文章目录
- D47 · 法律文书理解与生成：多步推理链怎么落地
- 开篇：法条是确定的，推理是不确定的
- 第 1 章 法律场景的技术难点地图
- 1.1 难点是怎么换的
- 1.2 三类法律任务
- 1.3 架构选型：规则优先，模型兜底
- 1.4 法律场景的四条铁律
- 第 2 章 法条知识库：带版本、带时效、带层级
- 2.1 法条的数据结构长什么样
- 2.2 版本与时效：法律知识库最难的部分
- 2.3 检索：关键词 + 语义 + 条号直查
- 2.4 引用完整性校验：第一道护栏
- 第 3 章 合同理解：条款抽取与要素归一
- 3.1 合同不是纯文本，是一棵条款树
- 3.2 条款边界：怎么找到「第X条」
- 3.3 要素抽取：金额、期限、触发条件、义务
- 3.4 归一：没有归一就没有比较
- 3.5 抽取不能依赖分类
- 第 4 章 多步推理链：从事实到结论
- 4.1 为什么不能一步到位
- 4.2 四节点推理链
- 4.3 规则匹配器：把条件写成能求值的表达式
- 4.4 单位陷阱：我自己踩的那个坑
- 4.5 链式校验：缺一步就断链
- 4.6 置信度取短板，不是取平均
- 4.7 可追溯性：结论 → 依据 → 原文
- 第 5 章 风险审查：交叉约束与矛盾检测
- 5.1 单条款审查不够
- 5.2 交叉约束：条款之间的数值关系
- 5.3 条款矛盾：两条不相容的规定
- 5.4 依赖图与循环引用
- 5.5 风险分级与人工复核队列
- 第 6 章 合同生成：模板 + 约束 + 校验
- 6.1 生成不是自由发挥，是受约束的填空
- 6.2 模板系统与变量
- 6.3 三道门
- 6.4 变量回溯：每个值从哪来
- 第 7 章 落地：评测、团队与不该做的事
- 7.1 法律场景怎么评
- 7.2 三档团队方案
- 7.3 什么时候**不该**用模型
- 7.4 上线前检查清单
- Key Takeaways
- 思考题
- 下篇预告
- 参考资料
D47 · 法律文书理解与生成：多步推理链怎么落地
写给有合规、法务需求，想把大模型接进合同流程的后端工程师
本文是《60 天 AI 全栈转型：传统开发者的大模型工程师之路》S3 第三阶段第 2 篇
配套代码仓库：gitcode.com/road-emblem/60-days-ai-stack
开篇：法条是确定的，推理是不确定的
上一篇 D46 我们讲医疗问答，核心难点是幻觉——模型会一本正经地编造医学事实。
这一篇我们换到法律场景。表面上这是两个完全不同的行业，但如果你真做过医疗大模型，再看法律场景会发现一件很反直觉的事：
法律场景的核心难点，也是幻觉。
听起来像胡扯，对吧？法条是白纸黑字写在那里的，一个字都不会错，怎么会是幻觉？
确实是。但它幻觉的不是法条的内容，而是法条的适用。
举个真实场景。你给模型一份合同，问它：「这份合同有没有法律风险？」
模型的回答通常是这么写的：
该合同的违约责任条款存在较大风险。根据《中华人民共和国民法典》第五百八十五条，
约定的违约金过分高于造成的损失的，可以请求人民法院予以适当减少。
这段话读起来怎么样？很专业，对吧？法条号是真的，结论方向也对。
