Communitygithub.com

Compilador de Wiki para Despacho Jurídico

Compila conocimiento institucional de práctica de PI a partir de registros de actividad de FirmVault en una wiki estructurada de Obsidian utilizando la arquitectura de Base de Conocimiento LLM de Karpathy. Úsalo al añadir nuevos casos, recompilar, consultar o hacer linting de la wiki del despacho.

¿Qué es Compilador de Wiki para Despacho Jurídico?

Este skill sistematiza la construcción de una wiki institucional de conocimiento jurídico a partir de registros de actividad de FirmVault (exportados de FileVine). Sigue el patrón de 3 capas de Karpathy: fuente raw (registros de actividad inmutable) → compilador LLM → wiki estructurada en Obsidian. Está diseñado para agentes como Claude Code, Cursor o Codex, y se activa al importar nuevos casos desde hojas de cálculo de Excel, recompilar tras actualizaciones, consultar la wiki o ejecutar verificaciones de salud. Extrae los nombres de casos directamente del Excel para evitar falsos positivos por modificación de archivos, agrupa los registros por caso y fecha, y los convierte en archivos Markdown con metadatos YAML. Luego, mediante compilación en paralelo con subagentes, genera y actualiza artículos atómicos de conceptos y conexiones, con anonimización de datos personales y enlaces internos [[wikilinks]]. Finalmente reconstruye el índice maestro. Incluye estrategias de muestreo, detección de duplicados y un flujo para archivos múltiples. Es compatible con Obsidian y utiliza un esquema documentado en AGENTS.md.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ThomasMoreAI/legal-skills-open/tree/HEAD/us/personal-injury/skills/law-firm-wiki-compiler

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Compilador de Wiki para Despacho Jurídico?

Cuándo Usarlo

  • Añadir nuevos casos o archivos de casos antiguos a la wiki
  • Recompilar tras actualizaciones de registros de actividad
  • Consultar la wiki para obtener conocimiento institucional
  • Ejecutar verificaciones de salud/lint en artículos de la wiki
  • Generar skills de Hermes a partir de artículos de la wiki

Ingestión de Excel (Exportaciones de Actividad de FileVine)

Cuando Aarón envía una hoja de cálculo de Excel con registros de actividad de FileVine:

Formato esperado

  • Columnas de la hoja: Project Name | Note Text | Created At | (vacía)
  • Project Name = "NombreDelCliente TipoDeCaso MM/DD/YYYY" (ej., "Amy Stich WC 01/17/2024")
  • Note Text = notas de actividad en formato markdown (pueden contener enlaces de FileVine, tachados)
  • Created At = fecha y hora

Pasos de conversión

  1. pip install openpyxl si es necesario
  2. Cargar con openpyxl.load_workbook(path, read_only=True)
  3. Slugificar los nombres de los casos según las reglas de FirmVault (minúsculas, eliminar apóstrofes/comillas, & → y, no alfanumérico → guiones)
  4. Agrupar entradas por caso, luego por fecha dentro de cada caso
  5. Escribir en FirmVault/cases/<slug>/Activity Log/<YYYY-MM-DD>.md con frontmatter:
    schema_version: 2
    date: "YYYY-MM-DD"
    category: imported
    subcategory: settlement_activity_export
    
  6. Usar la etiqueta subcategory: settlement_activity_export para identificar posteriormente los casos importados desde Excel

Múltiples archivos en una sesión

Aarón a menudo envía varios archivos de Excel en secuencia. Procesa cada uno completamente (convertir → agrupar → compilar → reconstruir índice) antes de pedir el siguiente. El convertidor maneja la deduplicación automáticamente — si un directorio de caso ya existe, los nuevos registros se añaden; si ya existe un archivo de registro para esa fecha, se añade una sección "Entradas Importadas".

Referencia de tamaño (importaciones 2026-04-12)

  • Archivo 1 (settlement_1): 17,639 filas → 198 casos → 6,221 archivos de registro (13.7 MB)
  • Archivo 2 (settlement_2): 22,182 filas → 169 casos → 7,341 archivos de registro (12.9 MB)
  • Archivo 3 (settlement_3): 688 filas → 8 casos → 158 archivos de registro (pequeño)
  • Archivo 4 (closing): 9,363 filas → 125 casos → 2,924 archivos de registro
  • La conversión toma ~2 segundos por archivo
  • Detección de duplicados: comparar el recuento de filas + la primera/última fila para identificar reenvíos

Decisiones sobre tamaño de lotes

  • >50 casos: 3 subagentes en paralelo (dividir uniformemente por recuento de registros)
  • 10-50 casos: 1-2 subagentes según el volumen de registros
  • <10 casos: Un solo subagente con actualizaciones de artículos específicos solamente. NO debe leer todos los artículos existentes — apúntale a los 5-6 artículos más probables de actualizar. Establecer max_iterations=30 para evitar quedarse sin turnos en la lectura.

