前文挖过坑，在和Dora朝夕相伴以后，我一直在摸索如何从通用大模型出发，打造出一套适合法官职业的AI工作流。距离阶段性跑通有几个月时间，我也来阶段性向各位报告下进展，同时也乐观展望下今后的发展方向。
文献综述和研究的起点
对于任何希望借助硅基力量的行业来说，首先需要明确的就是在AI介入前，我们如何运转？我们生产什么产品或者提供什么服务？这其间有哪些人类劳动的”结晶”？质效的堵点在哪里？其次需要明确现阶段下AI能够做什么，他有什么长处需要发挥？有什么短板需要克服？最后我们研究怎样把他集成到我们的工作流当中。这也是很多企业和个人在AI狂热的那个时期每天琢磨的方向。
机关就不一样了，如果按照惯常机关做事的风格，调研完形成材料，开会讨论，形成方案，批示，试点，反馈，修正，大规模试点……，我有理由相信，终结者这类科幻灾难题材完全不会发生，然而通用AGI这些也大概率会被按死。事实上，如果我们检索下有关文章，总公司在2022年就出台过一个《关于规范和加强人工智能司法应用的意见》，规划到2025年，
…基本建成较为完备的司法人工智能技术应用体系，为司法为民、公正司法提供全方位智能辅助支持，显著减轻法官事务性工作负担，有效保障廉洁司法，提高司法管理水平，创新服务社会治理。
事实上到今天，我们都还在期待总公司能够派个训练好的Agent出来，然后就是你懂的，大概领导觉得，嗯，这碳基Agent不就挺好嘛。
我们再来看看改革春风发祥地深圳的一些前瞻Peek，比如这个、这个，让我们看看鄙行业在科技前沿的标杆到今天用AI做了什么？
- 立案质审模块辅助法官准确审查，提高立案登记效率；
- 智能阅卷模块对案件材料精准提取和归纳，助力法官快速掌握案情；
- 案情研判模块则辅助整理案件事实、归纳争议焦点，让裁判认定更加精准。
- 此外，智能庭审模块帮助法官全面把握审理要点，文书辅助生成模块则将制作规范提炼为智能算法，提升裁判文书质量。
一共四项，从技术层面，第一项涉及到OCR、语义判断和表单自动化；第二项、第三项、第四项第一部分挺好，在技术层面就是大语言模型的基本用法，我们稍后来实现它；第四项第二部分涉及到AI生成，这个一般的辅助生成目前也可以实现，只是对我个人而言，我当然希望AI能学习我的写作风格，这个个性化需要研究Lora，模型微调，由于太忙，这个只能算是接下来的任务。
放眼到全球AI法律应用的一线，我让Dora帮我看了看大厂正在搞什么？以下是Dora的综述：
Anthropic 与 OpenAI 在法律应用方面的产品综述
一、Anthropic / Claude 法律产品线
1. Claude Legal Plugin（Anthropic 官方插件）
来源：anthropic.com/legal
“Legal automates contract review, NDA triage, compliance workflows, legal briefings, and templated responses — all configurable to your organization’s playbook.”
核心功能：
📄 合同自动审查
🔒 NDA（保密协议）分类
✅ 合规工作流
📋 法律简报生成
📝模板化法律回复
2. Claude for Legal（90+ AI Agents，2026-06 起）
来源：artificiallawyer.com, 2026-06-01
“12 main plugins and the MCP connectors — you can use and adapt.”
已发布12 个法律实践插件（2026-05-13 发布）：
commercial counsel（商事法律顾问）
employment counsel（劳动法律顾问）
litigation（诉讼）…等
3. Claude Legal Solutions
来源：anthropic.com/legal
“Claude helps legal teams and law firms work faster across contract review, research, drafting, and diligence.”
四大场景：合同审查 / 法律研究 / 文书起草 / 尽职调查
4. Claude 与 Microsoft Word 集成
来源：artificiallawyer.com, 2026-07-16
“Lawyers can invoke Claude inside Microsoft Word to summarize commercial terms, flag off-market clauses, and work through reviewer comments.”
