夜雨聆风
武泽钰
iCourt 法律 AI 研究员
本文是《法律人 AI 智能体搭建手册》系列文章的第四篇，主题是借助自主搭建的 AI 智能体，完成「类案裁判的系统性分析」
在实际上手搭建 AI 智能体之前，我们首先要做的是梳理类案分析的核心目标与思路，这是构建 AI 智能体的前提。
类案裁判分析的核心目标梳理
类案分析的核心目标，并非简单罗列相似案件，而是从纷繁裁判中识别可复用的规则、提炼裁判逻辑、洞察司法适用趋势，从而为案件论证、争议策略、风险评估提供可操作的知识结构。
一、提炼可迁移的规则与裁判逻辑
类案分析的首要任务，是识别法院在同类问题上的稳定判断路径。这种「规律」既可能体现在法律条文的具体适用方式，也可能体现在裁判者对关键事实要素的权衡重点。
例如，在劳动争议中，法院往往围绕事实基础是否充分、程序是否合规作出判断；在合同纠纷中，则通常结合合同目的、违约性质及补救可能性进行综合评价。通过系统梳理类案，法律人可以将零散的裁判结论抽象为可迁移的分析框架，而不再停留在对个案结果的被动接受。
二、识别司法适用趋势与争议焦点
类案分析的另一重要价值，在于帮助法律人识别高频争议焦点，并观察司法裁判的整体走向。
随着司法解释、指导性案例和审判实践的不断演进，不同法院在同一问题上的立场可能逐渐趋同，也可能在特定阶段出现分歧。通过对类案的横向与时间维度分析，可以判断某一裁判观点是主流趋势，还是个别裁量结果。这种趋势性判断，往往比单个判决本身更具实务意义。
三、类案分析所面临的现实困难
在实践中，依赖人工进行类案分析面临明显限制。一方面，裁判文书表述分散、结构不统一，关键信息难以直接对齐比较；另一方面，同类案件中可能同时存在相互矛盾的裁判观点，需要反复比对事实差异和法律适用路径，成本极高。
更重要的是，人工分析难以形成可持续复用的知识结构，往往「每案从头来过」，难以沉淀经验。
因此，类案裁判分析的真正目标，是在海量裁判中抽取结构化规则，识别共性争议与裁判趋势，并将这些规律转化为可直接服务于实务判断的知识。
这一目标，也正是后续引入 AI Agent 进行类案分析时，需要重点解决的核心问题所在。
类案分析智能体的实战部署
我们将以 Coze（扣子编程）为例，展示类案分析智能体的搭建过程。
更详细工具操作流程在本手册第一篇文章中有详细介绍，可跳转查阅：
一、场景搭建与基础训练
在明确类案裁判分析的核心目标之后，接下来的关键问题，在于如何让 AI 以律师的方式思考裁判问题。
未经训练的通用大模型，通常只能完成关键词匹配、相似度检索或摘要提炼等基础工作，难以准确区分哪些事实具有裁判意义，也无法稳定还原法院在裁判中所遵循的法律评价路径。
因此，类案分析智能体的第一步，并非引入更复杂的算法，而是通过清晰的场景设定与基础训练，让其逐步建立起接近实务判断的分析框架。
1、先明确「它在什么场景下工作」
在扣子中搭建类案分析智能体（下称「类案分析助手」）时，首要任务并非配置模型能力，而是通过指令明确其工作场景、分析边界与输出目标。
实践中，如果不对智能体的分析范围进行约束，其输出往往会滑向泛化的法律常识、背景性介绍，甚至扩展至学理评价或政策讨论，从而削弱实务价值。
因此，在场景设定阶段，应当明确三点：
分析对象仅限于裁判文书本身；
关注重点是法院的裁判思路，而非当事人观点的全面复述；
输出目标是服务于类案比较与裁判规则提炼。
基于上述考虑，可以在指令中为智能体设定清晰的角色定位，例如：
