一个人 + AI = 财务审计团队

主题

第31课 · 实战：让 AI 给你做一个法规查询 Skill ​

小黑一手拿放大镜查法规时效，一手从法规库往下拽 Word 文件，背后两个数据库水龙头自动切换

本节要点 ​

  • 承接第 30 课：上一节装好了 Playwright（给 AI 装了「手」），这一节就真刀真枪用它干一件活——做一个能批量查法规、下法规的 Skill
  • 真实痛点：审计报告、合规底稿里引用的法规，常常抄了已废止的旧版本（比如《民法总则》早被《民法典》废止）——这个 Skill 直接查官方库，告诉你「有效 / 已废止 / 现行版本是哪个」
  • 核心心法：小步快跑——别一上来让 AI 搞个大而全。先做通「查一个法规有没有效」这一个功能，跑通了再加下载、加批量、加规章库兜底
  • 核心心法：抓包一次，固化成脚本——让 AI 用浏览器抓一次包分析 API，写成 Python 脚本，以后不用再开浏览器，又快又稳
  • AI 能干你不会的活：规章库的动态加密认证（RSA），让 AI 逆向 JS 算法自动生成，零人工配置
  • 成品可以直接用：课程网盘里我会把这个 Skill 打包发给大家，装上就能用

1. 承接：装好了工具，该用它干真活了 ​

第 30 课我们花了一节课装 Playwright——让 AI 学会操作浏览器。但装工具不是目的，用它解决实际问题才是。

这一节就带你从头做一个真实的 Skill：法律法规查询。

为什么选这个案例？因为它正好命中 AI 操作浏览器的黄金场景——

  • 数据在网页里（国家法律法规数据库），AI 默认拿不到
  • 要批量（审计一份报告可能引用几十条法规，一条条手工查会疯）
  • 有固定套路（查 → 判断时效 → 下载原文），适合固化成脚本
  • API 公开可调（属于第 30 课讲的「路线二·第一档：直接调数据 API」，最快最省）

💡 如果你还没装 Playwright，先回去看第 30 课装好，再回来跟这一节。

2. 先看成品：这个 Skill 能干什么？ ​

跟着做之前，先看看我们要做出来的东西能干啥——这样你心里有数，知道每一步在朝哪走。

三个核心能力 ​

① 查法规时效性（最高频）

告诉它一个法规名，它直接查官方库，告诉你：

  • 现在是有效 / 已废止 / 已修改 / 尚未生效
  • 如果废止了，现行替代版本是哪个
  • 施行日期、制定机关、原文链接

② 批量查 + 批量下载

丢给它一个 Excel（里面一列法规名），它一次性：

  • 批量判断有效性，输出一个带颜色标记的 Excel（绿=有效 / 红=废止 / 黄=修改 / 蓝=尚未生效）
  • 批量下载法规原文（Word / PDF），存到一个文件夹

③ 双数据源自动兜底

  • 先查国家法律法规库（flk.npc.gov.cn，人大官方，管法律/行政法规/地方性法规）
  • 查不到自动 fallback 到国家规章库（gov.cn，管部门规章/地方政府规章——审计常见的「管理办法」「实施细则」多半在这里）

为什么审计特别需要这个

审计报告和底稿里会大量引用法规作依据。一个常见且严重的错误：引用了已废止或被修订的旧版本。《公司法》经历过 1993/1999/2004/2013/2018/2023 多次修订，《民法总则》已被《民法典》废止——抄错版本，报告专业性打折扣，甚至结论都是错的。

手工一条条去官网查？几十条法规查下来半天就过去了。这个 Skill 批量跑，几分钟搞定。

一个真实的合规场景 ​

视频里我演示的就是一个典型的合规性评价项目——手上一堆制度对应的法规，要逐条核实「这条法规现在还有效吗，原文下载下来核对」。直接丢 Excel 给 Skill，它批量查、批量下，输出结果文件。这就是把重复劳动自动化的一个实例。

3. 核心思路：抓包 → 固化 → Skill ​

动手前，先把第 30 课讲的心法在这个真实案例上落一遍。

回顾第 30 课的「固化三档」：

档次做法效率
① 直接调数据 APIAI 分析请求发现有数据接口，直接调，拿 JSON⭐⭐⭐ 最快
② Playwright 脚本AI 录制操作流程写成脚本，运行时还是模拟点击⭐⭐ 中等
③ 封装成 Skill把脚本做成 Skill，放进 scripts 文件夹，AI 直接调用⭐ 可复用

