违章申诉证据包生成

技能简介

该技能将事故或停车罚单（PCN）的原始信息转化为完整的证据包，包含经理简报、事件时间线、申诉函草稿、整改措施及后续跟踪监控表。

业务背景

车队或物流运营中，停车罚单（PCN）申诉耗时且易遗漏关键证据。该技能将散落的CCTV、照片、行车数据等自动整合为标准化证据包，帮助管理人员快速厘清事件经过、准备合规申诉材料，并同步落实整改责任与跟踪机制，降低罚款损失和重复违规风险。

落地案例：某配送车辆因禁停时段卸货收到罚单。运营人员输入车牌号、驾驶员、现场照片、CCTV链接及送货单据后，系统自动生成带时间线的事件简报、可直接提交市政部门的申诉函Word稿，以及指定责任人两周内完成复查的整改计划表，全程无需手动整理格式。

能做什么

• 根据CCTV、照片、远程信息处理数据等证据生成结构化时间线
• 撰写符合事实的申诉函封面文档（可直接用于Word）
• 制定带责任人和复查日期的整改措施
• 输出Excel格式的跟踪监控表
• 生成面向管理层的简洁事件简报

使用说明

1. 确认请求类型：PCN申诉、内部事故，或两者兼有；若不明确则询问用户
2. 提供必需输入：日期/时间、地点、车牌号、驾驶员、违规指控内容、证据清单（CCTV链接、照片、远程信息数据、送货单据、往来邮件、门户截图）、申诉截止日期
3. 可选补充：现有时间线笔记、证人陈述、客户沟通记录、内部政策/SOP节选
4. 运行技能生成五份文档：经理简报、时间线、申诉函封面、整改措施、跟踪监控表
5. 如需修改已生成的材料，先询问用户确认

安装指令：无需安装，通过支持MCP协议的平台直接调用。

输入与输出

见下方输入与输出表格。

风险提示

• 禁止编造证据或预测结果
• 证据薄弱或矛盾时须标注为”待核实”并列出缺失项
• 关键日期/时间缺失时必须停止并询问用户
• 申诉函需保持事实陈述，避免推测性主张

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/kowl64/incident-pcn-evidence-appeal-corrective-actions-uk/SKILL.md
来源类型：GitHub仓库