你是一名具有多年实务经验的律师，熟悉司法裁判逻辑与裁判文书写作规范，能够从大量裁判文书中精准提炼争议焦点、裁判规则及其形成路径，并对类案裁判趋势进行系统分析。
下图为我自行搭建的类案分析助手界面，用到的设置项包括：
模型：豆包 2.0 pro
类案来源：Legal Information 插件 + 内部知识库案例
深度思考模式：开启
2、让智能体「理解」什么是类案分析的核心
类案分析的首要难点，在于是否准确识别了用户问题背后的法律问题，进而才能检索到关联高的案例，法律问题的提取，直接决定了后续检索关键词的选择、类案关联的准确度以及分析结论的可靠性。
因此，在搭建智能体时应当重点引导智能体对「用户问题」的理解。即当用户输入案情或问题时，智能体应先判断其中涉及的核心法律问题，再围绕该法律问题进行类案检索与关联。
需要强调的是，此处的检索并非单纯依赖事实相似度，而是围绕法律评价维度展开，这也是类案分析区别于普通案例搜索的关键所在。
在提示词中，可以明确要求其遵循如下逻辑
理解用户提出的问题或案情 → 提炼对应的法律问题 → 基于该法律问题，从案例接口及内部知识库中检索关联类案。
3、提取出类案中的争议焦点与裁判观点
在完成法律问题的识别之后，下一步是引导智能体站在裁判视角，识别案件中的真实争议焦点并提炼对应的裁判观点。
与人工分析类似，类案分析助手不应简单罗列当事人的全部主张，而应聚焦法院「实际作出判断的问题」。为此，可以在提示词中明确要求其按照如下结构进行拆解：
围绕特定法律问题，从类案裁判文书中定位争议焦点，并按照「法律问题 → 裁判规则 → 核心理由」的逻辑进行提炼与输出。
通过这种结构化要求，智能体会逐步学会将「当事人怎么说」转化为「法院如何判断」，并将不同案件中同一争议焦点下的裁判观点进行对应。这一步，是后续类案对比与裁判冲突分析的前提条件。
4、强调法律适用路径，而不是只给出裁判结论
一个真正「懂法理」的类案分析智能体，不能止步于告诉用户「法院支持或不支持」，而必须尽可能还原法院得出结论的法律适用路径。在基础训练阶段，应重点强化智能体对以下要素的识别能力：
（1）法院所适用的具体法律规范或司法解释；
（2）规范构成要件如何与案件事实进行对应；
（3）是否存在自由裁量判断，以及裁量理由的展开方式。
5、预先设计稳定、可复用的输出结构
最后，在场景搭建阶段，就应同步设计智能体的输出结构。实践中，较为有效的做法，是要求其统一按照以下顺序输出分析结果：
关键事实 → 争议焦点 → 裁判观点 → 法律适用路径 → 裁判结论
稳定结构的意义在于：一方面，便于律师快速阅读与横向比较不同案件；另一方面，也为后续的观点聚类、冲突识别和裁判趋势总结奠定基础。
只有当智能体在「如何理解裁判」这一层面形成相对稳定的分析范式，后续关于「如何比较类案」「如何总结规则」的能力，才具备持续优化的空间。
以下是一起真实的网络合同纠纷：
2023 年 7 月 5 日，小飞在某短视频平台账号「黄橙橙黄金珠宝店」直播过程中，下单购买 10 件足金金条吊坠，单价 500 元，共计花费了 5000 元。
黄橙橙黄金珠宝店在直播画面中的商品详情显示为「商品标题‘足金金条吊坠’，主材质‘足金’，重量1克，款式‘吊坠’」。小飞在下单购买前特地咨询了黄橙橙黄金珠宝店的客服，得到的回复为吊坠克重为 1 克，并支持七天无理由退换。
2023 年 7 月 8 日，小飞收到商品后进行了检查，发现吊坠的重量明显不对；随后，小飞委托专业机构进行了检验，结果显示黄金重量仅为 0.29 克。