这个法规查询 Skill，走的就是**「① + ③」的组合**：

  1. 抓包：让 AI 打开浏览器，操作一次（搜一个法规、看详情、点下载），同时分析背后的网络请求
  2. 固化：AI 把分析出来的 API（搜索/详情/下载三个接口）写成 Python 脚本，用 curl 验证脚本可以独立运行，不依赖浏览器
  3. 封装：把这个脚本做成 Skill（AI 会自动创建好对应的 Skill 文件夹，你不用管它放哪），以后 AI 遇到「查法规」的需求，直接调用，不用从头分析

💡 关键认知：抓包只需要一次。AI 抓通了一次，把 API 规范写进 Skill 的 reference 文档，以后再调用，连浏览器都不用开，直接请求 API——又快又稳又便宜。这正是「先让 AI 帮你跑通，再固化为确定性脚本」的落地。

4. 第一条心法：小步快跑，别一上来搞大而全 ​

这是本节课最重要的一条经验，也是新手最容易踩的坑。

很多人第一次让 AI 做 Skill，恨不得一句话把所有需求都塞进去：

「帮我做一个能查法规、判断有效性、批量下载、还能查规章库、还要带界面的 Skill」

结果 AI 往往做不出来，或者做出来一堆 bug——需求越模糊，AI 越懵。

正确做法是小步快跑：

第一步：先做通「查一个法规是否有效」这一个功能
   ↓ 跑通了
第二步：加上「下载原文」
   ↓ 跑通了
第三步：加上「批量处理」
   ↓ 跑通了
第四步：加上「规章库兜底」

哪怕第一步只是「AI 能打开浏览器」也是一个胜利。视频里我就是这么干的——最开始只让 AI 做最简单的一件事：确认一条法规有没有效。跑通了，再一点点加。

不要上来就给一个又大又模糊的需求

「做一个能干XX的Skill」这种笼统需求，AI 是做不好的。把任务拆细，一个功能一个功能地加，每一步都在上一步跑通的基础上推进——这是调教 Skill 最有效的方式。

5. 实操第一步：把需求讲清楚（复制这段话） ​

新建一个会话，把下面这段话完整复制给 AI（OpenCode / Claude Code 都行）：

text
这是国家法律法规库的网址：https://flk.npc.gov.cn/advanceSearch

我希望你能帮我做一个 Skill，能够：
1. 进行法律法规查询
2. 下载法规原文文件
3. 判断法规是否有效

我希望后面能够一步一步地操作，不要一次性做完。
你可以创建 Skill 的时候以 Skill Creator 这个规范进行创作。

首先你可以打开这个网址，然后查询一个法律法规，
先实现「判断这个法规是否有效」这一个功能。
做好了我们再进行后面的功能。

我希望你在用浏览器操作的过程中能够抓包分析，
分析了过后，能够写成脚本，在 Skill 里面去调用——
这样不用每次都打开浏览器去操作。

浏览器请直接使用我电脑已安装的浏览器。

这段话里藏了三个关键要求 ​

① 「一步一步操作，不要一次性做完」

就是上面讲的小步快跑。明确告诉 AI：先做「查有效性」，跑通再加别的。

② 「抓包分析，写成脚本，不用每次开浏览器」

这句话非常关键。它告诉 AI：不要每次都去实时操控浏览器（又慢又贵），而是抓一次包，把 API 固化成脚本。这就是第 30 课讲的「路线二·固化」。

③ 「以 Skill Creator 规范创作」+「用已安装的浏览器」

  • Skill Creator 是 Anthropic 出的 Skill 标准规范（第 10 课讲过的「神级必装 Skill」），让 AI 遵循它，做出来的 Skill 就是通用规范的
  • 「用已安装的浏览器」——避免 AI 又去傻乎乎在线下载 Chromium 卡半天（第 30 课讲过的坑）

6. AI 会怎么干？（看懂它的工作流） ​

把需求发出去后，AI 会按这个流程走。你不用懂每一步，但看懂它在干嘛，能帮你判断它有没有跑偏。

Step 1：读 Skill Creator 规范 ​

因为你提了「以 Skill Creator 规范创作」，它会先去读这个规范，搞清楚一个标准的 Skill 该长什么样（目录结构、SKILL.md 怎么写、脚本放哪）。

Step 2：打开浏览器，抓包分析 ​

它会启动浏览器（用你电脑已装的 Edge / Chrome），打开法规库的高级检索页，然后：

  • 搜索一个法规，同时分析背后的网络请求（以前我们得自己按 F12、刷新、看请求——门槛不低）
  • 打开详情页，找下载按钮，分析详情和下载的请求
  • 找出关键字段：时效性代码 sxx、失效标志、OSS 文件地址、历史沿革、正文……

