法律AI如何工作：法律领域的大模型、NLP与机器学习
现代法律AI工具背后的技术，依托三个协同运作的基础模块：自然语言处理（NLP）让机器能够解读法律语言，机器学习（ML）让模型从案例数据中学习规律，而大语言模型（LLM）则能按需生成和概括文本。这三者共同作用，将文档检索转变为类似研究助理的体验。理解法律AI如何工作至关重要——因为这一领域的风险极不对称。
根据Clio发布的《法律行业趋势报告》，2025年已有79%的律师开始使用法律AI。这些系统既能每周为律师节省数小时的审阅时间，也可能在缺乏有效约束的情况下凭空捏造从未存在过的案例引注。
什么是法律AI？
法律AI是生成式AI、机器学习和自然语言处理（NLP）系统的统称，专为法律工作而非通用场景设计。法律AI如何工作这一问题也有其学术渊源——2020年，Zhong等人在ACL会议上发表的综述正式将”法律AI”确立为一个独立研究领域，远早于ChatGPT让这一术语走入大众视野。Clio的2025年法律行业趋势报告显示，已使用法律AI技术的律师中，有82%计划进一步扩大使用范围；在采用者中，65%的人表示工作质量有所提升，54%表示工作能力增强，36%表示盈利能力提高。
同时，理解法律AI如何工作是现代法律从业者的必备技能之一。
法律AI与传统法律软件的区别
传统法律软件依赖确定性规则和关键词搜索：输入”违约”，系统返回包含该词组的文档。根据Thomson Reuters的说法，法律AI工具与通用聊天机器人以及旧式软件的本质区别在于——它搜索的是语义和意图，而非字符串匹配。关于”退出交易”的查询，即使没有一个相同的词，也能检索出讨论终止条款的文档。
这一转变源于底层构建方式的不同。基于Rule的程序需要律师和工程师手工编写每一条可识别的规则，而现代法律专用自然语言处理（NLP）模型则直接从大量合同、诉状和判例文书中自动学习规律，无需手动编写规则。
为何”AI”在这里意味着三种技术，而非一种
无论是Clio、Thomson Reuters还是Onit的产品文档，对法律AI是什么以及如何工作这一问题，都给出了相同的答案：它是三种技术的叠加，而非单一技术。
- 自然语言处理（NLP） 负责读取和解析语言。
- 机器学习 从数千份文档中发现规律。
- 大语言模型（LLM） 生成流畅的文本——草稿、摘要和说明——从前两层提取的内容中产出。
本文接下来将逐一介绍这三种技术。
自然语言处理：机器如何读懂法律语言
法律语言对于机器来说，可以说是最难解析的场景之一。它混合了古旧措辞、大量专业定义术语、密集的交叉引用，以及一些与日常含义截然不同的法律术语——合同法中的”约因”（consideration）与”体贴”毫无关系，”shall”所表达的义务也不同于”may”。自然语言处理正是使计算机能够突破这些障碍、解读法律语言的核心层级。美国律师协会（ABA）2021年的一篇技术分析文章引用市场研究数据，预测随着自然语言处理（NLP）加速普及，更广泛的NLP市场规模将在2026年达到276亿美元（到2026年）。
从关键词搜索到理解语义
在法律AI系统内部，自然语言处理（NLP）承担一系列具体任务：命名实体识别（提取当事方、日期、金额），条款分类，提取术语间的关联关系，以及区分法院具有约束力的判决意见与不具约束力的附带意见。它还需要识别关键词搜索完全无法捕捉的同义关系——根据Irys的法律AI词汇表，理解法律语义的系统能够判断”不可抗力条款”和”履行不能条款”针对的是同一潜在风险。
这对机器来说绝非易事。一份合同可能在第一节定义”关联方”，而在两百页后再次使用这一术语，却不附任何提示；关键词匹配系统无法将两处关联起来。法律专用的自然语言处理模型经过专项训练，能够记住这种跨越长距离的文档结构，这也是它有别于通用文本搜索的关键所在。
变换器架构对法律NLP的革命性影响
法律自然语言处理大约历经二十年，从基于规则的系统演变为变换器（Transformer）模型：手工编写的语法规则在2000年代让位于统计机器学习，而后又演进为在数百万份法律文档上训练的变换器架构——Legal-BERT由Chalkidis等人于2020年提出，是其中最具代表性的成果。另有一个更偏确定性的分支，称为自然语言理解（NLU），其输出具有内置的可解释性，与生成式模型那种概率性、难以审计的输出形成对比——美国律师协会（ABA）的《科技律师》（SciTech Lawyer）在2026年的认知AI法律分析中对此有详细论述。