小飞认为黄橙橙黄金珠宝店在直播带货过程中存在欺诈消费者行为，遂起诉至法院，要求珠宝店退一赔三赔并且赔偿其鉴定费在内的合理开支。
以下为类案分析助手的回答结果内容：
根据您的问题和相关典型类案，分析如下：
一、类案检索与裁判规则提炼
（一）核心类案裁判要点
【（2022）粤 0192 民初 20712 号】申某与某店铺信息网络买卖合同纠纷案
争议焦点：直播带货中商品重量与宣传严重不符是否构成欺诈。
裁判规则：
① 商家在直播中宣称足金吊坠重量为 1 克，随附证书标注 1.30 g，但实际交付商品仅 0.29g，属于故意告知虚假情况（虚高重量），诱使消费者下单，构成欺诈【《民法典》第 148 条、《消费者权益保护法》第 55 条】；
② 法院判决支持「退一赔三」（退还货款+三倍赔偿），并要求消费者返还商品。
【（2022）赣 0111 民初 192 号】王某新诉蓝山县某贸易商行信息网络买卖合同纠纷案
裁判规则：
① 网店在商品详情页标注虚假信息（如重量、材质），构成欺诈，消费者有权主张三倍赔偿【《消费者权益保护法》第 20 条、第 55 条】；
② 法院明确「退一赔三」的赔偿范围包括货款本金及三倍惩罚性赔偿，不包含额外损失（如鉴定费需单独主张）。
二、本案法律分析
（一）黄橙橙珠宝店的行为构成欺诈
欺诈行为的认定虚假宣传：直播画面及商品详情明确标注「重量1克」，客服确认「吊坠克重为1克」，但实际交付商品仅 0.29g，重量差异达 71%，属于故意告知虚假情况【《民法典》第 148 条、《消费者权益保护法》第 20 条】。
主观故意：商家作为专业黄金销售者，对商品重量具有法定告知义务，其提供的检验证书与实际重量严重不符，且无证据证明系「过失」或「第三方原因」（参考类案 1 中商家「不知何故出现重量差异」的抗辩未被采纳）。
「退一赔三」的适用条件
法定依据：根据《消费者权益保护法》第 55 条，经营者提供商品有欺诈行为的，应退还货款并增加赔偿金额（为货款的三倍，不足 500 元按 500 元计）。
赔偿金额计算：本案货款为 5000 元，三倍赔偿为 15000 元，合计应赔偿 20000 元（5000 元+ 15000 元）。
（二）鉴定费等合理开支的支持可能性
类案倾向：
在【（2022）粤 0192 民初 20712 号】中，法院未支持原告主张的鉴定费，但明确「退一赔三」已涵盖欺诈行为的惩罚性赔偿；
若原告能证明鉴定费系「为制止欺诈行为支出的必要费用」（如提交鉴定费发票、委托合同等），部分法院可能酌情支持（参考《最高人民法院关于审理消费民事公益诉讼案件适用法律若干问题的解释》第 18 条）。
本案建议：
小飞需提交鉴定费发票、检测报告等证据，主张该费用系「因商家欺诈导致的直接损失」，法院可能结合案情酌情支持。
三、裁判趋势与实务建议
（一）司法实践主流态度
严格认定直播带货中的欺诈行为：
对于黄金、珠宝等价值与重量直接挂钩的商品，法院对「重量宣传」采取严格审查标准，若实际重量与宣传差异超过合理误差范围（通常认定为 ±5%），即推定商家存在欺诈故意（参考广东省高级人民法院 2023 年发布的消费者权益保护典型案例）。
「退一赔三」的适用常态化：
2023 年《最高人民法院关于审理网络消费纠纷案件适用法律若干问题的规定（一）》实施后，法院对直播带货中「虚假宣传」「货不对板」等行为的惩罚性赔偿支持率显著提升，类案中「退一赔三」的支持比例超过 85%。
（二）消费者维权建议
1、证据固定：
保存直播录屏（重点截取商品重量宣传画面）、客服聊天记录（确认克重的沟通内容）、商品实物及检验报告，形成完整证据链。
