做过类案检索的朋友们都有同感，做类案检索不难，但是要做好类案检索就费时费力。从设定检索条件、判断相关性到归纳整理裁判观点、庭审证据乃至总结地区倾向……完成一份高质量的类案报告可能需要花上数个小时。但是现有AI工具用起来很难称心如意不说，多数 AI 工具只做到 “罗列案号 + 一句话要点”，真要用到卷宗里、写进研究报告，还得自己花大半天返工；更要提防 “真案号配假判词” 的 AI 幻觉，暗藏执业风险。
为此我做了一套自动的类案检索分析报告系统。输入案情或研究主题，输出三样东西：一份研报排版的 Word 报告（封面、目录、脚注、统计图表、页码都有，每个引用都带案号、法院和数据库链接），一份 Excel 类案清单，外加一套判决原文集——报告里每一段实质说理，都能在原文集里找到出处。项目对接北大法宝MCP官方数据源（注：需要自己另行订阅北大法宝MCP。项目也搭建了其他数据源的格式，但是推荐北大法宝的MCP，检索起来最省心，返回结果工整，不用另行处理数据了）。
已经搭好了全流程自动化工作流，同时内置四道验证关卡兜底内容真实性。这些天不眠不休到现在迭代了13个版本，用起来已经比较顺手了。现在代码、文档、演示数据全部 MIT 协议都开源出来，希望能帮助到更多的朋友。
GitHub 地址：
https://github.com/silvrblt/legal-case-research
有需要的朋友可以自取，以下对项目功能和使用方法做一个简单介绍。
一、两大模式，办案/ 研究都可以直出定稿报告
针对「个案办案归档」和「专题规则研究」两类最高频场景，项目设计了两套独立工作流，输出标准各有侧重，成品均无需人工二次排版整理。
两大模式核心对比
对比维度 | 实案研究模式（办案版） | 学理研究模式（研究版） |
核心场景 | 单一案件诉讼准备、卷宗归档、庭审研判 | 法律专题调研、学术写作、行业裁判口径分析 |
检索范围 | 定向指定法院，严格遵循法定检索顺位 | 全国范围全量检索，支持定向法院专项分析 |
核心产出 | 归档式 Word 报告 + Excel 类案清单 + 判决原文集 | 全景研究报告 + 多维统计图表 + 核心案例库 |
内容重点 | 类案对标、要素拆解、相似性评分、参照要点 | 规则演进、观点分歧、数据分布、趋势总结 |
适用人群 | 执业律师、企业法务、司法办案人员 | 法学研究者、合规专员、律所专业团队 |
?实案研究模式：合规优先，生成即可直接入卷
完全对标最高法《关于统一法律适用加强类案检索的指导意见（试行）》设计，从检索逻辑到报告格式全流程符合司法实务要求。
- · 检索顺位合规：按「指导性案例→最高法案例→本省高院→上一级人民法院及本院」法定顺序检索，层级清晰；
（注：项目已经内置了截至发文的全部指导性案例，可以开箱即用。不过由于指导性案例数量少，更新慢，所以没有设置抓取案例的程序。当需要更新的时候，可以再手动抓取更新一下）
- · 类案深度拆解：自动对重点类案完成 6 项结构化拆解：基本案情、抗辩逐条梳理、裁判逻辑对应、证据对照表、相似性评分、参照裁判要点；
- · 归档要素齐全：Word 报告自带封面、目录、页码、脚注，附录完整列明检索过程、筛选标准、检索缺口，配套 Excel 清单与判决原文集，所有引用均可溯源。
（点击图片可放大查看）
?学理研究模式：数据驱动，全景梳理裁判规则
面向专题研究场景，支持全国范围或指定法院批量检索，输出体系化的裁判规则研究报告，专业度对标司法研究机构的分析文稿。
- · 智能数据清洗：针对证券虚假陈述等集团诉讼，自动折叠同源平行判决，仅保留说理最完整的核心案例，避免统计失真；
- · 体系化规则拆解：以侵权构成要件为核心框架，逐争点梳理主流观点、例外情形、各地裁判分歧，对比新旧司法解释的规则演进；
- · 严谨结论约束：内置样本量闸门，样本不足时自动收敛结论措辞，不强行推断 “地域裁判倾向” 等无统计依据的内容。
既可以做全国范围的全景研究（如《证券虚假陈述裁判规则全国研究报告》），也可以定向聚焦特定法院（如《京沪金融法院证券虚假陈述裁判对比报告》），灵活适配不同研究需求。