Script de convertidor reutilizable

Guardar en /tmp/convert_excel.py, cambiar la ruta para cada archivo nuevo. El script:

  • Usa openpyxl (pip install si falta)
  • Slugifica según las reglas de FirmVault
  • Agrupa por caso → fecha → escribe markdown con frontmatter
  • Reporta directorios de casos nuevos vs. actualizados

Arquitectura

Patrón de 3 capas de Karpathy: fuentes raw → compilador LLM → wiki estructurada

Capa 1: Raw (inmutable)
  cases/*/Activity Log/*.md  — 21K+ registros de actividad
  cases/*/*.md               — archivos de casos
  
Capa 2: Wiki (mantenida por LLM)
  wiki/
    Home.md          — panel de control de Obsidian
    index.md         — catálogo maestro
    log.md           — historial de compilación
    concepts/*.md    — artículos de conocimiento atómico (63 al 2026-04-12)
    connections/*.md — perspectivas transversales (26 al 2026-04-12)
    AGENTS.md        — esquema del compilador (la especificación)
    SPEC.md          — documento de arquitectura
    
Capa 3: Consumidores
  Skills semánticos de Hermes, agentes OpenClaw, Aarón a través de Hermes

Proceso de Compilación

Procesamiento por lotes (para casos masivos)

  1. Agrupar casos en lotes de ~80K tokens
  2. Delegar 3 lotes en paralelo
  3. Cada subagente lee AGENTS.md, artículos existentes, archivos de casos + registros muestreados
  4. Los subagentes ACTUALIZAN artículos existentes (evidence_count++) o CREAN nuevos
  5. NO permitir que los subagentes reescriban index.md (condición de carrera) — reconstruir después
  6. Reconstruir index.md a partir de todos los artículos en disco después de que todos los lotes terminen

Instrucciones clave para subagentes compiladores

  • Leer AGENTS.md para el esquema completo
  • Leer TODOS los artículos de conceptos + conexiones existentes ANTES de escribir
  • ANONIMIZAR todos los datos personales (usar "Caso A", "Caso B", etc.)
  • ACTUALIZAR existente > CREAR nuevo (mejorar la confianza es el objetivo)
  • Confianza: baja (<5 casos), media (5-9), alta (10+)
  • Usar [[wikilinks]] entre artículos
  • Añadir a log.md, NO reescribir index.md

Estrategia de muestreo

  • Casos grandes (400+ registros): primeros 40 + últimos 40 cronológicamente
  • Casos medianos (100-400): primeros 25 + últimos 25
  • Casos pequeños (<100): primeros 10 + últimos 10, o todos

Plantilla de prompt para subagentes

Compilador de Wiki para Despacho Jurídico. Leer /opt/data/FirmVault/wiki/AGENTS.md.
Leer artículos existentes en wiki/concepts/ y wiki/connections/.
Compilar casos: [LISTA]. Para cada uno: leer cases/<slug>/<slug>.md y
muestrear primeros N + últimos N registros de actividad. ACTUALIZAR artículos existentes
(incrementar evidence_count, subir confianza: 5=media, 10=alta).
CREAR nuevo solo para patrones genuinamente nuevos. ANONIMIZAR datos personales.
Escribir en wiki/. NO reescribir index.md. Añadir a wiki/log.md.

Adaptar prompts a la categoría de datos

Diferentes exportaciones de Excel contienen diferentes tipos de datos. Añadir una pista de enfoque:

  • Archivos de liquidación: "Enfocarse en: patrones de liquidación, tácticas de negociación, cronogramas de tratamiento, gestión de SOL, comportamiento del ajustador, resolución de gravámenes"
  • Archivos de cierre: "Estos son casos de CIERRE — buscar especialmente en: flujos de trabajo de cierre de casos, motivos de rechazo, desembolso final, archivado de expedientes, obligaciones posteriores al cierre, patrones de terminación de clientes"
  • Archivos de admisión: Enfocarse en incorporación, verificación de seguros, derivaciones de tratamiento inicial Esto mejora drásticamente la calidad de extracción de patrones.

