 □。

3. ensure_font 只对新增内容调用。已有数据的 cell（如模板中已预填的姓名），其字体走的是样式继承，强制写显式字体会改变显示效果。只在 cell_set 覆写过的 cell 上调用 ensure_font。

4. 模板可能已预填数据。部分模板（如从法院系统导出的）已包含当事人信息、案号、判决主文等。先检查哪些字段已有值，只改需要改的，不要覆写已有正确数据。

5. 模板样式不统一。同一个模板中，不同 cell 可能使用不同 pStyle（如 Normal vs style 7）。inspect_template 输出的 [pStyle=X] 标注可以帮助识别。修改 cell 时不要改变其原有 pStyle。

这是一款专业度较高的法律文书工具，能自动将传统起诉状转换为法院标准格式，内置民间借贷和执行申请两个常用模板。文档非常详细，对各字段位置和处理规则标注清晰。但目前仅支持苹果电脑，且模板种类有限，其他类型的案子需要自己准备模板。总体而言，在要素式文书这个细分领域做得相当扎实。