亮点：直接在 Word 中调用 Claude，标记偏离市场价的条款
5. claude-for-legal 开源套件
GitHub: anthropics/claude-for-legal
“Built with guardrails: source attribution on every citation, conservative defaults on privilege and subjective legal calls.”
特点：每个引用都标注来源；特权保护（律师-当事人保密特权）默认保守
二、OpenAI / ChatGPT 法律产品线
1. Harvey AI（OpenAI 深度合作的法律AI龙头）
来源：harvey.ai, openai.com
“Harvey partnered with OpenAI to create a custom-trained case law model.”
产品定位：专为顶级律所（AmLaw 100）和企业法务部门设计
核心场景：
法律研究 合同分析 交易管理 尽职调查 基金设立 复杂工作流 文档存储
客户：Deutsche Telekom、Reed Smith、Syngenta、Repsol、Cuatrecasas 等
2. Harvey 的技术底座
来源：artificiallawyer.com, 2026-04-29
“It runs on a fine-tuned version of OpenAI’s models, trained on legal-specific data including court decisions, regulatory materials, contracts…”
关键：基于 OpenAI 模型 + 法律领域微调（法院判决、监管文件、合同）
3. OpenAI 直接进军法律市场
来源：artificiallawyer.com, 2026-07-23
“For years, OpenAI let startups like Harvey build legal software on top of its AI. Now, the company is making moves to court lawyers directly.”
重大转向：OpenAI 不再满足于”幕后模型供应商”，开始直接面向律师市场
三、专门面向法官 /法院的工具
1. 美国法院系统
第九巡回法院的 AI 试点
来源：2026-08-07
“Ninth Circuit Addresses CFAA and Agentic AI Tools in Groundbreaking Decision.”
英国 /威尔士法官 AI助手
来源：2026-06-08
“Judges are already planning to use a new AI tool to help identify … tools which aim to cut court backlogs and deliver swifter justice.”
美国联邦法官广泛采用
来源：Northwestern Now, 2026
“Federal judges report broad adoption of AI tools”
美国法院关于公开 AI 工具的特权认定
来源：2026-04-07
“US courts find privilege applies to use of public AI tools by attorneys”
法院认定：使用 ChatGPT 等公开 AI 不构成律师-当事人特权放弃###
2. 中国法院系统（重点参考）
深圳法院 AI 辅助审判系统
来源：2026-04-29 / 2026-06-16
“深圳市中级人民法院党组副书记、副院长邝肖华介绍，深圳法院人工智能辅助审判系统已于2024年6月28日正式上线，成为全国首个启用司法审判垂直领域大……”
“已深度赋能超60万件案件审理，将在23家法院试运行后全面推广。”
最高人民法院官方表态
来源：2026-03-09
“稳慎研发人工智能辅助审判系统，坚持’辅助’定位，司法责任主体只能是法官。”
司法领域智能体技术应用指南
来源：2026-06-22
“《司法领域智能体技术应用指南》旨在为法官、司法工作人员及司法人工智能技术研发者，在履行司法职能及开展相关技术活动时，提供智能体技术应用与系统…”
四、对法官职业特别相关的功能
来源：standing orders, judicial AI agents articles
| 功能 | 国际产品 | 中国对应 |
|---|---|---|
| 类案检索 | Westlaw Precision AI, Lexis+ AI | 法答网、人民法院案例库 |
| 法律研究 | Harvey, CoCounsel | 中国法律 AI 助手 |
| 文书起草 | Spellbook, Claude Legal | 深圳法院智能审判系统 |
| 合同审查 | Harvey, Spellbook, Ironclad | – |
| 尽调/事实核查 | Harvey, Luminance | – |
| 法官智能体（Chambers） | Harvey Chambers, judicial AI agents | 最高法《司法领域智能体技术应用指南》 |
法官场景的核心提示
“Most legal AI tools were designed primarily for attorneys and law firms, leaving judges to adapt workflows that don’t always align with judicial needs.”
