跑者H揭露真相：你10万美元的年薪并非法律规定的你应得的全部⚖️

这是为Runner H “AI Agent Prompting”挑战赛提交的作品。

使用 RunnerH 提示工程揭开 PF 和 ETF 扣除的神秘面纱——无需代码，只需强大的提示。

背景——运用Runner H的代理人推理能力来揭开斯里兰卡法律背景下员工福利的神秘面纱

法律计算——尤其是涉及斯里兰卡劳动法的计算——简直就像在流沙中挣扎。🤯

了解EPF/ETF 缴款、到手工资和合规要求通常意味着要解读复杂的法规并手动计算数字。

Runner H 的这项提交展示了AI 代理如何通过结构化提示推理法律文件并回答复杂的劳动法问题——无需编写任何代码。

LegalReasonrAgent：一个基于提示的法律助手，它利用Runner H AI Agent的强大功能，以简单易懂、可操作的语言解释斯里兰卡法律规定的法定工资扣除和雇主缴款。

1️⃣ 我使用Runner H构建的东西

LegalReasonrAgent是一个基于 Runner H 构建的结构化提示 AI。

它以法律文件（例如《雇员公积金法》和《雇员信托基金法》）为背景，并处理一个现实场景：

• 🧑‍💻员工：软件工程师
• 🏢公司：私营企业（斯里兰卡）
• 💰月薪总额：100,000 斯里兰卡卢比

然后，代理进行计算：

• 雇员和雇主缴纳的公积金/ETF缴款
• 年度资金积累
• 税后工资

无需代码，无需电子表格——只需**上下文+提示+RunnerH魔法**

2️⃣ 演示 - 13 分钟完整分步流程【必看】

3️⃣ 我如何使用 Runner H

构建LegalReasonrAgent 的关键不在于编写代码，而在于通过对话来构建清晰的沟通方式。

以下是我如何使用 **Runner H** 仅凭结构化提示和法律文件就理解斯里兰卡劳动法的详细步骤：

✍️ 第一步：上传法律背景

我首先上传了与斯里兰卡《雇员公积金法》（EPF）和《雇员信托基金法》（ETF）相关的公开法律文件。这些文件包括官方缴款规则、缴款比例以及雇主和雇员的法定义务。

✍️ 第二步：设计一个结构化的角色扮演提示

我没有发布含糊不清的指令，而是精心设计了一个基于用户角色的提示语：

You are LegalReasonrAgent – a legal reasoning AI assistant trained on Sri Lankan labor laws and payroll regulations.

By referring to the attached legal documents and based on legal reasoning, please answer the following questions in a clear, step‑by‑step manner.

╔════════════ EMPLOYEE DETAILS ════════════╗
• Role: Software Engineer
• Company: ABC XYZ (Pvt) Ltd, Sri Lanka
• Monthly Gross Salary: LKR 100,000

╔════════════ QUESTIONS TO ANSWER ═════════╗
1) What is his monthly gross salary?
2) What is his monthly take‑home salary after EPF deduction?
3) What is the monthly EPF contribution by the employer?
4) What is the monthly ETF contribution by the employer?
5) How much fund will be added to his EPF account annually?
6) How much fund will be added to his ETF account annually?

Please include applicable contribution rates and use official Sri Lankan EPF/ETF contribution rules as reference.

⚠️ Disclaimer: AI‑generated outputs may not replace professional legal advice. Always verify with a legal practitioner or labor consultant before taking action.

这种框架帮助人工智能像法律顾问一样行事，解释上下文并根据事实义务返回逐步的答案。

✍️ 第三步：逻辑地构建问题

我纳入了实际的输入变量——职位名称、薪资金额和公司类型——并围绕以下方面提出了有针对性、合乎逻辑的问题：

• 扣除公积金后的实际收入
• 雇主缴纳的公积金 (EPF) + ETF 供款
• 员工年度基金增长

这使得提示符可以重用和模块化。

✍️ 步骤 4：在 Runner H 中运行提示

在准备好背景信息和问题后，我在 Runner H 的无代码环境中启动了工作流程。多智能体引擎解析了这些定律，并运用算术和推理生成精确的输出结果，包括公式、数据和解释。

✍️ 第 5 步：Runner H Agent 的输出

To calculate the requested information based on the provided legal documents, let's deduct the relevant percentages from the employee's monthly salary and determine both the Employee Provident Fund (EPF) and Employees' Trust Fund (ETF) contributions as well as their effect on the take-home salary:

His monthly salary:

LKR 100,000
His monthly take-home salary after EPF Deduction:

The employee contributes 8% of their salary to the EPF.
EPF employee contribution = ( 100,000 \times 0.08 = 8,000 ) LKR
Monthly take-home salary = ( 100,000 - 8,000 = 92,000 ) LKR
Amount of EPF Contribution by the Employer:

The employer contributes 12% of the employee's salary to the EPF.
EPF employer contribution = ( 100,000 \times 0.12 = 12,000 ) LKR
Amount of ETF Contribution by the Employer:

The employer contributes 3% of the employee's salary to the ETF.
ETF contribution = ( 100,000 \times 0.03 = 3,000 ) LKR
How much fund will be added to his EPF Account annually:

Total annual EPF contribution (employee + employer) = ( (8,000 + 12,000) \times 12 )
Annual EPF contribution = 240,000 LKR
How much fund will be added to his ETF Account annually:

Annual ETF contribution = ( 3,000 \times 12 )
Annual ETF contribution = 36,000 LKR
Disclaimer: This analysis is based on the current understanding of the legal documents and percentages mentioned within them. It is highly recommended to consult a legal practitioner or financial advisor for any actions based on these calculations, as an AI-based interpretation may not encompass all the complexities of legal requirements.