这一方向可行性的早期证明来自2016年：一项发表于PeerJ Computer Science的计算研究显示，仅凭案件文本，一个自然语言处理（NLP）模型就能以79%的平均准确率预测欧洲人权法院的案件结果——彼时变换器架构尚未问世。Legal-BERT及其后继者在同一洞见的基础上大幅扩展，训练文档量从数百份增至数百万份。
机器学习：法律AI如何从数据中学习
机器学习是一种统计建模方法，通过训练样本而非预设规则来提升任务表现，也是电子取证中预测编码的核心驱动力。根据Everlaw的《2025年电子取证创新报告》，采用生成式AI后，近半数法律从业者表示每周在文档审阅等任务上节省了1至5小时——这在很大程度上得益于机器学习驱动的审阅取代了逐一手动阅读，以概率排序的优先队列替代了线性处理。
监督学习与概率评分
法律工具中的监督机器学习基于标注样本：律师将一批文档标记为相关或受特权保护，模型从中学习规律，继而对新的、未见过的文档按相同类别进行评分——为每份文档赋予一个概率值，而非简单的是/否判断。系统被使用和纠正的次数越多，评分准确性越高，因为每次纠正都会反馈回模型。
这与大语言模型（LLM）生成文本的机制有着本质区别。这里没有逐词元预测——模型为每份文档输出一个单独的数值，而这个数值的可靠性完全取决于它所学习的标注样本。种子集选取不当，就会产生一个大规模地自信犯错的模型，这也是律师必须全程参与早期评分轮次审核的原因。
电子取证中的预测编码与技术辅助审查（TAR）
最典型的现实案例是电子取证中的技术辅助审查（TAR）。律师手动标注一批”种子文档”，模型据此对全部文档库进行概率排序，审阅团队随后只需阅读排名靠前的部分——通常是总量的10%至15%，而非全部文件。质量以召回率衡量：美国电子取证参考模型（EDRM，美国行业标准）建议召回率不低于75%，实践中许多技术辅助审查（TAR）工作流以80%或更高为目标。
该召回率阈值是谈判协商的结果，而非固定标准——诉讼中的双方当事人通常在审阅开始前就目标召回率达成一致，约定数值将成为取证协议的组成部分。未能达标可能迫使律师事务所重新完成部分审阅工作，这也是为什么召回率追踪是持续进行的，而非仅在最终阶段的一次性检查。
| 审阅方式 | 审阅文档比例 | 排序依据 |
|---|---|---|
| 人工线性审阅 | 约100% | 无——按顺序阅读 |
| 预测编码 / 技术辅助审查（TAR） | 约10%至15% | 机器学习概率评分 |
| 仅关键词搜索 | 不定，通常不完整 | 精确术语匹配 |
大语言模型：生成式AI如何撰写法律文本
根据Onit关于大语言模型（LLM）在法律工作中应用的概述，大语言模型是一类通过强化学习（RLHF）在数十亿数据点上训练的机器学习模型。与自然语言处理（NLP）的分类任务或机器学习的评分任务不同，大语言模型（LLM）的工作是逐词元生成文本——产出律师实际阅读的草稿、摘要和说明。
词元、注意力机制与下一词预测
输入大语言模型（LLM）的文本首先被分割为词元——大约每4至5个字符一个，而非完整单词——模型通过一种称为注意力机制的方式，将输入中的每个词元与其他所有词元进行加权，预测下一个词元。这一过程逐词元重复，直至生成完整回复。大语言模型（LLM）并不”了解”法律；它模拟的是语言的统计规律，这正是它既能起草流畅文本，也能以同样的流畅度生成一个虚构案例引注的原因。
注意力机制让模型能够将合同第一页定义的术语与第四十页的引用关联起来，或将代词与前几句话中的指代当事方对应。这种连接能力使大语言模型（LLM）的输出读起来像连贯的法律文本，而非零散片段——但它仍是统计加权，而非法律分析，这也是为什么一句读起来流畅的话在实质上仍可能是错误的。
为何相同提示会给出不同答案
一个称为”温度”的参数控制模型在选择下一个词元时引入的随机程度，因此相同的提示在不同运行中可能产生不同的措辞——乃至不同的实质内容。长文档还面临第二个问题的叠加：上下文衰减，即冗长合同末尾的条款在模型注意力中的权重，低于靠近开头的条款。
实践中的关键启示是：大语言模型（LLM）的输出在设计上本就不稳定，这正是法律AI与通用聊天机器人之间存在实质差异的原因——专用工具通过消费级聊天机器人所缺乏的约束机制来应对这种不稳定性。在法律工作中，大语言模型（LLM）的草稿只是起点，绝非最终提交的文件。