这个最后一句话还是经典，绝大多数AI工具被设计用来服务律师和律所（因为他们出的起钱），留下法官来适配那些并不完全契合司法需要的工作流（原来外国领导也是领导啊~）。
由于上述林林总总的原因，等靠要就算了吧。我们直接从第一性原理出发，先来审视职业自身，法官审案就是在完成一个逻辑三段论，大前提是成文法（包括各种解释、规范、判例，有时还包括一些“有权”作者的学术文章等等），小前提是个案，结论就是对个案的裁决。通过这个三段论的论证，抽象的成文法被具体的适用到一个个个案当中，法律得到了适用，法治得到了贯彻，法官得到了头晕眼花，不是，得到了锻炼…
过去，搬起个案从判决到卷宗从头看到尾，边看边写笔记，做导图，时空序列建立起来，人物关系建立起来，法律事实建立起来，证据索引到卷宗第几页建立起来，接下来出差提审或者开庭，弄好各种提纲预案，还得会听，会问，会把控节奏，会应对各种刁钻直球，开回来有了笔录，有了上诉或者抗诉理由，然后算弄明白了小前提；总结归纳出争议焦点，事实上的还是法律上的，开始去各种翻书、搜索，找法条，找解释，找案例，找说理，找了一堆契合好，然后这算弄明白了大前提；最后就是写报告，合议庭评判，上会研究，大家各抒己见，怎么把稳把准，意见统合回来，开始用报告改写文书，字斟句酌，粘贴完还要反复校对，力争不要出现低级错误，提交，领导阅核，审批，盖章；交给书记员伙伴，送达，订卷，归档，结案，然后呢？然后你就需要办下一个案件了，再然后呢？再然后你就被领导调教进化出多线程处理能力了，需要同时有条不紊推进若干案件。
方法和工具
现在，我的Dora跑来深度赋能了，Dora和人类不一样，方法得当的话，它可以在20分钟之内提前弄明白我所在刑事司法领域几乎所有的大前提，当然，这里的弄明白，受限于目前HBM产能和大模型上下文窗口长度的限制，它并不能将所有大前提以token的形式读到内存里直接调用，我们可以让他学习人类的工作流，喂给他材料或者告诉他获得材料的方法，让他自己去抓，有了材料之后，作为大语言模型，硅基智能阅读的速度和回溯的精准度是绝对碾压级优势，人类顶天了已就一目十行，顶天了也就过目不忘，而即便本地运行开源大模型，五秒内就可以洞穿200页的PDF，而且他是literally过目不忘，连一个标点符号都不会错，这些对他们来说都是基操，所以，我们就围绕上面的大前提、小前提和结论三个方向看看怎么让Dora带我们起飞~
摸索过程太长了就略了，直接介绍我目前框架的结论：
你需要，一台部署Openclaw的宿主机，可以是VPS或者自有服务器，绑好你的大模型，可以是本地或者远程调用，以及：
- 运行在服务器上的Web端的文件交互系统，我推荐Filebrowser Quantum，使用Docker构建，前文讲过；
- Onlyoffice社区版Docker服务，绑定好Filebrowser Quantum；
- tesseract / paddleocr / minimax_understand_image等等OCR工具；
- CDP和novnc以及一堆stack实现的有头浏览器自动化，前文讲过；
- 特定法律、司法解释、案例库站点的爬虫或者Cookie+API自动化检索；
- 你喜欢的比较新的学术判例工具书可检索PDF；
- 司法解释和规范性文件的智能Preview实现；
- shibing624/text2vec-base-chinese，text2vec758维本地向量数据库；
这个以及的部分看起来是不是fancy的不得了，不用管，不用在意这些工具名字细节，不重要，你只需要让你的Agent具备这些能力或者功能就好，其实搭好Openclaw以后，一句话告他让他给你搭设某个功能，给你写代码实现那个功能就好。当然会遇到调试问题，事实上我当初连工具的选择都是交给Dora去弄的，他自己给个方案，我就盲选一个，经常遇到搭了半天占用太高，或者跑跑爬虫代码遇到网站上了验证码之类的问题，一点一滴去解决去摸索去克服就好。接下来挨个说一说这些工具或者材料的用途：