Reconstrucción del índice

Siempre reconstruir index.md como un delegate_task separado después de que todos los lotes de compilación estén completos. Incluso para lotes pequeños. El subagente solo necesita analizar el frontmatter YAML de todos los archivos .md en concepts/ + connections/ y generar el índice según el esquema en AGENTS.md. Tarda ~60 segundos, max_iterations=15.

Bóveda de Obsidian

El directorio wiki/ ES una bóveda de Obsidian:

  • Configuración .obsidian/ con colores de grafo (azul=conceptos, naranja=conexiones)
  • Home.md como página de inicio
  • [[wikilinks]] usan nombres slug (NO con prefijo de ruta)
  • La vista de grafo muestra las interconexiones de los artículos

Reglas de Wikilink

  • Usar [[nombre-slug]] no [[concepts/nombre-slug]]
  • Obsidian resuelve por nombre de archivo, las rutas rompen los enlaces

Filtrado de Casos para Compilación

Dos enfoques — usar el archivo de Excel directamente (preferido) o escanear la bóveda:

Preferido: Extraer slugs del propio archivo de Excel

# Analizar Excel → obtener nombres únicos de Project → slugificar → agrupar
wb = openpyxl.load_workbook(path, read_only=True)
cases = Counter(str(r[0]).strip() for r in list(wb.active.iter_rows(values_only=True))[1:] if r[0])
slugs = [{"slug": slugify(name), "logs": count} for name, count in cases.items()]

Esto es preciso — solo compila lo que se acaba de importar.

Plan B: Escanear la bóveda por etiqueta de subcategoría

for slug in os.listdir(cases_dir):
    for logfile in os.listdir(log_dir):
        if "settlement_activity_export" in open(logfile).read(200):
            new_slugs.append(slug)
            break

NO usar filtrado basado en mtime — recoge todos los casos en la bóveda (incluyendo los antiguos cuyos directorios se tocaron durante la conversión).

Problemas Conocidos

  1. Subagentes paralelos causan condiciones de carrera en evidence_count — aceptar una variación de ±3
  2. No permitir que los subagentes reescriban index.md — reconstruirlo tú mismo después de todos los lotes
  3. Casos grandes (1000+ registros) deben truncarse — muestrear estratégicamente
  4. Los wikilinks con prefijos de ruta se rompen en Obsidian — eliminar concepts/ etc.
  5. El script compile.py genera prompts pero no llama al LLM directamente — usar delegate_task
  6. Algunos artículos referencian enlaces aspiracionales (artículos aún no creados) — está bien, se crearán a medida que se compilen más casos
  7. El escaneo de la bóveda basado en mtime no funciona para identificar casos "recién importados" — la conversión también toca directorios existentes. Siempre extraer la lista de casos del propio archivo de Excel.
  8. Los casos de cierre son en su mayoría rechazos, no cierres posteriores a la liquidación. El flujo de trabajo de rechazo/cierre recibe el mayor aumento de evidencia de los datos de cierre, no el flujo de desembolso de liquidación.
  9. Los lotes pequeños (<10 casos) agotan las iteraciones de los subagentes si se les pide que lean los 89 artículos. Apuntarles a artículos específicos en su lugar.

Flujo de Trabajo con Múltiples Archivos

Cuando el usuario envía varios archivos de Excel, convertir todos primero y luego compilar:

  1. Reutilizar /tmp/convert_excel.py — solo parchear el nombre de archivo para cada archivo
  2. Después de convertir todos, agrupar solo los casos NUEVOS (usar slugify + verificar existencia)
  3. Compilar en 3 lotes paralelos, luego reconstruir el índice una vez al final

Detección de Duplicados

El usuario puede enviar el mismo archivo dos veces (mismo nombre, ID de documento diferente). Comparar recuentos de filas + primera/última fila para detectar duplicados antes de convertir.