💡 AI 抓包比人工 F12 强在哪？门槛低。以前你得懂点爬虫知识才能看懂请求，现在 AI 替你看、替你分析，找到有用的字段。有些字段（比如 sxx、OSS 文件）你可能自己都不知道是干嘛的，AI 会自己琢磨出来。

Step 3：用 curl 验证脚本可独立运行 ​

抓到 API 后，AI 不会傻乎乎继续开浏览器，而是用 curl 命令验证这些 API 可以脱离浏览器独立调用。curl 就是一个模拟网络请求的命令行工具——它能跑通，说明这个 API 可以直接用脚本调，不用每次开浏览器。

视频里 AI 抓到了三个 API：搜索、详情、下载。验证通过后，它就关掉浏览器，进入「写脚本」阶段。

Step 4：写成 Python 脚本 ​

AI 把抓到的 API 封装成一个 Python 脚本（flk_law.py），提供 search / status / detail / download 这些命令。

Step 5：写 reference 文档 ​

这一步很重要但容易被忽略。AI 会把抓到的 API 规范（请求地址、参数、字段含义）写成一份 references/api.md 参考文档，放进 Skill 里。

为什么要写这个？ 因为以后 AI 调用这个 Skill，不是从零开始——它直接读这份文档，就知道 API 怎么调，具备了这个能力。这也是我们写 Skill 的核心目的：把跑通的能力固化下来，下次直接复用。

7. 实操第二步：给测试数据，让它跑通 ​

第一步 AI 把「查一个法规有效性」做出来后，给它一份测试数据，跑批量验证。

我准备了一个 Excel，里面列了 10 条法规名称（课程练习文件里有，你也可以自己列）。把这个 Excel 发给 AI，让它：

text
这个 Excel 里面有 10 个法律法规的名称，你可以用来进行测试。
请批量查询它们的有效性，并输出一个结果文件，同时下载这些法规的原文。

AI 会读取这个 Excel，调用刚写好的脚本批量查。

这一步的验收点 ​

视频里 AI 跑完，10 条法规：

  • 全部在法规库找到
  • 生成了一个「有效性查询结果」Excel（标注了每条是有效/废止/修改）
  • 批量下载了法规原文（Word 文件，存到一个文件夹）

跑通这一步，说明核心能力已经成型。

8. 实操第三步：发现 bug，让它自己修 ​

这是调教 Skill 的关键环节，也是视频里非常真实的一段。

AI 抓包写脚本，不是一蹴而就的——会出错，需要调整。视频里出现了两个真实问题：

问题一：8 个成功，2 个超时 ​

批量跑 10 条法规时，有 2 条下载超时失败。这是网络偶发问题。

怎么修：告诉 AI 给脚本加超时重试机制。

text
批量下载时有偶发超时，请给脚本加上重试机制，让它更健壮。

AI 会给脚本加上「失败重试 3 次」之类的逻辑，覆盖网络抖动。

问题二：全文检索字段名写错了 ​

AI 第一次写的全文检索脚本，用的字段名是 fulltext，结果跑不通——查不到数据。

怎么修：AI 自己重新打开浏览器，再次抓包确认，发现真实的字段名是 content 不是 fulltext。改对之后验证通过，再回去修正脚本。

💡 这段演示非常关键，它说明一个事实：AI 抓包写脚本不是一次成型的。它会出错，有些时候它自己能发现并调整，有些时候需要你协助。不要指望发一句话它就完美交付——给它测试数据，让它跑真实场景，跑出问题就让它修，这才是正确的协作方式。

9. 实操第四步：加新功能——规章库兜底 ​

核心功能跑通后，进入「小步快跑」的下一步：加规章库。

为什么需要规章库 ​

国家法律法规库（flk.npc.gov.cn）只收录法律、行政法规、地方性法规——这些是人大立的法。

但审计里经常遇到的「管理办法」「实施细则」——比如《会计师事务所执业许可和监督管理办法》《会计档案管理办法》——这些是国务院各部委或地方政府制定的规章，不在人大法律库里，要去国家规章库（gov.cn）查。

