律师用 AI 进阶技巧 3.0:多智能体协同丨iCourt

*本文附赠专业法律 AI 智能体 Alpha AI 免费试用，扫描文末二维码即可领取。

本文是《法律人 AI 智能体搭建手册》系列文章的第十一篇，主题是通过多个智能体协同，提升 AI 的综合输出能力。一些基本搭建方法，可参考本手册的前两篇文章：

律师搭建「AI 法律咨询助手」保姆级教程（附提示词模板）

律师搭建「法律 AI 知识库」，最详细教程

在之前的两篇文章里，我们用工具与工作流让智能体具备了专业技能，明确了技能的执行顺序与标准：

律师用 AI 进阶技巧 1.0：接入外部工具

律师用 AI 进阶技巧 2.0：设置法律工作流

至此，它已从一个泛化的语言模型，转变为能承担具体任务的执行助手。

不过，法律工作从来不只是执行流程。面对一个真正复杂的案件，往往需要不同的视角彼此补充。

有人更擅长事实分析，有人更擅长法条研读，还有人更善于站在法官角度推演裁判逻辑。单一智能体通常难以在同一时间承担这些角色，多智能体协同才是更完整的 AI 用法。

常见法律场景的人机协同模式

构建智能体团队，并不是简单地去多加几个智能体，而是在于围绕具体任务设计合适的协作结构。就像律所通常不会由同一个团队去办理并购项目与婚姻家事诉讼一样，不同法律任务需要不同的组合方式。

结合实践经验，我们可以看到，有几种模式在法律工作中尤其高频，参照真实的工作场景，我们可以打造以下几种多智能体的组合模式。

一、主办律师+助理团队

这是最贴近律师日常直觉的一种模式，它模拟的是律所内部常见的组织形态：主办律师负责顶层判断与方向控制，助理负责信息搜集、资料整理与基础写作。

下图是一个简化的团队智能体工作流程图。我们可以设定一个主智能体，让它承担主办律师的角色。它不必事事亲力亲为，而是主要完成分析、规划等工作。

这种模式的优势在于结构清晰、效率高，特别适合那些目标明确、可以被清晰拆解的复杂任务，例如撰写法律研究报告、准备尽职调查清单、起草长篇幅的合同或法律意见书等。

你作为最终的用户，就像是管理着一个小型研究团队的合伙人，只需下达总目标，然后审阅最终的成果即可。

我们需要进行的操作有如下几步：

先创建一个「主办律师型」智能体，明确它的职责是任务拆解、分配和审稿；

再创建 4 个「研究/写作执行智能体」，分别擅长法规、案例、实务文章以及写作；

并在提示词中补充目标语言、读者对象（如「供合伙人决策参考」「供用户确认办理进度」等）、最终交付格式（如按照团队固有模版）。

二、专家圆桌

并非所有法律问题都能被一个主智能体所主导并且正确拆解。对于那些跨领域、疑难、复杂、充满争议的案件，我们更需要的是多维度的智慧碰撞。这时，专家圆桌模式就派上了用场。

顾名思义，这种模式下没有明确的层级之分，所有智能体都处于一个平等的地位，各自扮演不同领域的专家。它们会从各自的专业视角、立场或理论出发，对同一个问题进行分析，并给出独立的意见，最后再进行汇总权衡。

如下图所示，在分析一个复杂的股权纠纷案件时，我们可以组建一个专家圆桌，公司法专家、合同法专家、诉讼策略专家、行业研究员各自站在自己的专业领域内发声。

这些专家会同时对案件材料进行分析，并把各自的观点提交出来。最终，这些来自不同维度的意见会被汇总在一起，形成一份立体、全面的分析报告，帮助律师识别出单一视角下容易忽略的风险与机会。

这种模式尤其适用于案件早期策略研判、合规论证，以及存在争议的法律适用问题。

三、模拟庭审

法律工作很多时候是观点的对抗。对方会如何攻击？法官会如何评价证据链？哪些论点在庭审中站不住脚？对抗式协同，就是在安全环境中针对错综复杂的情形提前开展严格演练。

最典型的应用就是模拟庭审。如下图所示，我们可以设置三个核心角色：原告、被告、裁判。

原告构建诉讼逻辑和攻击点；被告寻找原告方证据链的薄弱环节和法律论证漏洞；裁判居中评价。通过这种内部推演，可以提前暴露论证漏洞、证据薄弱点与不确定风险。

通过这样一场内部演习，我们可以在真正开庭或谈判前，提前检验自身方案的薄弱环节，排查证据的效力，并准备好应对对方可能提出的各种诘难。

这种模式极大地提升了策略制定的严谨性和前瞻性，适用于庭前准备、谈判方案的压力测试场景。

机构准入及管理【一级标题】

多智能体协同是不是越多越好呢？只要创建足够多的聪明角色，是不是就能发挥更大的作用呢？

事实上，真正把系统投入法律场景之后你会很快发现，协作并不会自然发生。相反，如果缺乏结构和秩序，它甚至会让问题变得更复杂。

因此，让团队跑起来的关键不在数量，而在于设计。你既要为每个智能体明确专属定位、划定职责边界，也要为整个系统规划协作节奏，让信息有序流动、判断保持一致，最终形成高效的协同合力。

