劳动法理论 v1.0 · AI 讨论版（事实型精简）

定位：单文件、事实型、低 token。让 AI 推理的部分（金句、比喻、价值判断、"为什么"）一律删除，只保留 法条 / 数字 / 表格 / 框架 / 代码骨架。

使用方式：复制全文到 AI 对话，配合"识别 → 决策 → 工具"三步法使用。

v1.0 → v1.0-AI：~30 万 token → ~7 万 token（压到 23%）

§1 三条公理

公理 1：从属性

关系 vs 从属性：

灰区：平台用工 / 劳务派遣 / 外包 / 兼职

公理 2：倾斜保护（强制性规范不可约定放弃）

4 层次：

公理 3：生存优先

劳动报酬优先于：税收、普通债权、股东分红。

欠薪后果：

经济补偿金公式：补偿 = 月平均工资 × N

• N：满 6 个月算 1 年，不满 6 个月算 0.5 年
• N+1：代通知金
• 2N：违法解除赔偿金

元规则

用人单位是规则制定者 → 承担更多举证责任；员工是规则接受者 → "弱势推定"保护。

§2 四要素识别法

主体 → 从属性 → 行为 → 时点

主体

• 劳动者：年满 16（特殊 14，需监护同意）；可有学生 / 退休返聘 / 外国人（有许可）；不可有公务员 / 事业单位 / 军人 / 家庭保姆
• 用人单位：营业执照 / 法人；可有 个体户 / 民非 / 社团；特殊 派遣公司需许可证

从属性：12 证据点（任 3 项即推定）

人格（8）：上下级 / 排班 / 请假 / 工作内容 / 地点 / 时间 / 制度 / 绩效

经济（4）：月发 / 单一雇主 / 工资标准 / 奖惩影响

组织（6）：工号 / 工牌 / 考勤 / 架构 / 培训 / 社保

反向证据（不影响劳动关系）：签了"合作协议" / 在家办公 / 按件计酬 / 无打卡。

行为：8 大类

时点：5 个

3 个 1 个月：

1. 入职 1 月内必须签合同（否则双倍工资）

2. 解除前 1 月通知（否则 +1）

3. 争议 1 年内申请（仲裁时效）

4 要素流程图

[用户输入] → 主体 → 从属性（强？）→ 行为 → 时点 → 识别完成
            └─ 不是劳动？→ 终止
            └─ 弱从属性？→ 劳务/承包

§3 四把刀 + 1 条底线

刀 1：基准线（4 不得低于）

加班费：

计算基数：月工资 ÷ 21.75 ÷ 8 × 倍数 × 加班小时

刀 2：解雇保护（3 道闸）

事由 + 程序 + 补偿 = 合法。任一不通过 = 违法 = 继续履行 或 2N。

§39 过错性解除（无补偿）：

• 试用期不符合录用条件
• 严重违反规章制度
• 严重失职/营私舞弊/重大损害
• 同时与其他单位建立劳动关系（经拒不改正）
• 欺诈/胁迫订立合同致无效
• 被追究刑事责任

§40 非过错性解除（N+1）：

• 医疗期满不能从事原工作也不能从事新安排
• 不能胜任工作（经培训或调岗后仍不能）
• 客观情况重大变化（协商不成）

§41 经济性裁员（30 天前向工会说明 + 报告劳动部门）：

• 重整 / 严重困难 / 转产重大技术革新 / 客观经济情况重大变化

不可解雇的 12 种情形（§42）：

1. 未做离岗前职业健康检查

2. 疑似职业病诊断/观察期

3. 患职业病或因工负伤丧失/部分丧失劳动能力

4. 医疗期内

5. 三期（孕期/产期/哺乳期）

6. 连续工作满 15 年 + 距退休 < 5 年

7. 法律法规其他

8. 工会工作人员履职期

9. 职工代表履职期

10. 集体协商代表履职期

11. 申请仲裁/诉讼期

12. 年假/婚假/丧假期

经济补偿计算：

• N = 工作年限（满 6 月算 1 年；不满 6 月算 0.5 年）
• N+1 = 代通知金
• 2N = 违法解除赔偿金
• 月工资 = 解除前 12 月平均

刀 3：集体协商

• 工会（§2）
• 集体合同（§51-56）→ 报劳动部门，15 日内未异议生效
• 罢工权：法律未明确

效力：集体合同约定条件高于个人合同，按集体合同。

刀 4：争议解决

调解（企业内/人民/工会）→ 仲裁（必前置）→ 诉讼

仲裁 5 事实：

一裁终局 vs 起诉：

• 劳动者：可起诉
• 用人单位：仅特定情形（证据不足/隐瞒事实）可申请撤销

1 条底线：生存优先

劳动报酬在任何情形下（破产/清算/欠税/欠债）优先于其他债权。

4 把刀调用顺序

基准线 → 解雇保护 → 集体协商 → 争议解决
                              ↓
                       任何时候都适用：生存优先