（点击图片可放大查看）
二、报告专业度的细节设计
一份能用的专业报告，不止是把文字堆起来，更要符合朋友们的使用习惯和专业标准，这几个细节是项目的核心打磨点：
- · 引用全程可溯源：报告中每一处裁判观点都标注案号、审理法院与数据库链接，对应判决原文同步打包交付；
*One more thing，还会交付一份Excel格式的案件清单，其中不仅列出了所有分析的案例，同时逐行列出了争议焦点以及相对应的抗辩观点和法院的裁判观点，庭审争议能够一目了然。
（点击图片可放大查看）
- · 分歧点重点突出：不回避裁判争议，专门将各地法院的分歧意见作为核心产出呈现，而非一笔带过；
- · 检索缺口主动公示：不吹嘘 “全覆盖”，明确列出高关注度典型案例的覆盖情况，哪些未检索到、哪些仅作名录提示，全部坦诚说明；
- · 格式统一规范：所有报告结构、标题层级、引文格式、图表样式统一，符合法律文书的专业排版标准。
三、四道验证关卡防幻觉
专业报告的底线是内容真实。针对 AI 类案检索最突出的“虚构案号、篡改判词” 问题，项目在全流程末端设置了四道自动化验证关卡，用确定性的程序逻辑校验每一份产出。
1. 案号溯源关卡
报告生成后，脚本自动提取全文所有案号，与本次检索落地的本地判决库逐一比对。库中不存在的案号直接报错，终止报告输出，从源头杜绝虚构案件。
2. 引文核验关卡
专门针对 “真案号配假判词” 设计。报告中所有弯引号标注的判决原文，都会与裁判全文做逐字匹配，AI 改写、拼接的伪引文会直接被识别。
同时配套统一规则：判决原文用弯引号，归纳总结用直角引号；直角引号内若出现大段裁判文书句式，会自动标记提醒人工复核，堵住漏洞。
3. 编码抽检关卡
对案件争点归类、抗辩采信情况等 AI 定性判断，系统随机抽取不少于15% 的样本，将 AI 结论与判决原文并列生成复核清单。借鉴学术研究的编码者信度检验逻辑，用抽样复核保障定性准确。
4. 样本量闸门关卡
一条写死在代码里的硬约束：样本数量不足时，不允许生成确定性结论。该规则纳入回归测试，任何代码改动破坏约束都会被拦截，从机制上保障统计结论严谨客观。
四道关卡全部接入持续集成流程，每次生成报告、更新代码都会自动全量校验。机制上线之初，就连我自己写演示数据时的不规范引文都被精准检出，校验效果实打实。
四、上手简单，零基础也能用
1. 免费体验：十分钟看完成品效果
无需付费订阅，本地安装 Python 3.11+、Node.js、Git 三款基础工具后，克隆仓库运行内置演示命令，就能用脱敏合成数据生成完整报告，直观查看成品效果。具体命令可直接参考仓库 README。
2. 正式使用：对接数据源即可开工
真实检索需要准备北大法宝 MCP 订阅与 AI 编程助手，仅需一步配置 Token，再设置好个人署名与行文偏好，后续所有报告都会自动匹配你的风格。
全程对话式操作，流程内置两个人工确认节点（检索前核对要素、检索后确认样本），专业判断由人把控，体力活交给机器。
3. 无接口也能用：支持导入自有数据
没有法宝订阅也没关系，支持导入裁判文书网、律所内部数据库导出的 CSV/JSON 格式判决数据，导入后分析、生成报告、校验关卡全流程完全一致，兼容性极强。
写在最后
AI + 法律的工具很多，但大多停留在 “帮你找案例” 的阶段。这个项目想往前走一步：不止检索，更直接交付可落地、可核验、可归档的专业成果。
让机器承担检索、拆解、排版、校验这些重复劳动，把朋友们的时间留给专业判断，这是我理解的 AI 工具的真正价值。
不过需要提示的一点：关于AI工具，目前主要是在Claude Code上opus 4.8跑通的。虽然在SKILL等项目文件上尽可能兼顾到其他的AI工具，但是囿于工具能力，可能在具体执行上还是会有差别。
如果有朋友不想倒腾的话，可以私信我帮忙代查，报销一下token就好。
项目完全开源开放，欢迎各位朋友们fork体验、测试提意见，每一个反馈都是工具优化的方向。让我们一起帮助法律行业变得更好。
项目地址：
https://github.com/silvrblt/legal-case-research
希望大家玩得开心！
-Silvrblt