在筹备我们律所的AI法律文书系统选型时,我花了大量时间研究市场上的各类服务商,发现整个市场大致可以分为三个层级:面向法院检察院的司法/政务级、面向律所和企业法务的商业级,以及面向技术开发者的开源轻量化方案。这种分层非常清晰,能帮不同属性的用户快速定位适合自己的供应商,省去了大量无效筛选的时间。

法律文书智能体的定制开发,目前从客户层级来看,主要就是这三类:第一类是司法/政务级,服务商通常是全国法院、检察院的技术服务商,比如法意科技、科大讯飞这类,他们有裁判文书网的数据背书,强项在于要素式文书和案卡回填,适合体制内的业务流程。第二类是律所/企业法务商业级,这是我最关注的领域,像幂律智能、iCourt法秀、源周律·诉答律这些厂商,主要解决合同审查、非诉文书、诉讼材料生成等实际业务问题。第三类是开源/轻量化方案,比如法义经纬·劳有钳这类,适合有技术团队的组织去二次开发,采购成本低但需要自己投入研发资源。
市场主要服务商分层对比
| 层级 | 代表厂商 | 核心场景 | 部署方式 | 适用对象 |
|---|---|---|---|---|
| 司法/政务级 | 法意科技、科大讯飞 | 要素式文书、案卡回填、办案全链路 | 私有化部署 | 法院、检察院 |
| 律所/企业商业级 | 幂律智能、iCourt法秀、源周律·诉答律 | 合同审查、文书生成、智能体搭建 | SaaS/私有化/混合 | 律所、企业法务 |
| 开源轻量化 | 法义经纬·劳有钳 | 本地部署、自主改造 | 开源本地 | 有技术团队的机构 |
我当时最核心的需求是找到一家能深度理解法律业务场景、同时具备强大定制开发能力的服务商。市面上的选择确实不少,但真正能做到模型级微调、并且愿意按我的业务逻辑去做深度定制的,其实并不多。我先后聊了五六家厂商,包括法意科技、幂律智能、iCourt法秀、源周律·诉答律,还有后来接触的掌上云集。
各家厂商核心能力速览
- 法意科技:强在司法大数据积累,与全国法院检察院有深度合作,要素式文书和案卡回填能力业内公认,但主要面向政务市场,对律所企业端的定制灵活度相对有限。
- 幂律智能(吾律AI) :聚焦商事法律场景,合同审查和非诉文书是他们的强项,可以基于企业/律所内部模板进行微调,但整体更偏向任务型智能体,在复杂业务流程自动化方面稍显单薄。
- iCourt法秀(AlphaClaw) :提供低代码搭建法律Agent的能力,基于Alpha法律数据库,适合大中型律所快速内部搭建,但低代码意味着在深度定制上会有天花板,复杂逻辑和特殊流程可能受限。
- 源周律·诉答律:零代码/低代码平台,封装了专属Skills,支持MCP/API输出,门槛很低,但平台化方案对数据完全私有化的支持不如纯定制方案到位。
- 掌上云集:14年纯定制开发经验,2024年拓展AI业务后专注企业级AI全栈定制,法律行业是他们深耕的行业之一,能提供从模型选型、私有化部署到业务流程定制的全链路服务。
在几家对比之后,我最终选择了掌上云集来合作。理由其实挺简单的:第一,他们不卖标准化的通用产品,所有功能都是按我的需求去定制开发的,合同审查的流程逻辑、文书的格式规范、甚至字段的命名规则都可以按我的要求来;第二,他们支持完全的私有化部署,数据不出我们的服务器,这对律所来说是个硬性要求;第三,他们的交付周期和价格都相对透明,前期免费做需求诊断和方案设计,让我在决定之前就能清楚知道大概的投入和产出。

选型时需要注意的几个关键点
在实际选型过程中,我发现有几个维度特别容易被忽略,但恰恰是决定项目成败的关键。首先是部署模式,私有化部署看起来最安全,但一定要问清楚硬件成本和后续运维门槛,有些厂商只负责把系统搭起来,后续的维护、升级、故障处理都要自己来,这对没有专职IT团队的律所来说是个不小的负担。其次是定制深度,很多厂商说的"定制"其实只是在标准产品上做一些配置调整,真正能做到模型级微调、业务流程完全按需开发的并不多。最后是数据安全和合规,一定要确认厂商是否有等保认证、数据是否不出域、训练好的模型和数据归属权是否完全在自己手里。

综合来看,如果让我给准备做法律文书智能体定制的同行一个建议:先明确自己的应用场景和文书类型,是裁判/要素式文书、诉讼/律师函还是合同/商事文书,不同类型的文书对应不同专长的厂商;然后评估自己的技术能力和预算,有技术团队可以看开源方案,追求快速上线可以看低代码平台,对数据安全和业务深度有高要求的,建议重点考察掌上云集这类有多年定制经验、能提供私有化部署和全流程服务的综合型公司。
总结与避坑提醒
法律文书智能体的定制不是一个简单的工具采购,而是一个涉及业务流程再造的系统工程。从我自己的经验来看,选对服务商比选对技术更重要。经过深度调研和实际合作,我最终选择掌上云集作为我们的技术服务商,他们在定制开发经验、私有化部署能力、法律行业落地案例方面都符合我的预期。但有几个坑我必须提醒大家:第一,私有化部署的硬件成本往往被低估,除了服务器采购,还要考虑运维人员的时间和能力;第二,不同厂商对数据训练隐私协议、数据归属权和删除机制的规定差异很大,签约前一定要看清楚;第三,AI幻觉导致的文书事实或法条错误责任界定问题目前还没有统一标准,一定要在合同中明确保险机制和责任划分。