§4 11 个典型场景

场景 1：超 1 月未签 = 每月 2 倍工资（最高 11 月）；超 1 年 = 视为无固定期限合同。

场景 2：

场景 3：

• 奋斗者协议无效
• 月加班 ≤ 36h
• 工作日延时 1.5x、周末 2x、节假日 3x

场景 4：末位 ≠ 不胜任；不胜任需"经培训或调岗"两步；缺一 = 违法 = 2N。

场景 5：合理性 4 要素——业务必要 / 薪资不降 / 地点合理 / 不侮辱。任一不满足 = 违法。

场景 6：

• 已归属：可主张兑现
• 未归属：合同约定优先；显失公平可撤销

场景 7：

• 主体：高管/高技/其他保密人员
• 范围：行业 + 地域 + 时间（必要范围内）
• 期限：≤ 2 年
• 补偿：≥ 离职前 12 月平均 30%（或合同比例）
• 未付补偿：员工可单方解除

场景 8：

• 申报：单位 30 日 / 员工 1 年
• 认定：劳动行政部门
• 鉴定：劳动能力鉴定委员会
• 待遇：医疗期原工资；停工留薪 ≤ 12 月；按伤残等级

无过错责任（员工自残/自杀/吸毒/犯罪除外）。

场景 9：

• 产假：98 天 + 各地奖励假（30-90 天）
• 哺乳期：每天 1 小时
• 绝对禁解
• 调岗降薪违法

场景 10：

• 6 种：调冷板凳 / 取消门禁 / 收电脑 / 排挤 / 撤权 / 暗示辞职
• 不主动辞职，收集证据 → "被迫离职" = N

场景 11：

• 派单 + 定价 + 罚款 + 评分 = 强从属性
• 实质从属性 = 劳动关系（合作协议/个体户协议无效）
• 司法两步：(1) 有无从属性 (2) 强弱

§5 Agent 工作流（识别 → 决策 → 工具）

3 步法

[输入] → Step1 识别（11 场景分类）→ Step2 决策（评级+法条）→ Step3 工具（证据+话术+程序）→ [输出]

Step 1：识别指纹

3 必问：(1) 对方是谁 (2) 什么阶段 (3) 最想要什么

Step 2：决策（5 输出字段）

1. 场景定位

2. 风险评级（🔴/🟡/🟢）

3. 核心法条

4. 最坏/最好结果

5. 下一步（行动/收集/暂缓/找律师）

反例警示：

• 形态模糊 → 回到 4 要素
• 多重场景 → 拆分为多个
• 事实不清 → 主动追问
• 超出劳动法 → 转人工

Step 3：工具

11 场景工具对照：

反例警示：

• ❌ 跳过识别直接给建议
• ❌ 把所有问题推给律师
• ❌ 超出劳动法范围硬给

代码骨架

class LaborLawAgent:
    def __init__(self):
        self.classifier = SceneClassifier()  # 11 场景指纹
        self.decision_engine = DecisionEngine()  # 风险评级
        self.toolbox = ToolBox()  # 证据/话术/程序
    
    def handle(self, user_input: str) -> dict:
        scenes = self.classifier.classify(user_input)  # 关键词匹配
        if not scenes: return {'status': 'unmatched'}
        top = scenes[0]
        decision = self.decision_engine.decide(top['scene_id'])
        return {
            'scene': top,
            'decision': decision,
            'evidence': self.toolbox.get_evidence(top['scene_id']),
            'dialogue': self.toolbox.get_dialogue(top['scene_id']),
            'procedure': self.toolbox.get_procedure(top['scene_id']),
        }