法律AI技术栈：从原始文档到已核实答案
根据Clio技术白皮书的拆解，一套生产级法律AI技术栈由四个顺序运作的层次构成：数据层、推理层、检索与引注层、工作流集成层。这种分层设计也正是可靠企业级AI法律工具与律师直接向通用聊天机器人提问之间的本质区别，是选择AI法律工具时首要考量的架构要素。
四个层次
- 法律数据层 — 经过核实的判例法、法规和合同语料库，而非开放互联网。
- AI推理层 — 上文所述的自然语言处理（NLP）、机器学习和大语言模型（LLM）技术协同工作，负责解读与生成。
- 检索与引注系统 — 检索增强生成（RAG）将答案锚定于真实来源，并辅以自动引注核验。
- 工作流集成 — 与文档管理系统、客户受理表单和日历管理的对接，确保输出结果落入可用场景。
| 技术栈层次 | 功能 | 示例 |
|---|---|---|
| 法律数据层 | 提供经核实的源文档 | 判例法与法规数据库 |
| AI推理层 | 解读并生成文本 | 自然语言处理（NLP）+ 机器学习 + 大语言模型（LLM）组合 |
| 检索与引注 | 锚定答案、核验引注 | 检索增强生成（RAG）管道 |
| 工作流集成 | 将输出交付至日常工具 | 文档管理系统、客户受理、日历管理 |
法律AI平台CoCounsel已取得ISO 42001认证——这是国际人工智能管理体系标准——以此表明其检索与引注层经过独立审计。
检索增强生成（RAG）如何减少幻觉引注
检索增强生成（RAG）通过强制模型先检索真实源文档、再仅基于检索到的内容生成答案（而非凭借记忆），从而减少幻觉引注的发生。随后还有一个核验步骤，将模型生成的每条引注与实际来源进行交叉比对。
这种组合能大幅降低幻觉率——但并不能彻底消除，这也是为什么法律AI生成内容在每个环节都需要人工审核，而不仅仅是起草阶段。检索步骤的质量取决于其背后的语料库，因此指向不完整或过时案例数据库的检索增强生成（RAG）系统仍可能自信地引注错误内容——只是频率远低于完全没有锚定的模型。
律师事务所实际如何使用法律人工智能
Clio将现实中的法律人工智能使用归纳为六大工作流类别，清晰呈现了法律AI如何工作于律师事务所的日常实践之中：
- 诉讼准备
- 合同起草与审查
- 法律研究
- 电子取证
- 客户受理
- 律师事务所运营
不同任务的效率提升幅度有所差异，但整体上都相当显著——在广为引用的LawGeex研究中，AI在26秒内以94%的准确率审阅了五份保密协议的法律风险，而20位经验丰富的公司律师完成相同任务平均需要92分钟，准确率为85%。
研究、起草与AI合同审查
法律研究现在基于语义搜索——匹配法律含义与概念，而非精确关键词字符串，因此即使措辞完全不同，查询也能检索到相关先例。
起草工具结合模板与生成式输出，生成初稿备忘录、客户函件和标准诉状，为律师助理提供起点草稿，而不是一张白纸。
AI合同审查工具自动分类条款，标记与律师事务所谈判惯例的偏差，并提出修改建议——Thomson Reuters指出，AI能在数秒内从数千份文档中提取结构化数据，而这项任务若交给律师助理团队则需要数天时间。
电子取证、客户受理与运营
其余几类工作流以不那么显眼的方式依托同样的底层技术：技术辅助审查（TAR）驱动的电子取证文档排序、AI聊天机器人处理初始客户受理问题，以及应用于账单和日历管理的自动化工具。
贯穿六大类别的共同线索始终如一：AI承担海量工作，律师保留判断权。具体任务因执业领域而异，但软件职责与人的问责之间的分界线从不改变。
AI幻觉、偏见及其他风险
法律AI中记录最完整的失效模式是AI幻觉引注——一条措辞自信但根本不存在的案例引用。最典型的案例是Mata v. Avianca：2023年6月，美国纽约南区联邦地区法院的两名律师因在诉状中引用了ChatGPT完全捏造的六个案例，被判处5,000美元罚款。
提交虚假意见书带来的危害是多方面的。对方当事人要花费时间和金钱来揭穿这一欺骗行为。法官P. Kevin Castel，Mata v. Avianca, Inc.制裁意见书（美国判例数据库）
