上周看到了一个案例，是关于男女朋友间酒后的救助义务的判决。

当时正在研究侵权法里的因果关系，准备拿这个做个分析，不过看到了这个分析。

虽然说我和他的观点不太一样，但是分析起来也差不了多少，但又不忍心放过这个案例，于是想到——我们来做一下男女朋友之间的注意义务的类案检索吧。

案例检索，启动

打开威科先行，进行高级检索检索了一下近三年案例，反复调整关键词与条件，最后筛选出来379个判决。

当然由于是关键词检索，不免会出现那种案情其实与我的主题完全不一样的案件一个一个查找未免太耗时，人生苦短，我用~~Python~~LLM。不过我这里使用的并非OpenClaw或者Claude Code之类的工具，而是Dify的工作流，前者跑在本地，让它的触角离开我的开发文件夹还是有些风险，而且后者对流程的控制颗粒度也要细一些，接下来，就是数据筛选与清洗环节。

清除无关案例

先展示一下dify的流程，首先设置上传文件列表，把所有的文件通过文件提取器转化为一个字符串的数组，有了这个数组之后，我们才可以在迭代里面做并行的处理。

迭代会同时运行最多十个任务，输入的数组中的每一项都会运行迭代中的步骤，并行操作就会很节约时间。迭代内部，我们可以使用LLM进行数据的判断。

首先把迭代输入的字符串输入上下文，在system提示词里面讲明白自己的需求，同时为了便利接下来的处理，我们可以把输出格式调整为json，这样好像就可以直接用json里面的数据进行条件判断，我这里的代码执行属于是不熟悉时的画蛇添足。

如果我们要求LLM输出如上格式的json数据，对符合要求的判决的is_match输出1，不符合的is_match输出0，在条件判断阶段可以判断并输出不同的结果，我的选择是符合条件的情况输出file_name，不符合条件的由于没有数据，只会输出None，剩下的就是很有可能符合我们的要求的数据了。最后筛选出了102个判决，占比26.91%。

不足

不足的就是Qwen3.6-plus在法律方面的智力让人不敢恭维，我以为它判断哪些符合我的要求能力不佳，判断哪些不是应该不成问题，结果事实并没有这么乐观，同一个案件它也会有不同的高见，好在不行的案件各有各的不行，只要循环跑几次取交集就可以得到一个比较好的数据。不过据说用提示词鞭打这个ai效果奇佳，大家可以尝试一下。

数据提取

由于案件数量比较少，数据分析上我采取了QCA的方法，分为四值模糊集，根据直觉选了4个自变量，分别是：

条件A：受害人弱势状态

考察受害人在事发时，自我保护和控制能力下降的程度。

1.0：完全丧失辨认或控制能力。例如：处于深度醉酒（无意识、昏睡）、突发严重疾病倒地、或因吸毒产生严重幻觉。
0.67：辨认或控制能力显著下降。例如：大量饮酒后处于兴奋/失控期、因感情纠纷情绪处于极度崩溃/歇斯底里状态。
0.33：辨认或控制能力轻微受影响。例如：少量饮酒（微醺）、正常范围内的争吵愤怒。
0.0：完全具备正常行为能力。例如：意识清醒、情绪相对平稳。

条件B：危险引入/先行行为

考察被告事发前的行为对危险发生所起到的作用。

1.0 ：强烈的积极刺激行为。例如：强行劝酒/灌酒、发生激烈的肢体冲突、使用极端言语进行刺激/威胁（如“你去死吧”）。
0.67：一般的危险共创行为。例如：双方共同参与大量饮酒、发生长时间且较为激烈的言语争吵。
0.33：轻微的摩擦或放任。例如：一般的意见不合、对受害人轻微的不适抱怨未予理睬。
0.0：无任何先行危险行为。例如：事发前双方和平共处，受害人系突发意外或毫无征兆地自残。

条件C：空间私密性与排他性

考察案发环境是否阻绝了第三人介入救助的可能性。

1.0：完全封闭且排他的私密空间。例如：两人独处的出租屋、反锁的卧室、深夜的私家车内。
0.67：半私密空间，外界较难介入。例如：酒店客房（虽有工作人员但一般不主动介入）、合租房的公共区域（但室友不在）。
0.33：半公共空间，外界容易介入。例如：酒吧的半开放包厢、深夜空旷的街道/天台。
0.0：完全开放的公共空间。例如：白天人来人往的街道、营业中的商场大堂。

