最近研究国外法律 AI 产品时,发现了一款挺有意思的工具——Mary

Mary

这是一家澳大利亚法律科技公司 Mary Technology 开发的 AI 产品，主要服务于诉讼和争议解决业务。

目前的法律 AI 市场已经有不少成熟产品。Harvey、Legora 等平台正在不断扩展法律检索、文书起草、合同审查等功能，国内也有越来越多的法律 AI 产品进入实际业务场景。

Mary 选择了一个非常具体的切入点：案件事实管理（Fact Management）。

它尝试解决一个律师每天都可能遇到的问题：一个案件研究了很久，积累了大量材料和分析成果，为什么下次使用 AI 时，还要重新介绍一遍案情？

这个问题看起来简单，实际涉及案件材料整理、事实提取、证据关联、人工核验，以及跨任务的持续记忆。

Mary 围绕这些环节建立了一套相对完整的产品体系。

一、Mary 到底是什么？

Mary 将自己的核心产品定义为 Fact Management System（FMS），即事实管理系统。

律师对案件管理系统、文档管理系统已经比较熟悉。前者通常负责案件进度、人员和任务，后者负责合同、证据、函件等文件的存储与检索。

Mary 则进一步处理文件中的事实信息。举个例子。

假设我们正在办理一起买卖合同纠纷，案件材料包括几十份订单、微信聊天记录、银行流水、送货单、对账单，以及双方提交的书面陈述。

将这些材料交给 DeepSeek 或 ChatGPT，AI 通常可以很快梳理出交易关系、付款情况和主要争议焦点。

但随着案件推进，可能会出现新的情况。

比如，最初将一笔付款认定为合同相对方支付，后来发现付款人实际上是第三方；或者新增的银行流水与此前的对账记录存在差异。

律师需要修正既有事实认定，并重新检查受影响的法律分析。

团队其他成员在起草代理词、整理质证意见时，也需要使用更新后的事实。

Mary 的做法，是将文件中的重要事实提取出来，建立可以持续维护的事实记录，并保留相应的证据关联。

每次新增材料、修正事实或者完成核验，都可以继续完善这套记录。

这样，案件事实就能够在不同的法律工作任务中被反复使用。

二、Mary 如何处理案件材料？

从 Mary 公开的产品介绍来看，它的主要工作流程包括材料整理、事实提取、事实核验，以及后续法律工作成果生成。

1. 材料整理

律师上传案件材料后，Mary 可以协助识别文件类型、日期、相关人员及重复材料。

例如，一个几百页的 PDF 中可能同时包含多份合同、电子邮件和往来函件。

系统可以尝试识别其中的独立文件，完成拆分、分类和整理。

大型商事诉讼或者破产案件经常面临类似问题。客户一次性提供大量扫描件，材料命名混乱、内容重复，部分文件甚至没有明确日期。材料整理往往需要投入不少人工时间。

Mary 将这一环节纳入自动化处理流程，为后续事实提取提供基础。

2. 事实提取

这是 Mary 最核心的功能。

系统读取案件材料后，可以识别其中的事件、人物、时间、金额等信息，并将其整理为独立的事实条目。

例如：

系统可以将这项事实与对应的送货单、签收记录及其他证据关联。

律师查看事实条目时，可以进一步追溯相关文件。

随着材料增加，同一事实还可能关联多份证据。

这样形成的事实记录，可以用于后续的时间线整理、争议分析和文书起草。

3. 事实核验

Mary 为事实设置了不同的核验状态，并提供相应的人工复核机制。

例如，某项事实可能已经得到律师确认，也可能仍处于待复核状态。

对于存在疑问的内容，系统可以提示不同类型的问题，包括：

这部分设计很贴近律师的实际工作。

法律分析对事实准确性的要求很高。某笔款项的性质、某份合同的签署时间，或者某个人是否具有代理权限，都可能直接影响最终判断。

AI 提取出来的内容，必须区分客观证据、当事人主张和推断性信息。

Mary 将这些问题显性地呈现在工作界面中，并允许律师逐项确认。

经过核验的结果可以保留下来，供后续任务继续使用。

三、案件时间线和文书生成

建立事实记录后，Mary 还提供案件时间线、事实分析、财务分析和文书起草等功能。

其中，案件时间线是一个比较直观的应用场景。

例如，在一起持续两年的合同纠纷中，案件涉及多次下单、交付、付款、催告和对账。

律师可以根据已有事实记录生成事件时间线，并针对特定人物、时间范围或争议事项进行筛选。

时间线中的事件能够关联证据来源，方便进一步复核。

Mary 还在 2026 年的产品更新中介绍了银行流水分析、自定义时间线和模板化文书起草等功能。

这些功能可以共享已经建立的案件事实。

对于需要反复修改的代理词、案件分析报告和事实梳理文件，这种设计能够减少重复整理材料的工作量。

当然，事实提取和证据关联的准确性仍然需要人工检验，尤其是涉及复杂交易关系、扫描件以及存在大量歧义的原始材料时。

四、Mary 开始与其他法律 AI 合作

2026 年 10 月，Mary 宣布与法律 AI 平台 Harvey 集成。

Mary 的产品架构允许外部 AI 工具调用其维护的案件事实记录其连接能力还涉及 MCP 等接口机制，可以与兼容的 AI 工具配合使用。

