"智能审判辅助"这几个字,既被寄予厚望,也最容易被误解。误解在于:它不是让 AI 替法官判案,而是把法官办案中最耗时、最容易出现"同案不同判"的几个环节——找类案、定量刑、写文书——做进办案系统,让法官判得更快、更稳、更可追溯。本文不谈愿景口号,只讲一套能在法院内网真正落地的智能审判辅助系统该长什么样:三大核心能力怎么搭、量刑参考的数据与算法要点、文书辅助生成如何防错防幻觉、为什么必须本地化部署与可解释留痕,以及法院技术处选型时该照着问供应商哪些问题。
一、先划清边界:辅助,不是替代
任何关于法院 AI 的讨论,第一句话必须是这句:审判权由法官依法独立行使,AI 只能辅助,不能代替。系统不认定事实、不作出裁判、不署名负责。它做的是把信息"端到法官面前",最终采纳与否、怎么判,仍由法官决定。这条边界不是免责声明,而是整个系统的设计前提——它决定了每一项功能都必须满足三个要求:
- 供参考、非结论:输出明确标注"参考""草稿待核",绝不以"系统建议判 X 年"这种结论式表达呈现。
- 可解释:任何参照与生成,都要能说清依据——来自哪些类案、哪条法条、哪个情节,而非给一个说不清来由的数字或一段文字。
- 留痕可追溯:法官采纳、修改、否决的全过程留痕,既保护法官,也支撑审判管理。
守住这条边界,智能审判辅助才既"有用"又"合规"。下面三大能力,都建立在这个前提上。
二、智能审判辅助的三大核心能力
落到办案现场,法官真正需要 AI 帮忙的,集中在三件事:判前找参照、判中定尺度、判后写文书。对应三大能力:
| 能力 | 解决什么问题 | 对应办案环节 |
|---|---|---|
| ① 类案推送 | 本案有没有判过的相似案件可参照 | 判前 · 研判 |
| ② 量刑参考 | 同罪名同情节,同类案件大致判多少 | 判中 · 量刑(刑事) |
| ③ 文书辅助生成 | 裁判文书里重复性内容的草稿与校验 | 判后 · 制作文书 |
三者共用同一套院内数据底座与 AI 能力,通常一并规划、分模块建设。类案推送我们在 法院类案推送系统怎么建 一文里已专门拆解,本文重点讲后两项——量刑参考与文书辅助生成,这也是技术处在评审时最拿不准、最容易被供应商话术带偏的两块。
三、量刑参考系统:给法官一把"参照的尺",不是一个"判决的钮"
量刑参考(也叫智能量刑辅助)是刑事审判里价值最直接、争议也最大的能力。做对了,它能显著压缩同类案件的量刑离散度、辅助落实量刑规范化;做错了,它会变成一个"看似精确、实则误导"的数字黑箱。关键在于把它定位成参照的尺,而不是判决的钮。
① 数据:全国分布 + 本地尺度,双源融合
量刑参考的可信度先天取决于数据。需要两部分融合:
- 全国同类已决案件:同罪名、同情节的全国刑事裁判文书,统计出量刑的真实分布区间——这是"类案量刑"的统计底座。
- 本院 / 本辖区历史裁判:体现本地裁判尺度,避免给出一个脱离本地实际的全国平均值。
底座必须满足:全量可溯源(每个参照案件都能回到原文书)、情节结构化(自首、立功、坦白、退赃退赔、累犯、未遂、主从犯等法定与酌定情节都被打成结构化标签,才能做条件筛选)。文书查提供全国全量刑事裁判文书底座,以离线加密增量包导入内网,可与本院数据融合为量刑参考的数据基础。
② 算法:按情节筛同类,给区间不给点值
正确的量刑参考逻辑是:先按罪名锁定案件池,再按法定与酌定情节层层筛选,最后给出一个类案量刑区间(如"同类案件量刑集中在 X 至 Y,中位数 Z")并附上构成这个区间的真实案例。三个要点决定它是否靠谱:
- 给区间,不给点值:输出一个分布区间和可参照案例,而不是"建议判 3 年 2 个月"这种伪精确的点值结论。量刑是法官的裁量,系统只提供参照范围。
- 剔除不可比案件:把情节差异大、明显不可比的案件排除出参照池,否则区间会被污染。可比性判断本身要可解释。
- 情节透明:法官能看到"这个区间是按哪些情节筛出来的",并能手动增减情节、实时看区间如何变化。
一句话识别注水的量刑产品:凡是直接给出一个精确刑期数字、却说不清这个数字怎么来、参照了哪些案件的,基本可以判定为不可用——它把法官的裁量权偷换成了一个不可解释的算法输出,既不合规也不敢用。要求供应商现场演示:改一个情节,区间和参照案例是否随之透明变化。
四、文书辅助生成:用"检索增强",不用"自由发挥"
裁判文书制作是法官投入时间最多的环节之一,也是 AI 辅助最能减负的地方——但前提是必须防住大模型"一本正经编法条"的幻觉风险。司法文书里写错一个法条号、编造一个不存在的类案,后果远比效率损失严重。所以法院文书辅助生成必须走检索增强 + 受控生成的路线,而不是把案情丢给大模型自由发挥。
① 结构化分块,事实与说理分开处理