条件D：被告疏于救助的程度

此处采用反向编码，分数越高代表过错越大、救助越不力。

1.0：完全漠视，甚至逃离现场。例如：看到对方欲跳楼或发病直接离开、甚至反锁房门阻碍他人救援。
0.67：严重迟延救助或救助明显无效。例如：在一旁冷眼旁观不作为、发生危急情况不打120而是先打电话找朋友聊天。
0.33：采取了基础救助，但不够及时或全面。例如：前期疏于情绪安抚和照看，但在对方做出极端举动时尽力阻拦，并拨打了急救和报警电话。
0.0：积极采取了一切可能的救助措施。例如：全程紧盯看护、第一时间实施心肺复苏、迅速送医。

因变量则是法院判决承担的民事赔偿责任，由于侵权一般并非出于男/女朋友的故意或重大过失，最多也不过次责，因此赋值为：

1.0：承担最大的次要责任（25% - 50%）。
0.67：承担较大的次要责任（12.5% - 25%）。
0.33：承担轻微的次要责任或补偿责任（1% - 12.5%）。
0.0：法院驳回诉请，被告不承担任何赔偿责任（0%）。

这一步依然可以使用LLM，数据清洗部分可以先自己看几个，找到ai误判的部分，把新的规则交给ai，清除掉相同类型的判决，然后再这样迭代直到过滤掉所有不合格的判决（不过我是全人工筛查了），最后只剩下61个判决，占最初的16.09%。

数据提取的流程图如图所示。

本质上和上一个workflow差不多，只不过输出的json复杂一些，对LLM智能的要求更高，尽管我给Qwen3.6-plus加上了思考，但是有很多情况也让人不太满意，最后又进行了一遍人工复核，吃了二茬苦。

不足

首先一部分是提示词描述不足，把怀孕流产手术费用分配纠纷、男女朋友双方协议履行不成的纠纷、调解成功后反悔的诉讼、陌生人逗狗、男女朋友共同侵权、意外事件、婚外情都算在男女朋友的注意义务中了，

此外智力也有一些硬伤，它分不清作为不作为，而且要求它分析男/女朋友的先行行为时有时候会把其他人的行为挪用过来。尽管我在提示词里面使用了few shot的方法，它的打分一致性仍然有些低，而且由于之前案件筛选不够，有时会出现被告负担主要责任的情况，它的打分标准也相应提高，很不一致。

最后就是打开思考后智力没有感觉提升，费用是实打实增长了，token消耗在开了思考以后突飞猛进，而且由于并行的原因，如果一组数据里面有一个运行失败就要整组重新运行一次，不可谓不浪费。这样的一个项目花费约人民币8.8元。

数据分析

由于很早之前删除了R语言，现在只能让ai写一个python版凑合一下，得到的数据如下。


==================== 必要性分析 ====================
condition  consistency  coverage  sum_membership  sum_min_xy
        D       0.8421    0.7805         25.3333     21.3333
        B       0.7423    0.8780         32.3333     24.0000
       ~A       0.6528    0.5732         24.0000     15.6667
        A       0.6216    0.8415         37.0000     23.0000
        C       0.5727    0.7683         36.6667     21.0000
       ~C       0.5616    0.5000         24.3333     13.6667
       ~B       0.5349    0.5610         28.6667     15.3333
       ~D       0.5140    0.6707         35.6667     18.3333

==================== 真值表 ====================
           config binary  frequency  consistency  coverage  config_membership_sum  outcome_membership_sum  included
  A * B * ~C * ~D   1100         12       0.6250    0.1829                 8.0000                  5.0000         0
   A * B * C * ~D   1110          8       0.5625    0.1098                 5.3333                  3.0000         0
   A * B * ~C * D   1101          7       0.9286    0.1585                 4.6667                  4.3333         0
  A * ~B * C * ~D   1010          7       0.3571    0.0610                 4.6667                  1.6667         0
    A * B * C * D   1111          6       1.0000    0.1463                 4.0000                  4.0000         0
~A * ~B * ~C * ~D   0000          4       0.0000    0.0000                 2.6667                  0.0000         0
   ~A * B * C * D   0111          3       1.0000    0.0732                 2.0000                  2.0000         0
  ~A * B * C * ~D   0110          3       0.5000    0.0366                 2.0000                  1.0000         0
   A * ~B * C * D   1011          3       0.5000    0.0366                 2.0000                  1.0000         0
  A * ~B * ~C * D   1001          3       0.3333    0.0244                 2.0000                  0.6667         0
  ~A * ~B * C * D   0011          1       1.0000    0.0244                 0.6667                  0.6667         0
 ~A * B * ~C * ~D   0100          1       1.0000    0.0244                 0.6667                  0.6667         0
 ~A * ~B * ~C * D   0001          1       0.5000    0.0122                 0.6667                  0.3333         0
 A * ~B * ~C * ~D   1000          1       0.5000    0.0122                 0.6667                  0.3333         0
 ~A * ~B * C * ~D   0010          1       0.0000    0.0000                 1.0000                  0.0000         0

