【东吴计算机】金桥信息司法AI发布会图文纪要

时间：20250618主持人：有两点：“亦法通”。 根据原告提供的诉讼材料输出案情梗概，梳理审理要素表，使案情一目了然。同时也会根据被告提交的答辩材料梳理答辩摘要，并明确提示被告提出的问题，引导法官聚焦争议焦点。另外，亦案通会自动提炼案件证据清单，分析证明内容、归纳质证意见，点击证据可以自动定位查阅，可以辅助法官快速完成证据确认过程。 原来法官进行案件审理，对于错综复杂的事实，主要凭借自身的专业知识和经验，需要花费大量时间分析比对事实证据、诉辩意见，人工到各个平台中查法条、检备案、查找审判依据，耗时费力，还容易出现遗漏。亦案通会基于司法决策推理分析引擎，通过渐进式分层拆解方式，根据双方诉辩意见、举证、质证分析，自动归纳争议焦点，给法官审理提示，可以有效避免遗漏审查要点，同时结合案情和争议焦点，深度分析案件法律关系是否成立。亦案通会围绕每一个争议焦点进行判断和认定，以查明的事实为基础和铺垫，准确使用法律形成内在联系，对矛盾的事实给予充分说明，解释矛盾存在的合理性，给出详实的论证推理过程。另外，逐一针对当事人的诉求、请求做出支持与否的结论，与案件的争议焦点相呼应，同时自动推送相关法条、相关判例，为法官提供审理思路、决策参考。 法官审理完成后写判决的时候，需要从案件开始，经过重新阅卷、查证、庭审查环节维护，对案件事实再次进行梳理和分析，再依据法律规定撰写判决书，整个过程较为繁琐，耗时较长。有了亦案通系统，能够快速处理大量数据，基于预设的算法和模型对案件信息进行分析和处理，几分钟就可以生成判决书初稿。此外，通过亦案通，法官可以通过对话方式给出案件审理的关键信息，系统可自动根据法官的要求对裁判文书进行纠正。 亦案通通过诉辩意见分析、争议焦点归纳、举证质证审查、法律意见分析、类案推荐、参考判决自动生成等六大智能辅助服务，帮助法官快速、精准梳理案情及审理思路，助力裁判决策，大幅压缩无效时间，提升办案质效，亦案通为法官提供全流程、伴随式、专业化的智能服务。亦法通（公共法律服务）：目前通用大模型的交互方式主要是用户单向提问，由于用户缺乏法律专业知识和涉诉经验，导致大模型可分析的信息有限，最终输出的法律建议缺乏可用性。金桥努力改变这种单向提问的传统模式，当用户向亦法通提问，其渐进式引导用户提供法律相关有效信息。根据用户的回答逐步深入探讨关键点，就像一位真正的法律顾问那样，通过双向的互动，更快捷、更全面地了解用户需求和纠纷基本情况。亦法通是如何做到的呢？它接收用户信息后首先进行意图识别，接下来基于案由识别知识库确定用户咨询的案由，并依据要素式审判知识库提取用户案件的核心要素，随后将用户提供的要素与案由对应的完整要素集进行对比分析，标示出缺失项，为了完善案情， 亦法通采用动态提问，引导用户逐步补充缺失要素。在信息输入方面带来的改变：案由识别知识库目前已完成100家常见案由识别规则构建。要素式审判知识库目前已完成4500家审查要素项构建。在模型输出方面的探索和创新：目前通用大模型输出内容缺乏专业性、体系性的框架，对法律问题分析的深度、广度都达不到专业法律顾问水平。而亦法通以法院审查视角，将法律咨询过程拆分为六大核心阶段，每个阶段进一步拆解为最小任务单元。第一步，案件要素补全。第二步，法律关系分析。第三步，证据链完整性评估。第四步，诉讼可行性评估。第五步，多元解分途径对比。第六步，行动建议生成。 过程中建立多个agent的协同工作，确保法律分析的专业性和深入性。完成思考后，亦法通同时会输出一份完整的专业法律咨询报告。在开篇部分先给出明确的法律分析结论和解分途径，便于用户快速把握核心；第二部分是对法律分析结论的深度展开，首先按照时间线梳理关键事件，标注每个事件的法律意义。