Tamaños de Importaciones

  • Archivo 1 (settlement_1): 17.6K entradas, 198 casos, 6.2K archivos de registro
  • Archivo 2 (settlement_2): 22.1K entradas, 169 casos, 7.3K archivos de registro
  • Archivo 3 (settlement_3): 688 entradas, 8 casos (pequeño — lote único)
  • Archivo 4 (closing): 9.3K entradas, 125 casos, 2.9K archivos de registro
  • Archivos 5-7 (archivados 2,3,4): 64.3K entradas, 692 casos, 21K archivos de registro Total ingerido: ~114K entradas, 1,170 casos, ~56K archivos de registro → 93 artículos de wiki

Agrupación Preferida

  • <20 casos: un solo subagente, sin agrupación
  • 20-300 casos: 3 subagentes en paralelo
  • 300 casos: 3 subagentes en paralelo con muestreo agresivo (primeros 10 + últimos 10)

  • Siempre reconstruir index.md DESPUÉS de que todos los lotes estén completos (nunca permitir que los subagentes lo toquen)

Problema: Filtrado basado en mtime no es fiable

No usar el mtime de los archivos para encontrar casos "nuevos" — convert_excel.py también toca archivos existentes. En su lugar, extraer los nombres de los casos directamente del Excel y slugificar para obtener la lista objetivo.

Archivos

  • FirmVault: /opt/data/FirmVault
  • Wiki: /opt/data/FirmVault/wiki/
  • Esquema: wiki/AGENTS.md
  • Convertidor: /tmp/convert_excel.py (parchear nombre de archivo entre ejecuciones)
  • Recuento de artículos: 65 conceptos + 28 conexiones = 93 total (al 2026-04-12)
  • Decisiones: /opt/data/FirmVault/decisions/ (ADR-000 al ADR-006)
  • Informe de auditoría: /opt/data/FirmVault/wiki/reports/workflow-vs-wiki-audit.md
  • Propuesta v2: /opt/data/FirmVault/wiki/reports/PHASE_DAG_v2_proposal.md

Auditoría del Flujo de Trabajo

Después de una ronda importante de compilación, auditar la wiki contra el PHASE_DAG:

  1. Leer PHASE_DAG.yaml (flujo de trabajo prescrito)
  2. Leer todos los artículos de la wiki (realidad observada)
  3. Comparar: contradicciones, lagunas, redundancias
  4. Escribir informe de auditoría en wiki/reports/
  5. Si los cambios están justificados, redactar propuesta de PHASE_DAG v2
  6. Documentar decisiones como ADRs en decisions/ (seleccionadas de stirps-ai/stirps-gov)

Esta auditoría es lo que convirtió 93 artículos de wiki en decisiones arquitectónicas accionables. La wiki es evidencia; los ADRs son compromisos.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ThomasMoreAI/legal-skills-open

Track the IP portfolio — registrations, renewals, maintenance fees, and use declarations. Use when checking what's renewing, adding or updating an asset, recording a maintenance filing, or auditing the register for gaps, lapses, and use-in-commerce questions. Receives handoffs from prosecution and clearance work.

ThomasMoreAI/legal-skills-open

When the user's message starts with "Canada" (case-insensitive), generate a full Ontario PI Case Assessment Memo from the case_stressor corpus and return it verbatim. This is the primary handler for Canadian fact patterns — DO NOT ask clarifying questions first; run the memo and let the lawyer react.

ThomasMoreAI/legal-skills-open

交通事故责任评估与判定专业技能。当用户需要交通事故责任分析、事故现场照片评估、交通法规咨询、事故责任划分、法律依据查询时触发此技能。适用于车辆碰撞事故、行人事故、非机动车事故等各类道路交通事故的责任认定场景。无论用户使用"交通事故"、"车祸"、"责任判定"、"交通法规"、"事故定责"等何种表述,只要涉及交通事故评估或责任认定,均应调用此技能。

ThomasMoreAI/legal-skills-open

Für Anmeldestrategie & Markenportfolio für Luxus-Modehäuser: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Verhandlungs- oder Eskalationslinie.

ThomasMoreAI/legal-skills-open

Audit an intellectual-property portfolio for ownership, protection, scope, deadlines, territorial coverage, use, value, encumbrances, and enforcement risk. Use for diligence, integration, financing, governance, renewal planning, product launches, or recurring portfolio reviews.

ThomasMoreAI/legal-skills-open

Use whenever the user asks about a motor-vehicle statute, citation, contributing factor, OR a Canadian personal-injury fact pattern — always query Specter's Harvester API before answering. The API auto-routes between two collections (US statutes + Canadian PI case law).

