ChatLaw

ChatLaw 是一个专门面向中文法律场景的大语言模型，由北京大学团队开源。它不是一个通用聊天机器人，而是围绕法律问答、法条检索、案例匹配和文书辅助设计的工具。最新版本采用 InternLM 架构，使用 4x7B 的混合专家设计；演示版本分别基于 Ziya-LLaMA-13B-v1 和 Anima-33B 构建。另有一个文本相似度模型 ChatLaw-Text2Vec，用 93,000 份法院判决书训练，用来把用户问题对应到相关法条。

没有这类工具时，普通人遇到法律问题只能靠搜索引擎翻条文，或者付费咨询律师。搜索出来的结果往往零散，法条和司法解释之间的关系也不容易看懂。法律专业人士花在法条核对、类似案例查找上的时间很长，起草文书时还要反复确认表述是否准确。ChatLaw 想解决的就是这件事：让机器先理解问题，再从法律数据和知识库中找出相关内容，给出可参考的回答。它在设计上特别针对模型幻觉问题，通过矢量数据库检索和关键词检索相结合的方式，降低法律数据筛选中的误差。

律师、法官、检察官这类需要快速查法条、找案例、起草文书的人，用它最顺手。法律学生和研究人员可以用它辅助理解复杂概念、准备法律职业资格考试。企业法务人员在合同审查、风险评估和合规检查时也能派上用场。技术开发者可以基于开源代码做二次开发。反过来，需要处理非中文法律体系问题的用户会发现它帮不上忙。演示版本中 Anima-33B 因为中文训练数据有限，偶尔会切到英文回答，这也是一个实际限制。对回答的权威性要求极高、必须由执业律师出具正式意见的场景，它只能作为参考，不能替代人工判断。

用户输入一个法律问题后，系统先做信息收集，再做法律研究，然后给出综合建议，最后形成一份法律咨询报告。整个过程由多个智能体协作完成，参考了律师事务所的标准化作业流程。比如用户问借款还款相关的纠纷，ChatLaw-Text2Vec 会把问题对应到合同法的相关条款，再结合训练数据中的类似案例给出参考。它还能处理多种任务，包括问答、关键词提取和逻辑推理。

ChatLaw 是开源项目，代码和模型权重在 GitHub 上公开。具体价格和额度以官网当前公示为准。

如果你需要的是中文法律场景下的问答、法条检索、案例参考或考试辅助，ChatLaw 是值得考虑的选择。它在 Lawbench 评测中比 GPT-4 高 7.73 个百分点，在法律职业资格考试中领先 11 分。如果你需要处理其他语言的法律问题，或者需要通用办公场景下的写作、翻译、数据分析，应该去看别的类型的工具。