把裁判文书拆成结构化模块分别处理,是防错的第一步:
| 文书模块 | 生成方式 | 风险控制 |
|---|---|---|
| 当事人 / 诉辩信息 | 从案卷结构化信息回填 | 来自卷宗,不生成,不出错 |
| 查明事实 / 证据 | 基于在卷证据材料组织,法官核对 | 禁止凭空生成事实 |
| 本院认为(法律说理) | 基于检索到的法条 + 类案生成草稿 | 每处引用回链来源,标注"草稿待核" |
| 判决主文 | 模板 + 法官填定 | 由法官决定,系统只排版 |
核心原则:事实部分由案卷回填、绝不生成,法律部分基于可溯源检索生成草稿、法官逐段核对。AI 负责把重复性的格式、表述、引用初稿做出来,法官负责判断与定稿。
② 每一处引用都能回链原文
受控生成的硬指标是可溯源:生成草稿里引用的每一条法条、每一个类案,都带一个能回链到本地底座原始法条文本或原始裁判文书的链接,法官一点就能核对。做不到这一点的文书生成,就是在赌大模型的记忆——而大模型的记忆会编造法条,这在司法场景是不可接受的。这也是为什么文书辅助生成必须挂在一套全量、可溯源的本地法律数据底座之上,而不是单买一个生成模型。底座的检索质量,直接决定生成质量的上限。
五、为什么必须本地化部署与可解释留痕
智能审判辅助要读在办案件的卷宗、事实、证据与当事人个人信息——这些都是高度敏感的未公开数据,绝不能流向外网或厂商云端。因此系统必须与办案系统在同一政法内网本地化部署:
- 数据不出域:数据底座、检索模型、生成模型、量刑算法全部部署在院内或政法内网,在办案件信息物理上不离开法院可控边界。
- 满足等保三级与信创:司法系统普遍要求等保三级、信创适配,本地化部署是天然合规形态,可直接写入建设方案与评审材料。
- 全程可解释留痕:法官采纳、修改、否决每一项辅助输出的过程留痕,既支撑审判管理回溯,也是 AI 辅助"权责清晰"的制度保障。
这也是智能审判辅助与一般商用法律 AI SaaS 的根本差别。司法数据中台是它的底层支撑——审判辅助的三大能力,本质上都建立在"数据不出域 + 内网智能"这一条地基上。
六、法院技术处选型采购清单
把智能审判辅助纳入智慧法院建设或单独采购时,这 8 条可直接照着问供应商,基本能筛掉只会演示 PPT、过不了数据安全与可解释这两关的方案:
- 量刑参考给的是区间还是点值?——要求现场改一个情节,看区间与参照案例是否透明变化。
- 量刑数据底座多大、覆盖哪些罪名、是否可溯源?——全国分布 + 本地尺度如何融合。
- 文书生成走检索增强还是大模型自由发挥?——要求演示引用能否回链原始法条/类案。
- 事实部分是回填还是生成?——能不能保证不凭空编造事实与证据。
- 所有辅助输出是否标注"参考/草稿待核"?——有没有混淆辅助与裁判的边界。
- 是否全程本地化部署、数据不出域?——明确无外网与厂商云调用。
- 是否满足等保三级与信创适配?——能否提供合规材料。
- 法官采纳/修改/否决是否全程留痕、可供审管回溯?
八条逐条要实测,尤其第 1、3、5 条——它们是区分"真辅助"和"伪智能"的分水岭。任何一条只给口头承诺、不肯现场演示的,直接打问号。
七、常见问题
Q:智能审判辅助和类案推送、文书生成是三个系统吗?
A:是同一个智慧法院技术栈里的不同能力模块,通常一并规划。类案推送解决"参照什么",量刑参考解决"刑事案件大致判多少",文书辅助生成解决"怎么写"。三者共用同一套院内数据底座与 AI 能力,可分模块分期建设。
Q:民事、行政案件能用量刑参考吗?
A:量刑参考是刑事审判特有的能力(量刑是刑事概念)。民事、行政案件对应的是类案推送与裁量参考(如同类案件的赔偿区间、责任比例参照),逻辑相同——都是"同类已决案件的分布作为参照",只是参照的维度不同。文书辅助生成则三大诉讼通用。
Q:建设周期和投入大概什么量级?
A:取决于上线哪些能力、与现有办案系统的集成深度、等保信创要求。通常分期:先打通数据底座与类案推送(参照能力),再叠加量刑参考(刑事)与文书辅助生成(制作能力),最后做留痕与审判管理对接。具体方案与预算可结合贵院现状评估,我们可提供参考架构与分期建议。
为贵院智能审判辅助提供全国裁判文书底座与参考架构
提供法院层级与重点案由/罪名方向,我们反馈数据底座覆盖说明、量刑参考与文书辅助的参考架构,并可安排离线部署演示。演示阶段不收费。
📞 联系商务 Jack · 131 6872 7779或邮件 chenjiaxin@wenshucha.com · 查看 私有化方案详情
相关阅读:法院类案推送系统怎么建:从数据底座到模型到法官界面 · 地方法院信息中心 AI 系统采购清单 · 数字法治政府:司法数据中台建设方案 · 裁判文书 API / MCP 定价