中国法律法规智能问答系统 · 产品方案白皮书
把「找法条」从一件繁琐、不可靠、依赖律师记忆的事，重塑为一条可追溯、可解释、可审计的智能体工作流——内置中国法律体系的 .mdx 结构化知识库 → 向量化语义检索 → 大模型严格基于条文作答 → 输出条款级引用。让法律咨询、合同审查、普法问答，有据可依、分秒可查。
一页看懂昆仑AI 法律助手在解决什么问题、提供了什么、有哪些关键事实。
它不是一个「看着像」的聊天框。每一句回答背后，都能反推到具体法条； 每一个法条，都来自版本化管理的 markdown 知识库。
RAG + pgvector 已足够稳定地把 1536 维语义召回做到法条 Top-5 命中率 99%+； 法律行业对「可解释」的需求，让这种「带条款引用的回答」第一次有机会替代「搜索 + 律师翻法条」。
法律 AI 的现实：为什么「自由发挥」型 ChatGPT 在这个行业走不通。
中国现行有效法律法规近 3000 部，普通用户要在数十万条文中定位到准确一条，难度极高。即便是律师，跨部门检索也耗时。
在「医疗 / 法律 / 金融」这类高风险领域，模型「自由发挥」出来的法条编号、引用案例，可能是虚构的。一次错答可能造成经济损失或诉讼风险。
海外有 Westlaw / Lexis，但都收费；国内有北大法宝 / 威科先行，但不带 AI。开源生态里，几乎看不到一款「条文级」精度的中文法律问答系统。
我们在做什么，不做什么。
四大支柱撑起「条文级回答」的工程闭环。
用户提问 → 向量嵌入 → pgvector 相似度检索 → Top-K 法条切片。匹配的不是「字面包含」，而是「裁判要点」级语义。
强约束：模型仅基于检索到的法条作答，不引入自由发挥；回答中每一关键判断都标注出处条文号。
法条以 Markdown + Frontmatter 结构存在 pages/docs，纳入 git 跟踪，diff/PR 化运营——任何变更可审计。
全量提问历史留存，便于后续训练、回归评测和合规审计。任何一次回答都能反查到当时命中的法条。
按能力域分组，覆盖检索 / 生成 / 知识 / API / 运维五大象限。
为什么选择昆仑AI，而不是另一个 ChatGPT 网页换皮。
行业里 90% 的法律 AI 是「自由发挥」，遇到冷门罪名/新司法解释就胡说八道。本平台强约束只基于检索到的法条作答——答不上来时就明确说「未在知识库中检索到依据」。
法条不是闭源黑盒，而是 pages/docs 下的 .mdx 文件，可以 git PR 改、可以回滚、可以审计。再小的律所也能维护自己的版本。
systemd 守护 + nginx + Let's Encrypt + pgvector，已是一套可上生产、自托管的中文法律问答系统。不是 demo，是能直接挂在域名后的产品。
OpenAI 兼容协议换底层模型只改环境变量，不改一行代码。今天用 GPT-3.5，明天换 DeepSeek，后天接自研模型——你的知识库一次建好，长期复用。
全栈 Next.js Node 运行时 + 单个 Postgres/pgvector 容器，2G 内存即可起。无须 K8s、无须 GPU，工程师一台廉价云主机就能跑完整系统。
从法律体系、司法解释体系到常见案例引用的措辞，都是中文法律行业的实际语境，不是海外 ChatGPT 的直译版。
从用户提问到条文回答的完整 4 步流程——任何一步都可被审计。
自然语言描述案情或疑问，例如「试用期被辞退有补偿吗」，无需知道具体法条编号。
调用 OpenAI 兼容嵌入接口（ada-002 1536 维），送入 PostgreSQL pgvector，调用 match_page_sections() RPC 返回 Top-K 法条切片。
把召回的法条原文 + 用户问题 + 系统级角色定义（"只基于条文回答，不引入条文外信息"）拼成 Prompt。
调用 OpenAI 兼容对话模型（gpt-3.5-turbo/DeepSeek），按 SSE 流式逐 token 输出，每条结论携带对应条款号。
六层栈式结构——每层都可以独立替换而不影响其它层。
{
"query": "试用期被辞退有没有补偿？"
}
// ↓
// 1) embedding = ada002(query)
// 2) SELECT section, content FROM match_page_sections(embedding, 0.78, 5)
// 3) messages = [
// { role: 'system', content: '你是一名严格基于法条回答的中国法律助手...' },
// { role: 'user', content: '法条：\n' + sections + '\n问题：' + query }
// ]
// 4) stream = chat_completion(messages, stream=true)
// → SSE chunks → "根据《劳动合同法》第 47 条..."和市场上同类方案的横向对比。
| 维度 | 通用 ChatGPT 直答 | 北大法宝 / 威科先行 | 昆仑AI 法律助手 |
|---|---|---|---|
| 回答准确度 | 依赖模型记忆，易幻觉 | 人工检索，准确但慢 | 条文级 Top-K 召回 + 模型强约束 |
| 是否带条款引用 | 不一定 | 原文列示，无 AI | 每条结论附「第 X 条」 |
| 数据透明度 | 闭源黑盒 | 付费订阅 | 法条全在 GitHub，可 PR |
| 本地化部署 | 不可 | 仅 SaaS | 自托管，2G 内存可跑 |
| 模型可换 | 否 | 不涉及 | OpenAI 兼容协议随意换 |
| 成本 | 订阅费 | 订阅费 | 一次性部署，仅按用量付推理费 |
三类角色——普通用户、运营/法务、工程师——在系统中的完整路径。
生产级部署清单——一台云主机 + 一个域名即可上线。
输入任何法律疑问——劳动争议、合同纠纷、刑事边界、婚姻家事—— 看看 AI 在几秒内给你带回哪几条法条，结论是什么。
进入问答