为了更直观地落地这一逻辑，我们以一个典型法律任务为例：评估某项新技术是否可能构成商业秘密侵权，并形成一份可呈交客户的备忘录初稿。

这项任务兼具事实分析与法律判断，既要求论证严谨，又面临技术事实与法律适用的双重不确定性，恰好能体现多智能体协同的价值。

一、先把问题写清楚，再谈智能体角色

相比从技术起点的角度直接思考多个单智能体角色的建立，更可靠的方式是，先退一步按照法律任务解决的逻辑，写出一个简短而清晰的任务框架。

比如，你可以先自行回应几个核心问题：

先看清楚涉及哪些法律规范，以及检索需要做到什么深度；

再回头审视目前掌握的事实，还有哪些信息仍是空白；

同时想清楚未来的备忘录会面向怎样的阅读者，应该以怎样的结构展开；

最后确认哪些判断必须由你亲自完成，而不适合交给智能体替代。

当这些问题被写在纸上，任务的轮廓就会自己显现出来，阶段划分、重点方向也随之变得清晰。后续的角色设计就不再是功能的堆砌，而是在解决一个个具体的问题。

二、把角色设计嵌入到真实任务里

接下来创建的每一个角色都是为了阶段性的具体工作服务。结合前文的商业秘密侵权评估任务，我们可先设定一个主智能体，它承担的不是万能助手的角色，而是类似主办律师的职责。

如下表所示，根据任务结构拆分出几个相互衔接各有侧重的执行智能体，有的负责法规专项，有的进行案例分析，有的关注技术事实与法律要件之间的比对。

设计出相关角色后，在平台中逐一搭建出具备相应能力的单智能体。这里最关键的一点是为每个角色划定清晰边界，只有这样团队才会真正形成分工，而不是互相干扰、重复劳动。

三、让协作形成接力，而不是一拥而上

从技术角度看，并行执行似乎更高效。但在法律任务中，过早并行可能意味着前提不一致、理解偏离，最终结果中的逻辑思路也将不如人意。

更稳妥的方式，是让协作更像一场接力。在关键节点上形成顺次衔接，同时在条件成熟时允许局部并行。

如下图所示，主智能体进行的是总控层的工作，执行智能体则进行着执行层被分配的工作。

围绕这项任务，可以把主线安排成这样的节奏：

1、由主智能体明确任务目标、评估范围、交付格式与基本边界，整理成一份清晰的任务指引；

2、在这一统一基础之上，法规检索和案例分析可以同时展开，规范材料逐步被收集整理，案例脉络不断被补充，对应的问题也随之被放入框架之中；

3、材料大致成形后，进入技术比对阶段，把案涉技术嵌入法律结构，一项一项核查是否符合相关要件，同时标注真正存在争议的地方，之后风险分析角色出场，对结果进行汇总、分类，梳理风险层级，并提出初步建议；

4、最后回到主智能体，对全篇逻辑进行统一，完成备忘录的初稿。

每一个智能体的工作阶段结束，都要求其按照结构化的模板报告，比如先呈现结论，再给出理由，随后明确不确定点，并提出待核查事项。

这样，你始终站在流程上游，而不是在后方被动纠错。

四、将核验设置成机制

到这一阶段，前面几轮工作往往已经积累了大量材料，法规、案例、技术比对、风险拆分都在不断增加。

正因为如此，越到后面越容易出现两个问题：一是早期前提被悄悄改变，二是细节错误在后续环节被层层放大。

为避免这种越写越偏的情况，建议在关键位置设置固定核查节点，由专门的核查智能体负责把关。

把关核查的内容依具体情况而定：案例是否真的具有可比性，技术材料的出处是否明确，比对是否存在跳跃或者偷换概念，推论是否超出事实边界，是否存在断章取义、无法溯源或表达极端等。

总而言之，核查智能体插入式介入并运行，不负责写内容，只做挑错与提问。指出论证里的薄弱之处，把被忽略的变量重新拉回视野。

在提示词中需要明确，每次核查结束，都输出一份结构化报告，比如先给出总体判断，再列出问题清单，最后提出整改建议。这种来自内部的反思机制，会让整体输出更加稳健。

注意：初稿不是终点，专业判断才是终点

当所有角色完成协作，主智能体往往可以生成结构完整、逻辑可读的备忘录。但这一步并不是重点，整个流程中真正的专业价值，需要在初稿基础上，通过法律人的专业判断来最终落地。

在向客户交付前，还有三项核心工作需要由律师完成，以确保将专业素养注入文本：

1、术语统一：梳理全文术语，确保同一法律概念、技术表述在不同章节保持一致，避免歧义；

2、语气调整：修订过分绝对化的判断表述（如 「必然构成侵权」），替换为符合法律审慎原则的表述（如 「存在较大侵权风险」）；

3、不确定性标注：清晰标注哪些结论依赖于假设事实，哪些判断存在法律适用争议，让阅读者准确把握结论的边界。

到这里，人重新回到了协同的核心位置，在成型的框架上完成关键判断，将职业经验、责任意识与审慎态度，真正与智能体的能力结合起来。

听懂需求，自主干活！

iCourt 研发的 Alpha AI 法律智能体，限时免费试用。类案检索、合同审查、文书起草、证据阅卷等法律实务场景全面提效，带给法律人全新的智能工作体验！

扫描下方海报二维码，即可申请免费试用。