Agent 法律咨询服务：先把咨询分诊、材料收集和律师跟进串起来，再谈自动答法
法律服务最容易被做成一个会直接给结论的咨询机器人，但真正能落地的，通常是把客户咨询、材料收集、法源定位和律师跟进组织成一条受控流程。
01.法律咨询服务最危险的误区，是把 Agent 当成自动答法机器人
很多“法律助手”类文章，喜欢把目标写成：
- •自动回答法律问题
- •自动分析案件
- •自动审查合同
- •自动给出结论和建议
但真实法律服务里，更难的问题通常不是“模型会不会说法言法语”，而是：
- •客户咨询到底属于哪个事项类型
- •材料是不是收齐了，事实有没有被核对
- •引用依据、律师意见和客户表达有没有被区分开
- •哪些内容可以作为草稿，哪些内容必须由律师正式签发
所以法律咨询服务 Agent 更适合先做“咨询分诊与材料协同助手”，而不是直接替代律师输出最终意见。
02.先从咨询 intake 和律师跟进切入，而不是一上来做自动法律结论
如果第一版就要做“自动出具正式法律意见”或“自动代替律师答复客户”，风险会非常高。
更现实的切入点通常是：
- •初次咨询分诊
- •案件或合同材料收集
- •法源与模板定位
- •跟进事项和律师交接摘要
以“咨询分诊助手”为例，一个可交付的第一版通常已经很有价值：
- •把客户问题整理成结构化事项
- •收集缺失材料和关键事实
- •检索相关法源、模板和内部指引
- •生成律师可继续处理的答复草稿或待办清单
- •不直接把草稿当成最终法律意见发给客户
这类链路既能提升服务效率，也更容易守住法律责任边界。
03.一条稳定的法律咨询服务链路，通常由四层组成
1. 咨询 intake 与身份边界层
这一层至少要搞清楚：
- •咨询来自谁
- •当前属于合同、劳动、合规还是争议事项
- •客户是否提供了足够材料
- •是否涉及保密、冲突审查或敏感信息
没有这层分诊，后面即使检索到了资料，也不一定真的能用。
2. 材料与依据层
法律服务最怕的，不是写得不够顺，而是依据不清：
- •客户陈述和已核实事实要分开
- •法条、案例和内部模板要有来源
- •不同法域和生效时间要能区分
- •缺失材料要被显式列出来
这一层更像“把地基打稳”，而不是直接给答案。
3. 草稿与流程推进层
这一层最适合模型承担高重复工作：
- •生成咨询摘要
- •整理需要补充的材料清单
- •生成初步答复草稿
- •为律师生成待办和跟进摘要
但这些产物应该被视为“服务草稿”，而不是正式意见。
4. 律师跟进与审计层
下面这些动作通常都必须保留律师或授权人员确认：
- •对外发送正式法律答复
- •出具风险判断和结论性意见
- •签发合同审阅意见
- •决定是否进入正式代理或诉讼流程
没有这层复核，服务链路越顺滑，责任风险反而越大。
04.模型负责澄清与整理，律师负责判断与签发
在法律咨询服务场景里，一个更稳的职责拆分通常是：
更适合模型处理的部分
- •把客户口语化描述整理成事项摘要
- •识别缺失材料和待确认事实
- •从资料库中定位相关法源或模板
- •生成律师可继续修改的草稿和清单
更适合系统和律师处理的部分
- •冲突审查和权限控制
- •最终适用法域与引用判断
- •正式答复、签发和对外沟通
- •审计留痕和保密边界管理
如果让模型直接越过这些环节给结论，系统就会在最关键的责任节点上失守。
05.先让 Agent 输出结构化咨询计划，再决定如何分派
更稳的方式，是先让模型产出一份受限计划。
from typing import Literal
from pydantic import BaseModel, Field
class LegalServicePlan(BaseModel):
lane: Literal["consultation_intake", "matter_routing", "draft_reply", "lawyer_handoff"]
matter_id: str | None = None
missing_materials: list[str] = Field(default_factory=list)
cited_sources: list[str] = Field(default_factory=list)
needs_lawyer_review: bool = True
def run_legal_service_workflow(plan: LegalServicePlan, tools):
context = tools.load_matter_context(plan.matter_id)
sources = tools.retrieve_service_sources(plan.cited_sources, context)
draft = tools.generate_service_summary(plan.lane, context, sources, plan.missing_materials)
checks = tools.verify_citations_and_confidentiality(draft, sources)
if plan.needs_lawyer_review or checks.has_blockers:
return tools.route_to_lawyer(draft=draft, checks=checks)
return tools.prepare_internal_reply(draft=draft, checks=checks)这个模式的价值在于：
- •先区分当前是在做咨询 intake、事项分派还是答复草稿
- •缺失材料和引用依据可以显式记录
- •正式答复默认保留律师复核
06.法律咨询服务特别依赖会话状态和材料追踪
很多法律咨询不会在一轮对话里结束，而是会经历：
- •客户补材料
- •律师追问事实
- •内部模板比对
- •多轮修改答复草稿
所以比起做一个“一问一答”的机器人，更重要的是保留：
- •当前事项状态
- •已收材料
- •待补事实
- •当前由谁接手
这样服务链路才不会因为会话切换而丢上下文。
07.评估不要只看回答像不像律师，要看分诊和复核成本
法律咨询服务 Agent 的评估，更应该看：
- •事项分诊是否准确
- •缺失材料识别是否完整
- •律师接手后主要修改集中在哪些部分
- •是否出现无依据的法律结论
- •咨询 SLA 和交接效率有没有改善
这些指标比“回答听起来是否更专业”更能反映真实价值。
08.三个常见误区
1. 没有依据链接，就直接生成法律结论
在法律服务里，流畅的结论如果没有来源支撑，价值非常有限，风险却很高。
2. 把客户陈述当成已核实事实
咨询服务最常见的问题之一，就是模型没有区分“客户说的”和“已经被材料证明的”。
3. 用聊天记录代替正式服务记录
如果没有结构化事项、材料清单和交接摘要，后续律师仍然要从头重建案件背景。
09.总结
法律咨询服务 Agent 真正可交付的价值，不是做一个“自动答法”的机器人，而是把原本散落在咨询、收资、检索和跟进里的工作组织成一条更稳的服务链路：
- •先把咨询分诊和材料收集做好
- •让模型承担摘要、检索和流程推进
- •把正式结论和对外回复留给律师
- •用分诊准确率和复核成本，而不是话术流畅度来评估系统
只要这些边界清楚，Agent 才能真正成为律所或法务服务台的提效工具。