最近上线了一个小工具：SeveranceGO-CN：中国离职补偿金计算工具。项目代码也放在 GitHub：masonblog/SeveranceGO-CN。
它的用途很直接：输入入职时间、离职时间、上一年度收入、劳动合同履行地、合同签署情况、离职原因等信息后，工具会估算经济补偿金、违法解除赔偿金、代通知金，以及未签书面劳动合同可能对应的二倍工资区间。
先把免责声明放在前面：这不是法律意见，也不替代律师判断。 劳动争议里，解除理由、通知程序、证据材料、当地工资口径、仲裁和法院尺度，都会影响最后结果。这个工具更像一个"第一轮体检"：先把大概区间、关键变量和风险点列出来，方便当事人知道自己接下来该核对什么。
为什么要做这个工具
做公司业务和劳动争议咨询时，我经常遇到同一个问题：
公司要跟我解除劳动合同，我大概能拿多少钱？
这个问题看似简单，其实很容易算偏。
很多人只记得一个公式：工作几年就是 N，违法解除就是 2N。但真正落到个案里，马上会冒出一堆细节：工作年限怎么折算？半年以上不满一年算不算一年？月工资有没有封顶？当地上年度职工月平均工资是多少？公司是无过失性解除，还是经济性裁员？有没有提前三十日通知？没签书面劳动合同的期间从哪天起算、到哪天截止？
律师当然可以逐项解释，但很多基础问题完全可以先交给一个表单处理。尤其是在咨询前，如果当事人已经知道自己可能是 N、N+1、2N，还是二倍工资争议，沟通效率会高很多。
于是我就想做一个尽量朴素的工具：不制造焦虑，不承诺结果，只把规则摊开，把计算过程写清楚。
法律规则不是一句 prompt 就能解决的东西
这个项目最有意思的地方，不在于页面本身，而在于如何把劳动法规则翻译成代码。
法律人看《劳动合同法》第四十六条、第四十七条、第八十二条时，脑子里浮现的是构成要件和法律效果：什么情形应当支付经济补偿，补偿年限如何计算，月工资基数如何确定，什么情况下适用三倍封顶，未签书面合同什么时候触发二倍工资。
程序员看同一组问题，看到的是输入、分支、边界条件和输出。
Vibe Coding 的价值就在这里：我不用先把自己训练成一个全栈工程师，才能开始做产品。但这并不意味着我可以只对 AI 说一句"帮我做个离职补偿计算器"，然后等它交付成品。恰恰相反，越是法律产品，越不能这样做。
我的做法是先把规则拆成几层：
- 事实输入层：入职、离职、收入、地点、合同签订时间、解除原因。
- 法律判断层：判断是否可能存在经济补偿、违法解除赔偿、代通知金或二倍工资。
- 数据口径层：匹配地区工资数据、最低工资、封顶基数，并允许用户手动覆盖。
- 结果说明层：不仅给一个数字，还要说明这个数字是怎么来的、哪些地方需要复核。
这其实很像写一份法律检索备忘录：先列事实，再列规范，再做归入，最后提示风险。不同的是，这次输出的不是 Word 文档，而是一套可以运行的 React + TypeScript 页面。
最难的不是计算，而是边界感
做法律工具，最怕两种倾向。
一种是装得太懂。明明只是按公开规则做估算，却把结果包装成"你一定能拿到这么多钱"。这很危险，因为劳动争议高度依赖证据和程序细节，一个解除通知书的措辞、一次谈话录音、一次调岗降薪的背景，都可能改变判断。
另一种是缩得太后。什么都说"具体情况具体分析"，最后用户看完还是不知道自己在哪里。
我希望这个工具站在中间：该算的先算，该提示的明确提示，该留白的地方不要硬判。比如疑似违法解除，就展示 2N 的估算区间，但同时提醒用户核查解除理由、规章制度、送达程序和证据链；涉及第 40 条解除，就把是否提前三十日通知作为影响 N+1 的因素；未签书面合同，则单独估算可能的二倍工资区间，而不是把它粗暴塞进补偿金里。
这也是法律人参与 Vibe Coding 的一个优势：我们对"不确定性"比较敏感。代码喜欢确定答案，法律常常只有风险区间。真正要做得可用，就要让产品承认这种不确定性。
数据口径：先可用，再持续修
首版内置了 2024 年工资标准参考数据，并覆盖中国大陆各省级行政区下的地级行政区、自治州、地区、盟以及部分省直管县级行政单位。这里面最麻烦的是，各地公开口径并不完全一致，有的城市能找到官方全口径或城镇单位平均工资，有的只能暂用国家统计局分区域数据作为封顶参考；最低工资也会存在不同档位。
所以我在页面里保留了"可覆盖"输入框：如果用户掌握当地仲裁、法院或人社部门最新口径，可以手动填入。对法律工具来说，这比假装数据库永远正确要诚实得多。
后续我会继续补充和校正数据源，也欢迎熟悉本地劳动争议口径的朋友提 issue 或 PR。
给律师的一点感想
过去我们总觉得，律师的技术化转型大概就是会用检索库、会写提示词、会让 AI 起草合同。但做完这个工具后，我越来越觉得，真正有价值的地方不只是"让 AI 替我们写文字"，而是把法律服务里可以结构化的部分产品化。
不是每个问题都需要做成软件，也不是每个法律判断都适合自动化。但像离职补偿这种问题，规则相对明确、变量相对有限、咨询频率又很高，就很适合先做一个低门槛工具。
更重要的是，Vibe Coding 让这种尝试的成本变低了。一个律师不必先辞职学三年前端，才能验证自己的想法。你只要能把规则讲清楚，能审查 AI 生成的逻辑，能在结果不对时指出问题，就已经可以开始搭一个原型。
当然，这也带来一个反向要求：法律人不能只会说"帮我做一个"。你得知道自己的规则边界在哪里，知道哪些输入会改变结论，知道什么时候应该给用户一个明确数字，什么时候只能给风险提示。
后续计划
这个工具目前还很早期，接下来我打算慢慢补几件事：
- 继续复核各地工资和最低工资口径；
- 增加更多典型场景说明，比如被迫解除、合同到期终止、调岗降薪争议；
- 优化结果页，让非法律背景的用户更容易看懂；
- 根据真实反馈调整表单问题，减少无效输入。
如果你最近正好遇到离职、裁员、合同到期或者未签书面合同的问题，可以先用它做一个初步估算：
👉 https://masonblog.github.io/SeveranceGO-CN/
还是那句话：工具负责把第一层问题讲清楚，真正进入谈判、仲裁或诉讼时，仍然建议结合证据材料和当地口径做具体判断。法律不是玄学，但也不是按一下按钮就能穷尽所有答案。