==================== 布尔最小化 ====================
一致性阈值 incl_cut = 0.80, 频数阈值 freq_cut = 1

带阈值标记的真值表：
           config binary  frequency  consistency  included
  A * B * ~C * ~D   1100         12       0.6250         0
   A * B * C * ~D   1110          8       0.5625         0
   A * B * ~C * D   1101          7       0.9286         1
  A * ~B * C * ~D   1010          7       0.3571         0
    A * B * C * D   1111          6       1.0000         1
~A * ~B * ~C * ~D   0000          4       0.0000         0
   ~A * B * C * D   0111          3       1.0000         1
  ~A * B * C * ~D   0110          3       0.5000         0
   A * ~B * C * D   1011          3       0.5000         0
  A * ~B * ~C * D   1001          3       0.3333         0
  ~A * ~B * C * D   0011          1       1.0000         1
 ~A * B * ~C * ~D   0100          1       1.0000         1
 ~A * ~B * ~C * D   0001          1       0.5000         0
 A * ~B * ~C * ~D   1000          1       0.5000         0
 ~A * ~B * C * ~D   0010          1       0.0000         0

达标组态：
          config binary  frequency  consistency
  A * B * ~C * D   1101          7       0.9286
   A * B * C * D   1111          6       1.0000
  ~A * B * C * D   0111          3       1.0000
 ~A * ~B * C * D   0011          1       1.0000
~A * B * ~C * ~D   0100          1       1.0000

原始布尔表达式：
(A & B & C & D) | (A & B & D & ~C) | (B & C & D & ~A) | (C & D & ~A & ~B) | (B & ~A & ~C & ~D)

化简后的逻辑等式：
(A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D)

==================== 复杂解 路径指标 ====================
solution             path  consistency  pri_consistency  raw_coverage  unique_coverage
     复杂解        A & B & D       0.9492           0.8500        0.6829           0.6829
     复杂解       C & D & ~A       0.9268           0.7273        0.4634           0.4634
     复杂解 B & ~A & ~C & ~D       0.8966           0.4000        0.3171           0.3171

==================== 达标组态 PRI 检查 ====================
          config binary  frequency  consistency  pri_consistency
  A * B * ~C * D   1101          7       0.9286           0.8182
   A * B * C * D   1111          6       1.0000           0.8571
  ~A * B * C * D   0111          3       1.0000           0.8000
 ~A * ~B * C * D   0011          1       1.0000           0.5714
~A * B * ~C * ~D   0100          1       1.0000           0.4000

==================== 中间解（Intermediate Solution） ====================
一致性阈值 incl_cut = 0.80, 频数阈值 freq_cut = 1
方向性预期 directional_expectations = {'A': 1, 'B': 1, 'C': 1, 'D': 1}

逻辑余项（frequency=0）及其可用性：
         config binary  frequency  compatibility  as_dontcare
~A * B * ~C * D   0101          0              0            0

加入阈值后的达标组态：
          config binary  frequency  consistency
  A * B * ~C * D   1101          7       0.9286
   A * B * C * D   1111          6       1.0000
  ~A * B * C * D   0111          3       1.0000
 ~A * ~B * C * D   0011          1       1.0000
~A * B * ~C * ~D   0100          1       1.0000

加入理论预期后的中间解（Intermediate Solution）：
(A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D)

==================== 中间解 路径指标 ====================
solution             path  consistency  pri_consistency  raw_coverage  unique_coverage
     中间解        A & B & D       0.9492           0.8500        0.6829           0.6829
     中间解       C & D & ~A       0.9268           0.7273        0.4634           0.4634
     中间解 B & ~A & ~C & ~D       0.8966           0.4000        0.3171           0.3171

==================== 达标组态 PRI 检查 ====================
          config binary  frequency  consistency  pri_consistency
  A * B * ~C * D   1101          7       0.9286           0.8182
   A * B * C * D   1111          6       1.0000           0.8571
  ~A * B * C * D   0111          3       1.0000           0.8000
 ~A * ~B * C * D   0011          1       1.0000           0.5714
~A * B * ~C * ~D   0100          1       1.0000           0.4000