这一问题的规模远不止于个案。斯坦福大学RegLab与以人为本AI研究所2024年1月的研究发现，通用大语言模型——包括ChatGPT（GPT-3.5）、Llama 2和PaLM 2——在具体法律查询中出现AI幻觉的比率高达69%至88%。同年5月，斯坦福RegLab的一项后续研究转而测试专为法律研究构建的AI工具，发现其幻觉率虽然依然存在，但显著降低：Lexis+ AI为17%，Westlaw AI辅助研究为33%，均远低于同等法律查询下通用GPT-4所测得的43%幻觉率。
法律研究中的幻觉问题
大语言模型（LLM）产生AI幻觉，是因为它生成的是统计上最可能的下一个词元，而非对照真实数据库核查事实——除非在其上叠加检索和核验机制，否则模型本身并无”判断真伪”的内置能力。Mata v. Avianca是所有人都会援引的案例，但斯坦福的数据表明，它从来不是个例——而是一种失效模式在统计上的早期公开呈现：每当通用模型被问及具体法律问题时，这种情况在大多数时候都会发生。
这正是法律AI智能体核心功能的意义所在：架设在原始生成之上的工作流层，才是将貌似合理的草稿转化为经过核验文本的关键。一个没有检索步骤、没有引注核验器的模型，在设计上就是法律工作中风险最高的配置。
偏见、保密性与不一致性
如Onit概述中所述，还有三类风险共同构成完整的风险图景。
偏见源于模型在历史法律数据上训练时，可能吸收并复现数据中存在的规律——包括其中的不公平现象。不一致性同样来自前文所述的温度驱动的随机性，意味着输出结果无法在不同运行间完全复现。
保密性是三者中操作敏感性最高的：发送给公开消费级聊天机器人的提示词可能被留存或用于进一步模型训练，这正是处理特权客户信息的律师事务所通常转向具有合同数据使用保证的封闭式企业级法律AI部署的原因。
伦理与人工监督：律师始终掌控全局
技术能力要求在法律AI使用中并非可选项——而是一项职业义务。美国律师协会（ABA）《示范职业行为准则》规则1.1（Model Rule 1.1）第8条注释要求律师了解”相关技术的收益与风险”，美国律师协会（ABA）在2024年7月发布的《正式意见512》（Formal Opinion 512）中专门就生成式AI重申了这一义务。
规则1.1对AI使用意味着什么
规则1.1并不要求律师成为工程师，但确实要求律师大致理解本文所涵盖的内容：工具如何生成其输出，以及输出最有可能在何处出现问题。在提交任何文件之前，将每一条引注与实际来源核对，不是最佳实践——在胜任力规则下，这几乎是基线要求。
各州律师协会已开始专门就跳过核验步骤而非使用AI本身对律师进行纪律处分。这一区别至关重要：规则惩罚的不是采用AI，而是将未经核验的输出提交法院。
实践中的分工
美国律师协会（ABA）的《科技律师》（SciTech Lawyer）在2026年描述了与技术实际工作方式相契合的三层分工：确定性自然语言理解（NLU）以可解释的输出处理提取任务，大语言模型（LLM）生成草稿和初稿，而律师提供判断并对最终工作成果承担职业责任。
本文所引用的每家供应商资料都指向同一结论——法律AI旨在扩展律师的工作能力，而非取代其判断力。技术改变的是初稿的生产成本，而不是谁对提交内容负责。
如何评估AI法律工具
Clio的AI法律工具评估框架包含五个步骤：审查工具的训练数据和检索来源，确认准确性保障措施，核实安全合规状况，评估与现有系统的集成能力，并在正式投入前用真实工作流进行测试。这些标准同样适用于任何AI法律工具的筛选。
向供应商提出的五个问题
- 模型的训练数据是什么，回答时从哪里检索？ 含糊其辞的回答是危险信号。
- 引注在到达用户之前如何核验？ 检索与核验步骤应清晰可见，而非含糊暗示。
- 客户数据存储在哪里，谁可以访问？ 数据存储地点和主权归属对特权信息至关重要。
- 提示词是否被存储或用于训练未来模型？ 这决定了该工具是否适用于保密事务。
- 每条输出是否都能追溯到源文档？ 可追溯性是可审计工具与黑箱之间的分界线。
除问卷调查外，LegalFly等供应商建议在签约前针对真实案件进行试点，并检查该工具是否已在标准法律自然语言处理数据集（如LegalBench、CUAD或ContractNLI）上进行过基准测试。在安全层面，应寻找具备SOC 2 Type II认证、静态数据AES-256加密以及传输中TLS 1.2或更高版本的供应商——这是任何处理客户数据的企业级法律AI供应商的基线预期。