✅ 第 6 步：审核与验证

我对照可信赖的人力资源资源和官方的EPF/ETF指南，对生成的输出结果进行了仔细核对，以确保准确性和合规性。

令人震惊的是……

输出结果与人工鉴定结果和法律规定完全一致。

⚠️ 注意：请观看上面的演示视频，了解条款如何适用，以及 Runner H 的推理结果。

通过将意图驱动的提示设计与 Runner H 的结构化代理执行相结合，我将一项传统的、容易出错的手动任务转变为一个自动化的法律推理助手。

无需调用API。无需使用电子表格。无需法务团队。

Just Runner H +一个强有力的提示=即刻获得法律洞察 ⚖️✨

4️⃣ 应用案例及实际影响——谁受益

在用 Runner H 构建 LegalReasoningAgent 时，我的目标不仅仅是创建一个新的 AI 提示。而是为了解决全世界数百万职场人士面临的一个真实且反复出现的问题。

以下是这款人工智能代理在现实世界中实际能够服务的对象和方式

🧑‍💼 1. 员工

大多数员工都会收到工资单，但并不完全了解他们的钱都花到哪里去了——尤其是在公积金/ETF扣款和基金缴款方面。

借助 LegalReasonAgent，他们可以：

• 准确了解每月和每年有多少资金拨入公积金（EPF）和交易所交易基金（ETF）。
• 了解扣除强制性扣款后的实际到手工资
• 具备一定的理财知识，并为退休或未来的提款做好规划。
• 核实其雇主是否遵守劳动法义务

📊 2. 人力资源经理和薪资专员

对于人力资源团队，尤其是中小企业和初创公司的人力资源团队而言，薪酬结构和合规性可能是一项艰巨的任务。许多公司没有内部法务人员或自动化工具。

这个工具对他们有帮助

• 将工资单结果与法律规定进行核对
• 简化入职和录用通知书中的薪资明细
• 确保完全遵守雇员公积金/雇员信托基金规定，避免监管处罚
• 在薪酬审查过程中，提高与员工的透明度

🧠 3. AI 构建者和提示工程师

LegalReasonAgent 展示了结构化提示工程如何模拟法律推理——法律推理领域通常被认为对法学硕士来说过于微妙，但根据实验结果，Runner H 的表现优于其他方法。

对于人工智能开发者而言，此用例凸显了以下几点：

• 以文档为锚点、以用户画像为驱动的提示的力量
• 如何在不使用 API 或自定义代码的情况下处理特定领域的逻辑
• 一种可重复使用的提示设计，可应用于其他司法管辖区或法律体系。
• 利用 RunnerH 构建无代码合规工具的机会

⚖️ 4. 法律教育工作者和法学生

对于学生和刚入行的律师来说，理解法律在实践中的应用可能很困难。

此用例提供：

• 一款实用的人工智能辅助教学工具
• 一种用于交互式法律案件模拟的方法
• 一种实现常规法律逻辑自动化并专注于更高层次解释的方法
• 本文将介绍人工智能如何辅助法律分析，而不是取代法律分析。

🏢 5. 初创企业、自由职业者和中小企业创始人

创始人及自由职业者通常没有人力资源顾问或薪资管理软件，但他们仍有法律义务为员工缴纳公积金/雇员退休金。

这个人工智能代理赋予他们：

• 一份快速、可靠的欠款明细
• 一项自动化咨询服务，可取代数小时的人工研究。
• 让他们安心的是，他们的公司始终在法律范围内行事。

🚀 更广泛的影响

归根结底，LegalReasonAgent 不仅仅是计算工具。
它旨在普及法律知识，赋能员工，并使企业能够更智能、更快速、更公平地运作——而这一切仅仅依靠结构化提示和人工智能推理。

从 10 万美元薪资的困惑到透明、人工智能支持的清晰度——这是为普通用户带来的实用法律科技。

社会之爱

👉 在 X 平台上

👉 在 YouTube 上

鸣谢：我要感谢我的团队成员@oliviaaaron和外部法律从业人员，感谢他们校对我们对法律应用方面的理解，以及我的团队成员的配音。

💬 想核实薪资明细？请在下方留言或根据您所在的国家/地区修改提示。让我们循序渐进地普及劳动法。

⚠️⚠️⚠️免责声明：人工智能生成的输出结果可能无法替代专业法律建议。在采取任何行动之前，请务必咨询法律从业人员或劳动顾问。