我希望这个 Skill 不用我手动判断「该查哪个库」——先查法律库，查不到自动去规章库兜底。

一句话把新需求给 AI ​

等上一个任务跑完，把新需求发给它：

text
这是我给你的国家规章库网址：
https://www.gov.cn/zhengce/xxgk/gjgzk/index.htm?searchWord=

里面可以查询部门规章和地方政府规章。
我希望这个 Skill 不只能查国家法律法规，还可以查这个规章库——
如果在国家法律法规库查不到，就自动到规章库里面去查。

请你：
1. 先打开规章库网址，搜索一些规章，探查它的 API
2. 把这个功能集成到 Skill 里

AI 遇到的硬骨头：动态加密认证 ​

规章库不像法律库那么好抓——它的请求带一个 appkey 认证参数，而且每次都不一样（动态生成）。

视频里这一段很有意思：

  1. AI 先分析这个 appkey 是固定的还是动态的——确认是动态的
  2. AI 换策略：直接去读网站的 JavaScript 源码，定位生成 appkey 的算法
  3. 找到核心逻辑：是一段 RSA 加密代码，每次密文不同，但服务端能解密验证
  4. AI 用 Python 把这个加密算法实现出来，生成的 appkey 和网站返回的一致——算法完全逆向成功

💡 这段演示是本课的高光时刻。RSA 逆向这种活儿，说实话让我自己写爬虫我也搞不出来——太深入了。但 AI 能干。这就是用 AI 的一个重要价值：它能实现我们自己不会的能力。你只需要把需求说清楚，剩下技术细节交给它。

让 Skill 尽量全自动

我额外给 AI 提了一个要求：

「如果有认证信息，希望这个 Skill 能自动获取认证，不需要人去操作。」

做 Skill 的原则：能全自动就全自动，尽量少的人为操作。有些网站要登录才能抓，也可以让 AI 打开浏览器，你手动登录一次（扫码/验证码），它把登录后的 cookie 存下来，后面继续操作。

10. 实操第五步：把新能力固化进 Skill ​

规章库跑通后，最后一步是把这些新能力更新进 Skill——否则下次调用还是只有法律库的能力。

把这句话发给 AI：

text
批量查询功能，以及刚刚你所做的这些修改，
看是不是需要更新 Skill，把批量查询的脚本也保存到 Skill 里面去。

另外，我希望「查询法规有效性」和「下载原文」这两个功能做个区分——
因为经常我们只需要做其中一件事。

最后这一句「做个区分」很实用——审计时常常只想批量核实有效性（写报告前），或者只想批量下载原文（存档用），不需要两个都跑。AI 会把脚本设计成两个独立命令，按需调用。

让 Skill 能自我迭代 ​

你还可以加一条长期规则：

text
我希望这个 Skill 以后有任何修改，可以进行自我迭代——
把后面的修改记录到 Skill 里，让它具备这些记忆和能力。

这样以后你发现 Skill 有缺陷让它修，它会自动把改进写回 Skill 文件，能力越来越强。

Skill 名字也能改 ​

AI 第一次生成的 Skill 名字可能不好记（视频里它取名 flk-npc-law），你可以让它改：

text
帮我把这个 Skill 的名称改成 china-law-search。

Skill 名字本质就是个文件夹名，改起来很方便——直接告诉 AI「把名字改成 XX」就行。你不用关心这个文件夹具体存在哪，不同 AI 工具（OpenCode / Claude Code / Codex）的存放位置不一样，AI 自己知道该放哪、该去哪找。

11. 重要：测试要新开窗口（别在当前会话测） ​

这是一个容易踩的坑，视频里我特意强调了一下。

Skill 做完之后，不要在当前这个会话里测试。

为什么？因为当前会话有上下文——AI 记得刚才抓包的过程、记得 API 长什么样、记得脚本的逻辑。它在当前会话里「能跑通」，不代表 Skill 本身没问题——可能是它在靠上下文记忆硬撑。

正确的测试方法 ​

  1. 新开一个会话窗口（完全干净的上下文）
  2. 加载这个 Skill（让新会话能识别到它）
  3. 从 0 开始给它一个任务，比如：「查一下《公司法》现在还有效吗，下载原文」
  4. 看它能不能纯粹靠 Skill 的能力完成

这样测出来通过，才算 Skill 真正做好了。测出问题，回到原会话告诉它哪里不对，让它修。

💡 这条经验适用于所有 Skill 的开发：当前会话能跑通 ≠ Skill 没问题。一定要在新会话里、从零测试，才能验证 Skill 是不是真的具备了独立可用的能力。

12. 三个关键认知（本课总结） ​

视频最后我总结了三点，也是这一节最想传达给你的：

认知一：用已安装的浏览器 ​

装 Playwright 时第一句话就强调过——别让 AI 在线硬下 Chromium，优先复用电脑里已有的 Edge / Chrome。这一节做 Skill 时同样适用。