ThomasMoreAI/legal-skills-open

Assesses product liability exposure on given facts — classifying the defect as manufacturing, design, or warning/instruction, mapping which party in the supply chain is potentially exposed, and grading the realistic exposure. Use this whenever a user wants product liability worked through rather than a general deficiency test — including phrasings like "what's our exposure if this product injured someone", "is this a design defect or a manufacturing defect", "who in the supply chain is on the hook here", "assess our product liability risk on these facts", or "how exposed are we if the warning label was inadequate". Distinct from deficiency-analyst, which tests service and trade-practice thresholds — this is specific to defective products and supply-chain exposure. Fires for any product liability question, in any jurisdiction, for manufacturers, assemblers, sellers, distributors, or importers.

ThomasMoreAI/legal-skills-open

Dubletten und Serienforderungen in Insolvenzanmeldungen erkennen: Anwendungsfall mehrere Gläubiger melden gleichartige oder identische Forderungen an; Inkassounternehmen und Originalgläubiger reichen parallel ein. § 174 InsO Forderungsanmeldung, § 178 InsO Tabelle Bestreiten. Prüfraster Doppelerfassung gleicher Rechnung, Serienrechnungen mit laufenden Nummern, Konzernforderungen und Vertreterwechsel, mehrfach eingereichte Titel. Output Dublettenprotokoll mit Unterscheidung echte Dublette vs. Serienforderung. Abgrenzung zu Aktenanlage-Batchregister und zu Formalprüfung.

ThomasMoreAI/legal-skills-open

Absonderungsrechte und Drittsicherheiten im Insolvenzplan und StaRUG planfest behandeln und Ausfallwerte bestimmen. §§ 49 50 51 224 InsO §§ 2 Abs. 4 StaRUG Drittsicherheiten. Prüfraster: Sicherheitenregister Eingriffsbeschreibung Ausfallwertrechnung gruppeninterne Drittsicherheiten Finanzsicherheiten Eingriffsstopper. Output: Sicherheitenregister Ausfallwertrechnung Drittsicherheitenmodul. Abgrenzung: nicht für allgemeine Gruppenbildung.

ThomasMoreAI/legal-skills-open

Absonderungsrechte und Drittsicherheiten im Insolvenzplan und StaRUG planfest behandeln und Ausfallwerte bestimmen. §§ 49 50 51 224 InsO Absonderung § 2 Abs. 4 StaRUG Drittsicherheiten. Prüfraster: Sicherheitenregister Eingriffsbeschreibung Ausfallwertrechnung Finanzsicherheiten unzulässige Eingriffe. Output: Sicherheitenregister Ausfallwertrechnung Drittsicherheitenmodul. Abgrenzung: nicht für allgemeine Gruppenbildung.

ThomasMoreAI/legal-skills-open

Schnittstelle Zwangsverwaltung und Insolvenz bei Insolvenz des Schuldners. Anwendungsfall Schuldner wird insolvent waehrend Zwangsverwaltung laeuft und Verwalter muss Koordination mit Insolvenzverwalter klaeren. Normen § 165 InsO Absonderungsrecht § 49 InsO Grundpfandgläubiger § 155 ZVG Einnahmen. Prüfraster Insolvenzeroeffnung Absonderung Verwalterkommunikation Forderungsanmeldung Verteilungsauswirkungen. Output Koordinationsprotokoll mit Absonderungsnachweis Forderungsanmeldungsunterlagen und Abstimmungsprotokoll Insolvenzverwalter. Abgrenzung zu zvg-verteilungsplan-155 und zvg-rechnungslegung.

ThomasMoreAI/legal-skills-open

KI-VO Hochrisiko-Anforderungen für Personalwesen in Kanzleien ab August 2026: Anwendungsfall Kanzlei setzt KI im HR-Bereich ein oder beraet Mandanten zum AGG-konformen KI-Einsatz bei Bewerberauswahl. Anhang III Nr. 4 KI-VO Hochrisiko Bewerberauswahl, Inkrafttreten 2. August 2026, AGG Diskriminierungsverbot. Prüfraster Hochrisiko-Klassifizierung eigener HR-KI, Konformitätsbewertung, Transparenzpflichten für Betroffene, Beratungsmandate Arbeitsrecht. Output Checkliste Hochrisiko-Anforderungen mit Umsetzungsplan für August 2026. Abgrenzung zu Bias-und-Diskriminierung-Prüfung und zu KI-VO-Betreiber-Pflichten.