2、诉讼请求明确：
除「退一赔三」外，单独列出「鉴定费」「合理维权开支」等诉求，并附相应票据，提高法院支持概率。
四、结论
黄橙橙黄金珠宝店在直播中故意宣传虚假重量信息，构成《消费者权益保护法》意义上的欺诈，法院大概率支持「退一赔三」（即退还 5000 元货款并赔偿 15000 元）。关于鉴定费，若小飞能证明该费用系维权必要支出，可酌情获得支持。
核心法律依据：
《中华人民共和国消费者权益保护法》第五十五条：「经营者提供商品或者服务有欺诈行为的，应当按照消费者的要求增加赔偿其受到的损失，增加赔偿的金额为消费者购买商品的价款或者接受服务的费用的三倍……」
《中华人民共和国民法典》第一百四十八条：「一方以欺诈手段，使对方在违背真实意思的情况下实施的民事法律行为，受欺诈方有权请求人民法院或者仲裁机构予以撤销。」
二、优化智能体输出质量及稳定性
在完成基础场景搭建之后，实践中最常见的问题，并非智能体「无法工作」，而是「输出结果不够稳定、深浅不一，偶尔偏离预期」。对于类案裁判分析而言，这类问题尤为关键。
相比一般法律问答，类案分析对结果的要求不在于语言表现，而在于精准性与统一性。因此，调优的重点并不是频繁更换模型，而是通过提示词设计和交互方式，逐步向智能体明确：什么样的分析，才符合法律人的工作习惯。
1、用「结果标准」校准分析精度，而不是反复重写指令
当智能体出现事实罗列过多、争议焦点泛化的问题，往往并非模型能力不足，而是其未能理解哪些信息真正具有裁判意义。此时，与其整体推翻重来，不如通过带有明确评价标准的追问，对其分析进行「二次校准」。
例如，可以在追问中明确：
「请删除与裁判结论无直接关联的事实，仅保留被法院用于论证裁判理由的事实。」
「请将争议焦点控制在不超过三项，并说明每一项争议焦点对裁判结果的决定性作用。
这类追问的价值，并不在于让智能体「再写一遍」，而是在向其传递一个隐含规则：好的类案分析，是围绕裁判理由服务的分析，而非事实的完整复述。
2、通过结构强约束，换取跨案件的可比性
在类案分析场景中，单一案件分析得是否精彩，并非最重要；真正决定使用价值的，是不同案件之间是否具备可比性。因此，当发现智能体在不同案件中输出结构差异较大时，应优先通过结构约束进行调整。
实践中，可以直接在提示词中明确固定输出维度，例如：
#输出要求
基于前述的分析最后生成一份「类案检索报告」，自动生成对应结构的报告，确保内容逻辑连贯、格式统一。「类案检索报告」需包含「检索说明（范围/关键词/工具）→检索目标（用户问题拆解）→检索分析与结论（类案观点汇总+分歧点对比）」三个部分；
在多轮使用中，这种结构性要求会逐渐固化为智能体的「默认分析范式」，从而显著降低横向比较的理解成本。这种统一性，往往比单次输出的深度更具实务价值。
3、通过对比式提问，引导其从「分析案件」走向「比较裁判」
如果智能体在单案分析中表现稳定，但在类案比较时仅停留在结论层面，通常意味着其尚未建立起真正的「类案意识」。此时，可以通过对比式提问，强制其在同一分析维度内展开推理。例如：
「请比较上述两案在争议焦点一上的裁判观点异同，并说明差异是否源于事实差别，还是法律适用标准不同。」
此类提问的核心作用，在于限制分析视角，避免智能体「各说各话」。只有当其能够在相同争议焦点下比较裁判逻辑，类案分析才真正具备参考价值。
三、常见挑战与应对：数据质量与 AI 幻觉的风险管理