==================== 稳健性检验 ====================
scenario  incl_cut  freq_cut  included_count  contains_0011                           intermediate_solution                                              path_pri_detail  min_path_pri  mean_path_pri
    base      0.75         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=0      0.75         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=?      0.75         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
    base      0.80         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=0      0.80         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=?      0.80         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
    base      0.85         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=0      0.85         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
     A=?      0.85         1               5              1 (A & B & D) | (C & D & ~A) | (B & ~A & ~C & ~D) A & B & D:0.8500; C & D & ~A:0.7273; B & ~A & ~C & ~D:0.4000          0.40       0.659091
    base      0.75         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.75         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.75         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
    base      0.80         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.80         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.80         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
    base      0.85         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.85         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.85         2               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
    base      0.75         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.75         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.75         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
    base      0.80         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.80         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.80         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
    base      0.85         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=0      0.85         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176
     A=?      0.85         3               3              0                       (A & B & D) | (B & C & D)                           A & B & D:0.8500; B & C & D:0.8824          0.85       0.866176

==================== 典型案例回溯: 1111 ====================
 case_id      A      B      C      D  Outcome  config_membership  joint_membership
       1 0.6667 1.0000 1.0000 0.6667   0.6667             0.6667            0.6667
      17 1.0000 0.6667 1.0000 0.6667   0.6667             0.6667            0.6667
      22 0.6667 1.0000 1.0000 0.6667   1.0000             0.6667            0.6667
      31 0.6667 0.6667 1.0000 0.6667   0.6667             0.6667            0.6667
      39 0.6667 0.6667 1.0000 1.0000   1.0000             0.6667            0.6667

==================== 典型案例回溯: 0111 ====================
 case_id      A      B      C      D  Outcome  config_membership  joint_membership
      23 0.3333 0.6667 0.6667 0.6667   1.0000             0.6667            0.6667
      32 0.3333 0.6667 1.0000 0.6667   0.6667             0.6667            0.6667
      50 0.3333 0.6667 1.0000 0.6667   0.6667             0.6667            0.6667
       0 0.6667 0.6667 0.3333 0.3333   0.3333             0.3333            0.3333
       1 0.6667 1.0000 1.0000 0.6667   0.6667             0.3333            0.3333

单一条件必要性分析

首先做单一条件必要性分析，如果一个因素就足够解释，那么就不用考察多个因素了。但非常可惜的是，D (疏于救助，0.8421) 和 B (先行危险，0.7423)都没有超过0.9，不足以构成单一条件，而是依赖于多个条件的组合，B与D仅仅算比较强的因素。

真值表与PRI检查

真值表是把所有真实发生的案例分门别类，其中最关键的指标是 PRI（比例消减不一致性），PRI过低则证明存在同因不同果的问题，这个检查的标准要高于0.75。

真值表中的高频组态，PRI全部大于0.75，

1111 组态（A_B_CD）：频数 6，一致性 1.000，*PRI = 0.8571
1101 组态（AB~CD）：频数 7，一致性 0.9286，*PRI = 0.8182
0111 组态（~A_B_CD）：频数 3，一致性 1.000，*PRI = 0.8000

这表明，本研究所提取的条件组合与结果之间存在非对称的因果集合关系，模型信效度极佳。

稳健性检验与路径提取

基础模型（频数阈值设定为 1）的情况下跑出了三条路径，分别是

$A⋅B⋅D$ $Consistency = 0.9492, Raw Coverage = 0.6829, Unique Coverage = 0.6829$
$∼A⋅C⋅D$ $Consistency = 0.9268, Raw Coverage = 0.4634, Unique Coverage = 0.4634$
$∼A⋅B⋅∼C⋅∼D$ $Consistency = 0.8966, Raw Coverage = 0.3171, Unique Coverage = 0.3171$

由于第三条路径的PRI Consistency 仅为 0.4000，实在是有些奇怪，于是提高了阈值，又进行了路径提取，频数为1的组态 A（且 PRI 只有 0.5714）就惨遭淘汰，此时组态 B 和组态 C 都有 B、C 和 D，唯一的区别是受害者弱不弱势（~A vs A）。根据逻辑消除法则，软件认为“受害者弱不弱势都能导致重责”，于是把 A 彻底消除了，最终组成了路径：B & C & D，与最初的A & B & D交相辉映啊。

法学分析

首先，提取两条主导路径的公因式，归责的底层基础是 B * D（先行危险 + 疏于救助）。

在法无明文规定的情况下，侵权的责任是过错责任，这里收集的判决又是不作为侵权，构成要件如下：

加害人具有作为的义务
加害人具有实施作为义务的能力。
加害人的不作为与受害人遭受的可以救济的损害,具有因果关系。
若非法定的无过错侵权,须加害人对损害的发生具有过错(故意或者过失)。