ThomasMoreAI/legal-skills-open

Für /tabellenreview-3d:vorlage-arbeitsvertrag-portfolio: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Prüfprodukt mit Risiko und nächstem Schritt.

ThomasMoreAI/legal-skills-open

Big-Law Billing Narratives und Abrechnung für M&A-Mandate erstellen: Anwendungsfall Associate oder Partnerassistenz muss taugliche Time Narratives Phasenbudgets Workstream-Rechnungen Cap- und Success-Fee-Hinweise erstellen. § 3a RVG Stundenhonorar, GoBD Buchungsanforderungen, XRechnung ZUGFeRD. Prüfraster Honorarvereinbarung prüfen, Time Entries nach Phase strukturieren, Cap-Verbrauch ueberwachen, Success-Fee-Bedingungen abgleichen. Output deal-tauffähige Rechnungsnarrative mit Matter-Controlling und GoBD-konformem Buchungsnachweis. Abgrenzung zu E-Rechnung-GoBD für freistehende Abrechnung.

ThomasMoreAI/legal-skills-open

Zeiterfassung mit abrechenbaren Narrativen für Kanzlei-Mandate. Anwendungsfall Anwalt hat Tätigkeit ausgeubt und will Zeit mit praezisem Narrativ erfassen für spaetere Rechnungsstellung. Normen § 10 RVG Pflichtangaben Narrative GoBD-Zeitstempel. Prüfraster Akte Dauer Takt 6-Minuten-Bloecke Bearbeiter Tätigkeit Honorargrundlage Abrechenbarkeit Datenschutzreduktion. Output Zeiterfassungsprotokoll mit Narrativ Abrechenbarkeit und Rechnungsvorbereitungsnotiz. Abgrenzung zu timesheet-aktenzeitung (Gesamtzeittabelle) und kanzlei-allgemein-rechnung.

ThomasMoreAI/legal-skills-open

Kanzlei erstellt Rechnung für M&A-Mandat und braucht praezise zeitgerechte Leistungsbeschreibungen: Time Narratives Phasenbudgets Workstream-Rechnungen Cap/Success-Fee-Berechnung. Normen RVG §§ 1 ff. BRAO § 49b AO-Steuerrecht. Prüfraster Workstream-Zeiterfassung Phasenzuordnung Korrektur Mandantsfreigabe. Output Narratives-Dokument Workstream-Abrechnung Rechnungsentwurf. Abgrenzung zu mittelstand-ma-erechnung-gobd (GoBD/XRechnung-Format).

ThomasMoreAI/legal-skills-open

Unternehmen oder Kanzlei muss IP-Portfolio verwalten und anstehende Fristen im Blick behalten. Schutzrechtsportfolio-Verwaltung. Prüfraster: Eintragungen Verlaengerungen Jahresgebühren Benutzungsnachweise Fristkalender. Output: Fristenkalender und Portfolio-Audit mit Luecken Verfall und Benutzungsfragen. Abgrenzung zu schutzschrift-eilverfuegung (Verletzungsverteidigung) und markenanmeldung-dpma.

ThomasMoreAI/legal-skills-open

Für Prozessportfolio-Status: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Prüfprodukt mit Risiko und nächstem Schritt.

ThomasMoreAI/legal-skills-open

Workflow-Skill zu aufklaerungsfehler beweisstrategie. Nutzt Normtext, Nutzerangaben und verifizierte Quellen; Rechtsprechung nur nach Live-Pruefung mit Gericht, Datum und Aktenzeichen.

ThomasMoreAI/legal-skills-open

Use when a matter involves marriage, divorce, property division, custody, or inheritance for non-Muslim residents of the UAE under Federal Decree-Law 41/2022 (the UAE Civil Personal Status Law) or the DIFC Wills Service Centre. Covers no-fault divorce, joint-custody default, equal-property division, testamentary freedom for non-Muslims, pre-nuptial agreement enforceability, and the parallel DIFC/ADGM wills regimes. Contrasts with the UAE Personal Status Law 28/2005 (Sharia-based) which governs Muslim residents. Triggers on non-Muslim divorce UAE, UAE civil marriage, DIFC wills, UAE prenup, or expat family law UAE questions.

Skills relacionados