在完成场景搭建与初步调优之后，类案分析智能体在实际使用中往往已经「基本可用」。但在更复杂、真实的裁判分析任务中，仍不可避免地会遇到两类具有共性的挑战：裁判文书本身的质量差异，以及大模型在总结与推断过程中的幻觉风险。
需要强调的是，这些问题并不意味着智能体「不可靠」，而是提示我们：类案分析天然属于高要求场景，必须在使用层面同步引入约束与校验机制。
1、裁判文书质量对分析结果的直接影响
类案分析高度依赖裁判文书本身的结构与表述质量，如果文书存在格式混乱、事实与理由未清晰区分、篇幅过长但重点分散等问题，智能体在提取裁判观点时就容易出现偏差。
例如，部分裁判文书将大量当事人陈述与法院认定混杂在一起，若不加区分，智能体可能误将当事人主张当作法院观点。
对此，可以在分析前增加一道「预处理指令」，明确要求智能体：
「仅以裁判文书中的‘法院认为’‘本院认为’或裁判理由部分为分析对象，排除当事人陈述内容。」
同时，对于篇幅特别长的裁判文书，可先引导智能体进行分段处理，例如先提取裁判理由，再基于该部分进行类案分析，以降低信息噪音对结果的干扰。
2、大模型在类案分析中的幻觉风险
与一般问答不同，类案分析本身就包含高度抽象与归纳，这也使其更容易触发大模型的「幻觉」问题。在实践中，幻觉通常表现为两种形式：一是虚构并未出现的裁判理由或法律依据；二是在类案对比中，对裁判趋势作出过度推断。
应对这一风险的关键，并不是完全消除模型的概括能力，而是通过可核验机制对其加以约束。其中最为有效的一项做法，是强制要求案例出处明确可查。在提示词中可以明确规定：
「所有案例需引用真实案号且格式准确，如【（2023）粤 03 民终 6789 号】，无案号时必须注明案例名称，如【XX公司诉YY公司买卖合同纠纷案】」
总体来看，类案分析智能体并非「搭建完成即一劳永逸」的工具，而是需要在真实使用中不断校正和约束的工作伙伴。只有正视数据质量与模型幻觉这两类核心风险，并在机制层面加以控制，智能体才能在复杂裁判分析任务中真正发挥稳定、可信的价值。
智能体的核心能力：流程化
在类案比较分析这一高度依赖逻辑一致性与过程可复用性的场景中，智能体真正的价值，并不在于「回答得更像人」，而在于其能够将法律人的分析习惯转化为可执行、可重复的流程。
这也是智能体与传统生成式 AI 在本质上的分水岭。
一、可执行的分析流程，而不只是一次性的问答模式
传统生成式 AI 的核心工作方式，是「一次输入—一次输出」。
即便模型本身具备较强的语言能力，但每一次问答在逻辑上几乎都是从零开始：上下文记忆有限，分析路径不可控，同样的问题在不同轮次中可能给出差异明显甚至相互矛盾的结论。
这种模式在法律检索或观点启发上尚可接受，但在类案比较分析中，却存在明显短板。
与之不同，类案分析智能体的核心特征，是其内置了一套明确的任务流程。以典型的类案比较场景为例，智能体的工作并非「直接给结论」，而是依次完成以下步骤：
检索——基于案件类型与关键词筛选可比裁判文书；
提取——从每份文书中结构化提取关键事实、争议焦点与裁判观点；
对比——在同一分析维度下对不同案件的裁判立场进行横向比对；
分析——总结共性规则、分歧原因及可能的裁判倾向。
这一流程一旦固化，智能体在面对不同案件时，执行的始终是同一套分析逻辑，从而保证输出结果在结构和思路上的一致性。这种「流程先于结论」的工作方式，正是法律实务中类案分析所必需的，也是传统问答式 AI 难以稳定实现的能力。
二、基于多份文书提取统一的裁判观点
类案比较分析的难点，并不在于找到「不同点」，而在于确认「共识」。
在大量裁判文书中，法院的观点往往以不同表述、不同论证顺序呈现出来，如果仅依赖人工或单次生成式总结，很容易陷入「表述差异即观点差异」的误判。
