AI 如何帮律师把 3 小时压缩成 3 分钟?
案件云推出「智能文书起草」功能,通过AI技术将律师的机械劳动从3小时压缩到3分钟。系统采用四模块技术架构,支持模板起草和自由起草两种模式,并集成OCR识别和信息抽取功能,实现纸质证据快速结构化。在线编辑支持多人协作,导出文档符合法院标准。内测数据显示,初稿耗时降低94%,格式错误率减少97%。未来计划引入案例检索、开放API和多模态处理,进一步提升文书智能化水平。
·
前言:法律人不是“打字员”
在律所实习过的同学都知道,最痛苦的不是翻法条,而是连夜改格式:起诉状字号不对、行距被 Word“吃掉”、当事人信息来回粘贴 5 遍,凌晨 3 点还在 Ctrl+C/V。
案件云 12 月 18 日上线的「智能文书起草」,目标只有一个:让律师把 3 小时的机械劳动压缩到 3 分钟,把脑力留给真正的“法律判断”。

一、技术架构:一个“法律 Word”的 AI pipeline
整套系统用 4 个微服务串成闭环,全部容器化部署在阿里云 ACK,灰度发布 0 故障。
| 模块 | 技术栈 | 关键 trick |
|---|---|---|
| 1. 模板引擎 | Golang + text/template | 把 300+ 文书模板拆成“段落级”原子模板,支持递归嵌套,渲染 2 万字段 < 400 ms |
| 2. OCR 识别 | PP-OCRv4 + 自研 Legal-CRNN | 针对“手写借条”“扫描合同”微调,字符准确率 98.7%,比通用模型 ↑6.2% |
| 3. 信息抽取 | LLM + UIE 轻量化方案 | 7B 法律指令模型 + 0.5B 抽取小模型,混合精度 int4 推理,单卡 10 QPS,成本 ↓70% |
| 4. 在线协作 | OT 算法 + WebSocket | 支持 50 人同时编辑同一份文书,冲突合并延迟 < 120 ms |

二、两种“打开方式”:模板 VS 自由起草
1. 模板起草——“低代码”模式
- 300+ 模板覆盖民事/行政/刑事全流程,全部经过 30 家合作律所“人肉 Review”。
- 前端用 Vue3 + FormKit 动态渲染表单,字段级联动:选“民间借贷”自动出现 LPR 利息公式,减少 40% 输入。
- 一键生成 Markdown,顺便把“原告/被告”替换成实际姓名,律师只需核对事实段落。

2. 自由起草——“Copilot” 模式
- 支持自然语言输入:直接写“张三借给李四 10 万,到期不还,我要起诉”,LLM 实时返回一份带格式初稿。
- 采用“分段生成”策略:先由 LLM 输出标题级大纲 → 用户确认 → 再生成详细事实与理由,避免一次性 hallucination。
- 生成结果用 Diff 视图高亮,支持一键回退到任意版本(底层基于 Git 语义化存储)。
三、OCR+抽取:让“纸质证据”秒变结构化数据
很多律师手里只有一张“拍照借条”,过去得靠助理手工敲。
我们直接把 PP-OCR 输出喂给 UIE 小模型,端到端抽 11 类要素:
出借人、借款人、金额、利率、借款日期、还款日期、违约金、管辖约定……
抽取完自动填到模板对应字段,整体端到端耗时 < 5 秒,实测比纯人工录入快 60 倍。
小彩蛋:如果识别到“利率超过 LPR 四倍”,系统自动弹风险提示,提前帮律师排除“高利贷”条款。
四、在线编辑 & 导出:真正的“最后一公里”
- 编辑器基于开源项目 slate.js 二开,加入“法律条款自动补全”插件:输入“《民法典》第”,下拉框实时联想 1260 条条文。
- 一键导出 Word 时,后台用 python-docx-template 渲染,保证页眉页脚、多级列表与法院标准 100% 兼容。
- 同时生成一份“可验证哈希”写入文书尾部,防止后续被篡改(基于阿里 KMS 的 RSA-2048 签名)。
五、效果数据:律师说“真香”
内测 30 天,120 名律师、2670 份文书的真实反馈:
| 指标 | 传统方式 | 案件云 AI | 提升 |
|---|---|---|---|
| 初稿耗时 | 2.8 h | 0.15 h | ↓ 94% |
| 格式错误率 | 12% | 0.3% | ↓ 97% |
| 合伙人满意度 | — | 92 % | — |
六、未来 roadmap:把“文书”做成“知识”
- 引入 RAG,让 LLM 在生成文书时实时检索最高院指导案例,自动在“事实与理由”段落插入类案索引。
- 开放 API,允许律所把系统嵌进自研业务系统,5 行代码就能
POST /api/v1/draft拿到 Word。 - 做“多模态”:支持上传录音/视频证据,先 ASR 再抽取,自动生成“证据清单”表格。
更多推荐



所有评论(0)