第一条的作为义务可以来自多个来源，比如说法律规定、合同约定、特殊身份关系、先行行为。最后一个先行行为就和我们这里找到的 $B$ 相印证，而 $D$ 的出现则可以证明加害人的过错，行为人没有防范该不合理危险现实化、也没有避免他人因此遭受损害。

路径 $A⋅B⋅D$ ——生理弱势

该路径的PRI一致性有0.8500，可以说是司法实践中比较经典的裁判逻辑。

当受害者处于弱势状态 (A) 时，无论案件是否发生在私密空间，只要满足先行危险 (B) 与疏于救助 (D)，即可稳定触发民事赔偿责任。

在司法实践中，判决会具有倾斜保护的色彩。弱势群体（老、幼、病、残等）在面临危险时，存在内在的生理弱势 (A)，同时受害人若是因过量饮酒或者其他原因丧失了判断力，实质性丧失了自救能力。此时，一旦行为人创设了危险 (B)，弱势受害者的生命健康法益便对行为人产生了单向依赖。在此基础上，行为人疏于救助 (D)，未能避免他人因此遭受损害，自然会受到法律严厉的评价。

路径 $B⋅C⋅D$ ——空间私密

该路径PRI一致性 = 0.8824，揭示了了为何在受害者并非弱势群体（~A）的情况下，依然能形成高度稳定的重责共识。

从数据上看，在受害者不具备弱势特征的前提下，受害者弱势变量 (A) 被空间私密性变量 (C) 替代后，依然可以与 B、D 共同完成高责任的逻辑闭环。且该组态的 PRI 指标高达 0.8824，集合纯净度极强。

理解起来也不困难，当案件发生在高度私密、封闭的空间（如密室、私人住宅）时，外界第三方（如路人、公共救援系统）介入干预的可能性被彻底切断。在这种极端情境下，行为人不仅制造了危险 (B)，更因为环境的隔绝，实质上成为了受害者唯一得救的可能。即便受害者原本是意识清醒，被隔绝在私密空间后，也会被迫沦为“情境上的弱者”。此时的不作为，其社会危害性等同于对生理弱势群体的不作为。

总结

在 B * D * (A + C) 的逻辑架构中，要将创设风险（B）与放任结果（D）转化为最终的高责任判定，必须存在一个“阻断自救/他救”的催化机制：

A（生理弱势）构成了内在的自救阻断；
C（空间私密）构成了外在的他救阻断

那么有朋友就要问了，讲了这么多，那我怎么避免陷入这样的情形呢？

德国法学家耶林曾经说过，使人承担责任的，不是损害，而是过错。要么不引入先前的危险，这样我们的义务就完全消灭了；要么全力救助，让法官也认为我们已经竭尽全力，不存在过错。

不过想要避免这两个，也确实不容易。共同喝酒就可以算引入了先行的危险，仅仅立刻拨打120也未必会让法官认同你尽了力，没有过错。若是急救可能效果很有可能反而适得其反，变不作为侵权为作为侵权，还是太看操作了。那么有没有轮椅一点的办法呢？有的有的。

写到这里，我突然想起我高中时的一位实验课老师，他非常推崇衡水中学，乐衷向大家传播衡水中学的福音，也会向女生们提供一些择偶建议——人话一点说是让大家去找衡水中学的男朋友。他有一句精妙的论断，用在这里恰当不过。“我不是说咱们的高中的男生都是烂货，但是就怕这么个烂货烂在你手里面呢！”

精辟独到，避免这种事儿的绝好办法就是别和这样的人这样的事儿沾边儿，总之人不能直接死在自己手里，找男女朋友前擦亮眼睛，到了时候再分手就晚了。

那么又有人问了，如果没这么好的眼力怎么办呢？我们可以找一个义务更高的人去照顾，比如说俩人是情侣，喝醉了以后把对方送回ta的父母那里，让对方的父母去照顾；比如说俩人是婚外情，就在喝醉以后，把ta送回配偶那里，让对方的配偶去照顾啊。

又有人问了，我都婚外情了，去找对方配偶不是自投罗网吗？如果不愿意见面的话，也可以选择送去警局或者医院，明显更加专业。就像击鼓传花一样，要么不要拿到，要么赶紧扔出去，不要硬抗不能完成的任务。

如果雷真的炸到自己手里怎么办呢？努力救助，然后受着吧。不过好消息是责任不会很大，也是有数的。机动车和行人或者非机动车发生交通事故的，机动车能证明自己没有过错的，仅承担不超过10%的责任。尽力的话，一般多不过这个比例的责任，剩下的只能尽人事，听天命了。

特别鸣谢叙安的提供的统计学方面内容的核查

人生苦短，我用 AI | 看情侣间的“注意义务”