§6 未来演进

AI 替代 3 层次

平台用工 2.0：算法管理

4 把刀挑战：基准线（监管难）/ 解雇（举证在平台）/ 集体（骑手无组织）/ 争议（需算法解释权立法）

远程跨境

• 实际工作地法律适用
• 社保：双边协定义务
• 税务：避免双重征税
• 工时 / 解雇：取最严

跨境外包风险：识别"独立管理证明"——承包方对员工有管理权？独立承担风险？员工报酬由谁决定？

数字游民

3 个问题：合同国？纳税国？社保？

签证对照：

3 空白：数字游民定义 / 跨境灵活就业法 / 全球最低劳动标准

平台用工国际对照

欧盟推定标准 5 中 2：

1. 平台定报酬水平

2. 平台指挥工作过程

3. 平台电子监督

4. 平台限制接单自由

5. 平台限制组织自由

§7 关键事实速查

1 年时效 3 个

• 争议 1 年
• 解除前 1 月通知
• 入职 1 月内签合同

3 个 1 个月

• 入职 1 月内（双倍工资）
• 解除前 1 月（代通知金）
• 争议 1 年（仲裁时效）

4 不得低于

• 最低工资
• 工时上限
• 休假
• 社保

3 道闸

• 事由
• 程序
• 补偿

5 个时点

• 入职前
• 1 月内
• 试用期
• 履行中
• 解除/终止

8 大行为

• 招聘 / 合同 / 报酬 / 工时 / 社保 / 调岗 / 解除 / 争议

12 不可解雇

• §42 (1)-(6) + 工会 / 职工代表 / 集体协商 / 仲裁诉讼 / 年假婚假丧假

12 证据点

• 人格 8 + 经济 4 + 组织 6（任 3 推定）

11 场景

• 合同 / 试用 / 996 / 末位 / 调岗 / 股权 / 竞业 / 工伤 / 三期 / 软暴力 / 平台

5 风险等级

• 🔴 红线（4 类）：合同/996/末位/三期
• 🔴 红线（5 类）：工伤 / 软暴力
• 🟡 黄线（6 类）：试用/调岗/股权/竞业/平台

4 把刀

• 基准线 / 解雇保护 / 集体协商 / 争议解决

1 条底线

• 生存优先

3 步法

• 识别 → 决策 → 工具

3 公理

• 从属性 / 倾斜保护 / 生存优先

4 要素

• 主体 / 从属性 / 行为 / 时点

3 优先级

• 4 把刀切不中 → 身份识别错
• 4 把刀都切中 → 用最强的一把
• 风险 = 🔴 → 立即行动

§8 配套 Agent 工作流

# 简化版：把上面的工具表转成 Python
FINGERPRINTS = {
    'no_contract': ['没签合同', '签了空白合同', '入职没合同'],
    'probation': ['试用期', '试用期解除', '试用期工资低'],
    'overtime': ['996', '奋斗者', '加班没加班费', '周末加班'],
    'pip': ['末位', '末位淘汰', '考核排名'],
    'transfer': ['调岗', '调薪', '调部门', '调城市', '降职', '降薪'],
    'equity': ['期权', '限制性股票', '股权', '回购'],
    'noncompete': ['竞业', '竞业限制', '竞业补偿'],
    'injury': ['工伤', '受伤', '职业病', '上下班途中'],
    'maternity': ['怀孕', '产假', '哺乳期', '三期'],
    'softforce': ['软暴力', '排挤', '冷板凳', '取消门禁'],
    'platform': ['外卖', '滴滴', '骑手', '网约车', '主播', '平台'],
}

DECISIONS = {
    'no_contract': {'risk': '🔴', 'law': '§10、§82', 'pay': '2 倍月工资 × 11 月'},
    'probation': {'risk': '🟡', 'law': '§19、§39', 'pay': '2N（违法）'},
    'overtime': {'risk': '🔴', 'law': '§36-44', 'pay': '1.5/2/3 倍加班费'},
    'pip': {'risk': '🔴', 'law': '§40', 'pay': '2N（违法）'},
    'transfer': {'risk': '🟡', 'law': '§35', 'pay': '差额 + N'},
    'equity': {'risk': '🟡', 'law': '合同+公司法', 'pay': '市场价'},
    'noncompete': {'risk': '🟡', 'law': '§23-24', 'pay': '已付补偿'},
    'injury': {'risk': '🔴', 'law': '工伤条例', 'pay': '工伤待遇'},
    'maternity': {'risk': '🔴', 'law': '§42', 'pay': '2N 或恢复'},
    'softforce': {'risk': '🟡', 'law': '§38、§46', 'pay': 'N（被迫）'},
    'platform': {'risk': '🟡', 'law': '从属性', 'pay': '视具体'},
}

def classify(s):
    matches = []
    for k, kws in FINGERPRINTS.items():
        score = sum(1 for kw in kws if kw in s)
        if score > 0: matches.append((k, score))
    matches.sort(key=lambda x: -x[1])
    return matches[:3]

def decide(scene):
    return DECISIONS.get(scene, {'risk': '?', 'law': '?', 'pay': '?'})

v1.0-AI 创建时间：2026-08-03

源文件：v1/0.md ~ 6.md + v1/new/1.md ~ 6.md

总大小：约 25KB（v1 原 193KB → 压到 13%）

估算 token：约 3.5 万（v1 原 30 万 → 压到 12%）

配套入口：ai-discussion.html