这里说的“issue spotting”是什么意思？
Issue spotting 是先找出哪些问题需要 deeper review，再决定法律到底要求什么。目标是发现 potentially relevant topics、conflicting facts、missing facts 和 jurisdiction-specific overlays，而不是把不完整的 fact pattern 直接变成一个很自信的 conclusion。
WAGE & HOUR COMPLIANCE AI
Wage & Hour Compliance AI 问题识别
AI 在这里真正有价值的地方，是让 review 更结构化，而不是假装自己可以做最终法律判断。
我已经构建了一组 Federal 与州级 Wage & Hour Compliance Issue Spotter AI Skills。它们的设计目标是 disciplined first-pass review：先确定 jurisdictional frame，再整理事实、识别 potential issues、列出 missing information，并把 reviewer 引向仍然需要验证的 authoritative sources。
发布于 2026 年 9 月 9 日Shuo (Danny) Zhang
核心问题
真正需要回答清楚的问题
为什么 jurisdiction 必须放在前面？
Wage-and-hour rules 可能同时受到 Federal、state 和 local layers 影响。如果一开始套 generic rule、最后才看 jurisdiction，很容易漏掉真正 governing overlay。更稳妥的顺序是先确定 worker 和 work 所在的 jurisdictional frame，再看哪些 rule layers 可能适用。
AI 在第一轮 compliance review 里适合做什么？
AI 很适合 categorize facts、对照 issue checklist、识别 missing inputs、整理 follow-up questions、summary source material，并让相似 matter 的 review process 更 consistent。
哪些事情 AI 不应该自己决定？
它不应该独立给最终 legal conclusion、替代 current authoritative sources、替用户解决 materially ambiguous facts，也不应该做 consequential employment decisions。这些步骤仍然需要合适的专业判断与 current law。
为什么要分 Federal Skill 和不同州的 Skill？
Federal baseline 很重要，但 state-specific workflow 可以把 jurisdictional overlays 明确放在表面，而不是隐藏在一个 generic prompt 里面。分开之后，rules 改变时 maintenance 和 freshness review 也更有纪律。
ORIGINAL OPERATING MODEL
Jurisdiction → facts → issue map → gaps → sources → human judgment
在构建多个 jurisdiction-specific issue spotters 的过程中，我越来越确定一个 practical point：最危险的错误往往不是“漏了一条 rule”，而是一开始就用了错误的 frame。所以 workflow 应该把 jurisdiction、worker relationship、time/pay facts、special overlays、missing evidence 和 source freshness 分成不同 review layers。
01
先确定 jurisdictional frame
先看 Federal、state 与相关 local layers，再套 generic rule set。
02
结构化 fact pattern
把 worker relationship、hours/time、pay practices、notices/records、deductions、termination facts 等分开。
03
建立 issue map
标出需要 deeper review 的 topics，但不把 flag 当成 conclusion。
04
主动暴露 missing facts
列出哪些事实会改变 analysis，而不是默认把它们补出来。
05
验证 sources 与 freshness
在依赖结果前检查 current authoritative law 或 agency material。
06
高影响判断继续由人负责
让 workflow 提高 review 质量，而不是绕过 professional responsibility。
COLLECTION
当前 Issue Spotter 系列
公开目录目前包括 1 个 Federal baseline 和多个 state-specific issue spotters。Catalog 页面记录当前 collection，并连接公开 marketplace listings。
Federal Layer
Federal baseline
围绕核心 wage-and-hour topics 做 FLSA-oriented first-pass issue spotting。
查看 →State Layers13 个州级 workflows
目前包括 California、Florida、Illinois、Indiana、Maryland、Massachusetts、Nevada、New Jersey、New York、Oklahoma、Pennsylvania、Tennessee 和 Texas。
查看 →Method HubAI Skills hub
这个系列怎样进入我更广泛的 reusable AI workflow 方法。
查看 →System DesignAI Agents 与工作流
Bounded compliance Skill 与 broader operational agent 有什么不同。
查看 →BOUNDARIES
必须明确的限制
- 本页与所链接的 Skills 用于 issue spotting 与 research support，不构成 legal advice。
- Marketplace listings 和 statutory rules 都可能变化；依赖结果前应验证 current authoritative sources。
- Skill 不能解决用户没有提供的 facts，应该标记 missing information，而不是自己补。
- Jurisdiction-specific workflows 可以减少 genericity，但不能消除检查 Federal/state/local interaction 与 current law 的必要性。
RELATED TOPICS
继续进入完整系列
可以从 catalog 查看当前 Federal + 13-state Skill inventory，也可以横向进入更大的 AI workflow architecture。