认知二：抓包一次，固化成脚本 ​

让 AI 用浏览器抓一次包，把 API 写成脚本。以后调用就不用再开浏览器——又快又稳又省 token。这是「路线二·固化」的核心。

认知三：小步快跑，别搞大而全 ​

不要一上来给一个又大又模糊的需求。把任务拆细，一个功能一个功能地加，每一步都在上一步跑通的基础上推进。视频里我先做「查有效性」，再加「下载」，再加「批量」，再加「规章库兜底」——一步步来，最后做出一个完整的 Skill。

13. 不一定要做成 Skill，也可以做成效率工具 ​

最后说一个延伸思路。

这个法规查询的能力，不一定非要做成 Skill。

  • 做成 Skill：交给 AI 管理，AI 遇到「查法规」自动调用——适合你自己长期用
  • 做成效率工具：带个界面（比如一个网页或小程序），双击就能用——适合发给不会 AI 的同事（比如团队里的其他审计员）

视频里我提到：如果你一开始的需求不是「做成 Skill」，而是「做成一个效率工具」，完全可以——同样是让 AI 抓包分析、写爬虫，只是最后包装成带界面的工具，而不是 Skill。

思路是一样的，只是落地形态不同。根据你的场景选：

形态适合优点
Skill你自己用、长期复用AI 自动调用，无缝集成
效率工具发给同事、给不会 AI 的人用双击就用，不依赖 AI 工具

14. 常见问题与避坑 ​

14.1 这个 Skill 做好了，我能直接用吗？ ​

可以。课程百度网盘里我会把这个做好的 Skill 打包发给大家——下载下来发给你的 AI 工具，告诉它「帮我把这个 Skill 装上」，它会自动放到正确的位置。装好重启 AI 工具，就能直接用。不用自己从头做，也不用你手动找目录。

自己做一遍是为了学会这套方法（抓包→固化→Skill），以后遇到别的网页抓取需求，你能套用同样的套路。

14.2 为什么我让 AI 做，它做不出来 / bug 很多？ ​

多半是需求给得太模糊。回顾本课第 4 节——小步快跑：先让它做通一个最简单的功能（哪怕只是「打开浏览器」），跑通了再加。不要一上来就「做一个能干XX的 Skill」。

14.3 AI 抓包分析得对吗？我怎么知道？ ​

给它测试数据跑真实场景。像视频里那样，丢 10 条法规的 Excel 让它批量查——跑对了说明抓包分析是对的；跑不对（比如字段名写错），让它重新抓包确认。真实数据是最好的验金石。

14.4 规章库的认证是动态的，AI 真的能自动搞定吗？ ​

视频里实测可以。AI 通过逆向网站的 JavaScript 源码，找到生成认证参数的算法（RSA 加密），用 Python 复现出来，零人工配置就能自动认证。这也是 AI 比人工写爬虫强的地方——它能搞定我们不太会的深层技术。

14.5 为什么要重启 AI 工具？ ​

和前面装 MCP / Skill 一样——新增或修改 Skill 后，AI 工具要重启才会重新加载。OpenCode 关掉窗口重开，Claude Code 用 /exit 退出再进。不重启，新 Skill 不会被识别。

14.6 这个方法能套用到别的网站吗？ ​

能。**「让 AI 抓包分析 → 固化成脚本 → 做成 Skill」**是一套通用套路。只要是数据在网页里、有固定查询逻辑的场景，都能套：

  • 查工商信息、下载附件
  • 查招投标信息
  • 从企业 ERP 批量导数据
  • 抓公开数据做分析

遇到这种活儿，套本课的套路：复制第 5 节那段指令，把网址和需求换一下，让 AI 给你做一个。

关键收获 ​

TIP

这一节我们用第 30 课装好的 Playwright，从头做了一个法律法规查询 Skill——能批量查法规时效、批量下载原文、法律库查不到自动兜底规章库、动态认证全自动。

三条心法记住，能套用到任何网页抓取场景：

  1. 小步快跑——别一上来搞大而全，先做通一个最简单的功能，跑通了再加
  2. 抓包一次，固化成脚本——让 AI 用浏览器抓一次包分析 API，写成脚本，以后不用再开浏览器
  3. 用已安装的浏览器——别让 AI 在线硬下 Chromium

两个进阶认知：

  • AI 能干你不会的活（比如逆向加密算法）——你只需把需求说清楚
  • Skill 要在新会话里测试——当前会话能跑通 ≠ Skill 真的没问题

成品 Skill 我会放在课程网盘，下载即用。但自己跟着做一遍，你掌握的就是「让 AI 给你做任何网页抓取工具」的通用能力。

更多课程：课程大纲

© 2025 逆行的狗