WHY？

律师在准备案件、梳理辩护思路时,需要做大量类案检索。 现有工具——无讼、北大法宝、Alpha 核心是关键词检索: 律师必须先知道"我要搜什么"才能搜。 但很多时候,律师自己也说不清,"相似"是哪几个维度的相似。

What？

类案检索让律师直接用一段自然语言案情 系统通过结构化抽取 + 多路切分检索 + 引用追溯 替律师找出事实模式、法律关系、争议焦点都接近的过往判例 返回一份带引用的对比分析报告

A note on RAG

做这个项目我想清楚的一件事是:RAG 不是"加个向量库就行" 真正决定 RAG 好不好用的, 是结构化前置、引用追溯、和 Prompt 工程 向量检索本身,反而是最容易被替代的一环。

查询页

传统法律检索工具要求律师先想好关键词 但很多时候律师自己也说不清"相似"是哪几个维度。 我把入口设计成纯自然语言输入 把案情扔进去就好 系统去理解、拆解、检索。 降低门槛的同时,反而提升了检索精度。

查询结果

每个候选案例除了案名和相似度 还展示了关键事实与争议焦点 帮律师不打开详情就能快速判断哪些值得深看 这里我主动做了取舍:不展示完整判决摘要 因为在专业工具里 信息过载比信息不足更影响判断

报告生成页

这是用户最关心的一屏 报告我没用大段叙述 而是结构化的事实表格做对比 同一行可以横向扫"原案 vs 候选案" 在某个事实点上的异同 这是个有意识的取舍: 把 AI 的"创作自由"换成"对比的可读性" 在专业场景下,这是更稳的产品形态

相关法律条文

类案检索本身只走了一半 律师拿到"类似案件"之后 真正需要的是 "这些案件具体引用了哪些法条、怎么应用的" 所以我把法条应用从对比报告里独立出来 律师可以反向以法条为锚 看哪些类案在用同一个法条 这是写诉状时最需要的检索维度 而不是停在"找到类似案件"这个 70 分的位置

A note on 做减法

项目里我主动砍掉的东西很多 不展示完整判决摘要 不做大段报告叙述 不做端到端起诉书生成 砍掉它们的不是因为做不到 是因为做了之后产品反而更弱 专业场景下 信息过载比信息不足更影响判断 做减法的勇气比堆 功能难得多

A note on AI

一开始我想做"端到端帮律师写诉状" 跟法学生朋友聊过之后才发现 他们要的不是一个替自己写诉状的 AI 要的是"少花两小时翻判决书" 在专业、高风险的场景里 AI 的位置是 augmentation 不是 automation 这条判断 决定了我后面所有的产品取舍

 专业产品的标准 不是"AI 能做什么" 是"用户能不能信任 AI 做的" 所以我用 "创作自由" 换 "可验证性" 用 "端到端自动化" 换 "augmentation" 用 "信息丰富" 换 "信息克制" 用户到底需要什么？ 用户到底到底需要什么？ 用户到底到底到底需要什么？