2.3 法律服务业：文书检索与合同审查

2.3 法律服务业：文书检索与合同审查

法律AI指用于判例与法条检索、合同条款抽取与审查、文书起草辅助的软件系统。本节审计它的成色：检索阶段向量召回解决了什么、大模型进场后幻觉如何被工程手段约束、以及律师复核成本这个真正的成本大头。

"有依据的每一段话"

律所内部对AI工具行话式的验收标准只有一句话：每一段输出都要有依据。这句话背后是法律行业用真金白银换来的教训——早期大模型合同审查演示里，模型流畅地指出一份租约"第十二条与当地规章冲突"，引用听起来有鼻子有眼，去翻原文却发现该合同只有十条。法庭文件里一个虚构判例的代价可能是整个案子加上职业声誉，所以这个行业对幻觉的容忍度比任何行业都低。它也因此成了观察"如何工程化地约束大模型"的最佳现场。

AI在法律行业的落点沿着知识密度分布：检索（海量判例里找相关段落）、审查（长合同里抽关键条款并比对风险）、起草（按模板生成初稿）。三个环节的错误代价依次递增，AI的自主程度应当依次递减——审计任何法律AI产品，先看它把自己放在哪个环节、给了多大权限。

检索：向量召回换来了什么

传统法律检索是关键词式的，把"违约金过高"输进去，命中的是字面包含这几个字的文书，而法官论述里写"约定违约金显著超出实际损失"的段落就漏掉了。语义检索用向量把这两句话拉近。用一个极简模型演示这个差别。

import math

# 一个玩具级的"语义空间"：每个词只有两个维度，只为演示思想
LEGAL_SEMANTICS = {
    "违约金过高": (0.9, 0.1), "违约金": (0.85, 0.15),
    "显著超出实际损失": (0.88, 0.05), "约定违约金": (0.87, 0.12),
    "逾期利息": (0.5, 0.4), "诉讼时效": (0.1, 0.9),
    "管辖权异议": (0.05, 0.95),
}

def cosine(a, b):
    dot = sum(x*y for x, y in zip(a, b))
    na = math.sqrt(sum(x*x for x in a)); nb = math.sqrt(sum(x*x for x in b))
    return dot / (na * nb)

def semantic_search(query, k=3):
    q = LEGAL_SEMANTICS[query]
    ranked = sorted(((cosine(q, v), term) for term, v in LEGAL_SEMANTICS.items()),
                    reverse=True)
    return ranked[:k]

for score, term in semantic_search("违约金过高"):
    print("语义相似 %.3f  %s" % (score, term))
# "显著超出实际损失"排第二——字面一个字都不重合，语义检索却能召回。
# 关键词检索对它的召回是零。
​

审计检索型产品时，要看它的评测有没有同时报召回率和精确率：法律场景召回率优先（漏掉一个关键判例的代价高于多看十个无关段落），这和第2.1节信贷的代价不对称结构同源。

审查：把大模型钉在原文上

合同审查是当下法律AI最热的落点。成色好的产品有一个共同设计：模型不允许"自由发挥"，每一条风险提示都必须锚定到合同原文的具体条款，界面上点开提示能高亮原文出处。这个设计把幻觉的暴露面压到最小——模型说错了原文写了什么，一眼就能戳穿。

CLAUSE_DB = {
    "付款期限": {"pattern": ["收到发票后", "个工作日内"], "risk": "未约定逾期付款违约金"},
    "保密期限": {"pattern": ["保密期"], "risk": "保密义务无终止条件，存在无限期风险"},
}

def review_contract(text):
    """演示锚定式审查：每个风险提示必须挂到原文片段上。"""
    findings = []
    for topic, cfg in CLAUSE_DB.items():
        hit = next((p for p in cfg["pattern"] if p in text), None)
        findings.append({
            "topic": topic,
            "anchor": hit if hit else "（未在原文定位到相关表述）",
            "risk": cfg["risk"] if not hit else None,
            "confidence": "high" if not hit else "low",
        })
    return findings

contract = "乙方应在收到发票后30个工作日内付款。本合同未尽事宜双方协商解决。"
for f in review_contract(contract):
    if f["risk"]:
        print("[%s] %s | 锚点: %s | 风险: %s"
              % (f["confidence"], f["topic"], f["anchor"], f["risk"]))
# 输出的每一条都指向"原文缺了什么"，而不是模型"觉得"什么。
# 有锚点才可核验，可核验律师才敢签字。
​

复核成本才是成本大头

法律AI的成本结构与第1.3节的账本完全对得上：软件费是小头，大头是律师逐条核验AI输出的人力。这里有个反直觉的审计要点——AI输出越多，未必越省：如果系统每小时吐出五十条"风险提示"而其中四十五条是噪声，律师核验的总时间可能比手工审合同还长。所以成熟产品的目标不是"多找风险"，而是"把高置信度风险和低置信度风险分层"，让律师先看前一层。衡量一个法律AI的成色，问一句"你们怎么控制输出量"比问"模型多大"有效得多。

顺带一提报价模式对成色的影响：按席位收费的产品有动力控制输出质量（律师用得省心才续费），按"风险条数"计费的产品有动力堆数量——计费单位直接塑造了输出量的自律程度。审计采购决策时，把计费方式纳入考量，是比对比模型参数更实际的功课。

结果、解读与变式

背景（虚构判例的代价）、操作（语义召回演示加锚定式审查原型）、结果（幻觉约束与复核成本分层）已经完整。解读：法律AI的成色不在生成能力，在"每句话有依据"的工程约束和输出量的自律。变式：尽职调查、专利检索、合规筛查是同构场景；凡是"输出必须可回溯到原文"的行业（审计、会计、政策分析）都可以照搬这套锚定式设计。下一节把金融、医疗、法律放回同一张审计台做横向复盘。