在这样的工作流程中，律师可以先通过 Mary 完成案件材料整理和事实核验，再通过其他 AI 工具开展法律研究、争议分析或文书起草。

例如，一个案件已经在 Mary 中形成比较完整的事实记录，律师之后使用其他模型研究某个争议焦点时，可以调用相关事实和证据来源。

团队成员也能够围绕同一套经过维护的事实开展不同工作。

对经常切换 AI 模型的律师来说，这种跨工具使用案件事实的能力具有实际意义。

模型更新很快，一个案件却可能持续数月甚至数年。案件研究成果能够长期保留，后续采用什么模型就会灵活得多。

五、Mary 对破产业务有什么启发？

破产业务具有材料数量大、事实关系复杂、办理周期长等特点。

以债权审查为例。

管理人需要处理债权申报材料、基础合同、发票、付款凭证、对账文件、裁判文书以及补充说明。一笔债权可能经过数轮审查，期间还涉及多次补充材料、债权金额调整以及异议处理。

随着审查推进，律师对于债权真实性、金额和性质的认识也会不断完善。

目前很多团队仍然通过 Excel 登记债权，通过 Word 形成审查意见，再结合云文档或其他系统管理材料。

这些工具可以完成相应工作，但事实认定及其变化过程往往分散在不同文件中。

如果引入类似 Mary 的事实管理机制，可以尝试将部分信息持续积累下来。

例如，一笔债权的本金金额来源于哪份合同，已付款金额对应哪些银行流水，保证责任依据是什么，哪些事实已经核实，哪些事项还需要债权人补充举证。

律师完成一次核验后，相应结果可以被后续复查、异议处理和法律文书起草继续使用。

对于重大复杂诉讼，同样可以沿用这套方法。

不过，破产业务中的债权审查还涉及法律性质判断、清偿顺位、审查结论及程序管理等内容，单纯的事实管理系统无法覆盖全部需求。

Mary 的设计能够为这类业务提供一些参考，具体适配程度仍取决于产品对中文材料、复杂表格和国内法律工作流程的支持情况。

六、法律 AI 的案件记忆，还可以怎么做？

目前，Mary 的主要市场仍然是海外法律服务行业。尚未接入国内法律智能生态。但是它给 AI 的案件记忆系统建设提供了很好的思路。

Mary 带来的一个启发，是案件记忆可以进一步细化。现在不少 AI 工具已经支持长期记忆、项目空间和知识库。将案件信息整理成 Markdown 文件，也能够实现一定程度的跨会话记忆。

但法律工作对案件记忆还有更细的要求。

例如，一项事实的证据来源是什么？该事实是否经过核验？后来有没有新增证据？原来的事实认定是否发生变化？已经形成的代理意见是否受到影响？

这些问题需要在案件办理过程中持续处理。

从这个角度看，案件记忆可以逐步形成几个层次：

第一层是案件材料。 保留原始文件及其索引，支持查找和定位。

第二层是案件事实。 提取关键事件、人物、金额、时间及证据关系。

第三层是核验记录。 记录已经确认的事实、待核验的问题，以及事实认定的变化。

第四层是法律分析。 在事实基础上持续形成争议焦点、法律判断、研究结论和工作底稿。

这套结构有助于形成更稳定的案件研究基础。

实际开发时，还需要控制系统复杂度。事实结构越细，维护成本也可能越高。如何减少人工录入、避免信息重复，并让核验过程足够简单，会直接影响律师是否愿意长期使用。

对于轻量化法律 AI 工具，优先实现事实溯源、人工核验和跨会话复用，已经能够解决不少实际问题。

写在最后

过去一年，法律 AI 在法律检索、文书生成和复杂推理方面的能力提升很快。

但律师使用 AI 时，还有大量工作发生在模型推理之前。

整理材料、核对事实、查找证据、补充信息，以及将此前的研究成果重新交给 AI。这些工作分散在案件办理的不同阶段，累计起来同样耗费大量时间。

Mary 对这部分工作进行了比较系统的产品设计，将案件事实的提取、核验、更新和调用整合在一起。

有意思的是，最近我一直在独立开发的开源项目 CaseBench，也在不约而同地朝着类似的方向演进。

CaseBench 最初只是希望为做一个能在不同 AI 工具之间流转的skill，通过本地专属工作区，将案件的事实、争点、待办固定下来。

后来，可以让 AI 能够按照律师的办案习惯整理材料、分析争议、形成工作底稿。随着实际使用和不断迭代，逐渐将开发重点放到了案件记忆上，持续维护单个案件的事实、法律分析和工作底稿；二是将办案过程中形成的通用方法沉淀下来，供其他案件复用。

其中，案件事实需要保留证据出处、核验状态和修改记录，AI 的研究判断也需要随着新材料的加入持续更新。

这与 Mary 的事实管理思路有不少相似之处。

Mary 已经形成了相对完整的商业化产品体系；CaseBench 仍然是一个持续迭代的轻量化开源项目，以 Skill 作为核心能力载体，通过 DSH 插件提供可视化工作界面，尽可能利用现有 AI 模型和工具完成具体工作。

法律 AI 模型还会不断更新，律师使用的工具也可能随之变化。但一个案件已经完成的事实核验、法律研究和工作底稿，应该能够长期积累下来。

成为律师可以在不同 AI 工具之间复用的珍贵资产。

参考资料｜Mary Technology 官网https://www.marytechnology.com

本文根据 Mary 官方公开资料及产品介绍整理，涉及产品能力的描述以官方披露为基础，尚未开展独立实测。