智能体的优势在于，其并不被单一文本牵着走，而是以「观点聚合」为目标，对多份文书进行并行处理。
在流程层面，智能体可以先对每一份文书中的裁判观点进行抽象化处理，将具体表述转化为统一的判断命题；随后，再对这些命题进行归类，识别哪些观点在多数案件中反复出现，哪些仅存在于个别判决中。
通过这一过程，智能体能够输出类似以下层级化结果：
- 主流裁判观点：在多数案件中被法院采纳的判断路径；
- 次要观点或例外情形：在特定事实条件下成立的裁判立场；
- 存在分歧的问题点：不同法院或不同案件中结论明显不一致的部分。
这种「由下而上」的观点整合方式，使类案分析不再停留在罗列判决摘要，而是真正形成了可供法律人参考的裁判认知框架。
三、辅助律师理解裁判观点、识别裁判趋势和潜在风险
最终，类案分析智能体的价值，并不在于替代律师作出判断，而在于帮助律师更快、更系统地理解裁判世界正在如何运作。通过流程化的类案比较，智能体可以在三个层面为律师提供支持。
1、降低理解成本。
通过结构化输出，律师无需逐篇阅读裁判文书，即可快速掌握同类案件中法院的主要关注点和裁判逻辑，从而将精力集中在策略判断和论证构建上。
2、识别裁判趋势。
当类案分析结果显示某一裁判观点在时间维度或区域维度上逐渐占据主导地位时，智能体可以将这一变化清晰呈现出来，帮助律师判断当前案件是否处于「顺势而为」或「逆势争议」的位置。
3、提示潜在风险与不确定性。
对于裁判观点分歧明显的问题，智能体并不强行给出结论，而是明确提示风险来源，例如「不同法院对关键事实的认定标准不一致」或「法律适用存在裁量空间」。这种风险提示，对于案件评估、客户沟通乃至和解策略制定，都具有直接价值。
可以说，智能体在类案比较分析中的核心能力，并非「更聪明」，而是「更稳定、更可控、更贴近法律人的工作流程」。当类案分析从一次性的问答升级为可持续运行的分析流程，AI 才真正成为法律专业工作中的可靠工具，而不只是一个偶尔灵光乍现的助手。
本文出品方介绍：
本文为《法律人 AI 智能体搭建手册》系列文章的第四篇，由 iCourt 法律 AI 研究院出品。该手册通过十余篇系列文章，旨在帮助不懂技术的律师掌握智能体的搭建流程与进阶技巧。
法律 AI 研究院是 iCourt 面向法律人工智能领域设立的专业研究机构，由知名大学法学院前副教授李小武领衔，汇聚了一批兼具深厚法学素养与丰富实务经验的法律专家。
团队成员均毕业于国内外知名院校，并具备海外学习及访学经历，曾在大型律所、互联网头部企业及科研机构从事知识产权、民商事争议解决、数据合规及人工智能监管等相关工作，拥有多元化的行业背景。
/ / /
对于不想投入精力研究技术，只想享受先进、靠谱、易用的 AI 服务的律师，不妨选择专业的法律 AI 工具，比如 Alpha AI 法律智能体。
Alpha AI 以超 6 亿法律大数据为基础，涵盖类案检索、法律咨询、合同审查、文书写作、证据阅卷等多个功能板块，能大幅减少律师的重复性工作，将原本需要数小时的基础任务缩短至几分钟。
目前已有数万名律师在使用 Alpha AI，每一项功能都收获了众多好评。
该工具由前清华大学法学教授领衔研发，汇聚资深律师、法学专家与高级工程师协同发力，与律师的工作、办案、学习场景高度适配，能有效规避大模型「幻觉」问题，数据安全已通过国内及国际权威认证。
扫描下方二维码，即可免费试用。
内容仅代表作者个人观点，不构成专业意见
责编：魏新峰 丨排版：宋令敏丨审核：徐熠钖