接下来对行为产生的法律关系进行罗列，对其法律依据、法律后果进行说明。对可主张的权利进行说明，包括可行性、风险和应对策略。对争议焦点及解决方案进行分析；第三部分对证据链完整性进行评估，列明现有证据清单，从完整性、关联性、合法性分析证据短板，并提出补强建议； 第四部分从法律依据强度、证据链强度、主体适格、诉讼时效、执行风险与成本五个维度对诉讼可行性进行评估说明；第五部分从时间成本、经济成本、风险优势四个维度分析对比各类解分途径； 最后给出综合建议和具体操作步骤；亦法通将在上海法院案沪通中发布上线。亦法通为当事人提供权威、专业、快捷、免费的法律服务。附：蚂蚁集团创新法务合规业务负责人分享 现在的法律人工智能主要有几种类型：第一种是知识图谱加专家规则，这是大模型时代前普遍采用的模式；第二种是知识库加法律大模型，属于当前官方主流话语体系中的解决方案，但存在训练成本高、部署周期长、应用范围有限的问题。目前我们与金桥共同探索新的思路，即类似manus的产品方案：通过底层大模型结合多种工具，对法律职业的各项工作任务进行深度拆解，通过调用多元工具，最终向客户实 现结果交付的服务效果。 这类产品经实践验证，在通用性、部署灵活性和成本控制上均具备显著优势。例如，我 们 将 该 产 品 理 念 融 入 金 桥 现 有 产 品 体 系 ， 以“法 官 办 案 助 手 系 统”为 例 ， 其 依托deepseek、通义千问等底层大模型，通过对法官工作任务的深度拆解与多元工具调用，实现了无需模型预训练、不设固定模板的情况下向法官交付质量较高、专业度良好的裁判文书初稿。具体而言，我们根据民事诉讼法和法官主要办案习惯，将任务拆解为几个大类：原告诉称、被告辩称、举证、质证、争议归纳、法律分析、裁判文书生成。每个大类下又拆分为多个小任务，如要素设定、要素提取。针对每个小任务（如法律分析），采用不同技术工具，例如通过思维链技术提升法律推理的准确性。最终通过完成所有细分任务并整合结果，生成专业度较高的裁判文书。 以某案例为例，案件标的额几十万元，原被告未签订书面合同，涉及无合同情形下法律关系如何认定？建材买卖大量对账、逾期息费计算等复杂场景。在此情况下，大模型无需预训练、不设模板，生成了令法官满意且可用度极高的文书初稿。同时针对法官复杂多样的个性化需求，我们通过prompt工程允许法官用自然语言、自定义要素、自定义关键词。进而实现了离婚案件的法官可配置自己的离婚案件模板，商事法官可配置各类商事案件模板，从而做到千人千面，满足用户的个性化需求。 现在该产品已在少数法院进行实际落地测试，法官的反馈较为不错，让客户打分都反应只需要稍微更改大模型的内容就可以。这极大地提升了法院的办案效率。原本法官处理简单案件时，工作极限是上午开庭审一个案件，下午才能审另一个。而通过我们的生成式系统辅助法官生成文书，法官能在喝一杯咖啡的时间完成案件全部工作，得到大模型生成的文书。借助这样的系统辅助，法官日常办案效率被充分激发。 在产品研发过程中，我们与金桥共同获得诸多启发，也增强了信心。研发中沉淀了大量底层能力，这些能力使我们能更灵活地覆盖法律服务细分市场的更多赛道，让AI切入职业法律人核心工作——事实判断与法律推理，直接向客户交付令其满意的最终成果。 今天我们试点的产品是面向司法机关客户的高度定制化产品，在客户端部署使用了少量工具。基于该产品的启发，未来我们期望面向更广阔的客户群体，包括律师、企业法务甚至普通公众，通过更丰富完善的模型调用能力、更精细化智能化的任务拆解以及更兼容的知识库，满足客户更复杂的需求。我们期望采用类似Manus的工作方法：拆解任务、调用模型、使用多种工具，最终向客户交付结果，在法律AI市场开辟新赛道，形成全新商业模式。（根据公开会议整理，不代表东吴证券观点）