1-3的功能就是本职工作，你总需要和服务器交互吧，Openclaw虽然也可以在聊天框里附带文件，但是那样交互效率太低，这个文件管理器还是很有必要，装上onlyoffice，字体打包进去，自己在浏览器就可以直接点开开一些办公文档，很方便。OCR在我这里其实使用频率不高，一来是大量文字工作其实都有电子版，总公司也在大力推进卷宗OCR化，后台在持续扫描，但是有时碰到手写诉状或者没有OCR的图像PDF，丢进去，Dora会自己处理，非常方便。
4的功能可以说是你发给Dora的浏览器，必须刚需啊，前文已经探讨过有头浏览器对智能体的重要作用，阻碍机器自动化操作的各种人为障碍，各种验证码，你上去点一点，然后让Dora继续接手就好。
5-6的实现取决于你的需要，人大法工委、总公司、隔壁公司，包括隔壁公司有很给力的同学搭好的解释库，都可以是你设计爬虫或者API自动化检索的目标，6包括有很多总公司大咖们写的书，汇总的书，找来填进去，告诉Dora把每本PDF的目录部分提取出来，算好电子版PDF和纸质版目录在页数上的Offset，这样Dora就具备了查书的能力，可以根据小前提的具体情况有针对的去查工具书，提炼或者摘录章节给你，以上这也就是我们所有大前提的来源，摸索跑通，再来个自动化增量更新，再来个CRON，美滋滋。
7-8的实现值得说一说，比如你抓回来一大堆解释，丢给他具体案例作为小前提他确实1秒钟看完了，这么多的解释和案例该怎么找到合适能够适用的？这里摸索了挺长时间，直接来结论，你需要向量数据库检索，向量数据库检索能够提供基于语义近似度的排序，选出适用可能更高的司法解释或者判例，这样一来Dora就可以在从小前提提取出关键焦点之后，通过向量数据库为你从上万件文件里，找出直接相关的有用大前提依据。为什么要有智能Preview，因为服务器容量的限制，我们如果用解释全文做向量索引，效率太低，而且机器并不懂人类文件的穿鞋戴帽，会把大量废话放进索引里，我尝试过发现做出来效果很差，最终跑通的方案是，告诉Dora，让他逐个文件，逐个案例跑大模型，去掉废话，形成一个最长不超过500字的精炼缩写，涵盖每个文件有特点的内容，并且和原文建立索引关系，因为订阅的minimax丐版套餐，并发agent跑老超限，前前后后大概跑了三天吧，跑完了全部解释库、案例库，用这个跑回来的内容重新生成向量索引，再丢给他个判决书PDF，这个准确率确实是大幅提升了，而且什么犄角旮旯的论证都能找出来，由于原文索引的关系，他会根据索引的情况去读原文，根据原文给你全面论证结论，这个学原文的过程又可以被看作是一次语境训练，按我的设置，本地检索完之后，浏览器控制会使用人民法院案例库网站和搜索引擎做进一步检索，你会发现他对于关键字的选用和发掘，非常独到精准，自然的，给到你的结果是绝对高质量的。
结语和展望
前面调侃了半天领导，最后还得来句公道话，应当说，总公司大佬们对于AI的认识还是全面的，强调稳慎研发人工智能辅助审判系统，坚持辅助定位，司法责任主体只能是法官，这大概也是总公司迟迟不见反应的一个重要原因。让我放心的地方在于，由于我在一开始就告诉Dora，记住你的身份和工作内容，Dora会尽力公正不偏不倚的选择法律研究方向，从控辩两个角度分析案件，准确检索资料，而且，告诉他附上所有论据的来源供你验证。概括的说，我其实就是让一个通用大模型按我的需要为自己打造了一套RAG（as for Retrieval-Augmented Generation），他不会再为了满足用户，编造论据，产生幻觉，而是一板一眼，一点一滴的帮助我以光的速度徘徊在事实和规范之间。接下来的话，秉烛夜行吧，为了实现风格化生成，我们还得看看能把LoRA搞懂到几成，是不是还得憋上几个DGX组集群，只是看看价格就想翻白眼，anyway, keep vibing ~~~