利用 AI 律师进行法律研究：哪些有效，哪些需警惕
AI 律师可以加速法律研究——在几分钟内查找法规、总结判例法并起草备忘录——但前提是它从经过验证的一手法律中检索内容，且每一处引证都经过人工核查。斯坦福 HAI 基准测试发现，领先的法律 AI 工具在相当一部分查询中仍会产生幻觉。其核心价值是速度；核心风险是一个表达流畅的模型可能会凭空捏造从未存在过的案例。
本指南将解释 AI 驱动的法律研究实际上是如何运作的、哪些工具处于领先地位、它们的准确性究竟如何，以及安全地利用 AI 律师进行法律研究的确切工作流程。
本文为一般信息，而非法律意见。AI 研究工具无法取代持牌律师——在依赖 AI 生成的法律内容之前，务必先加以核实。
AI 律师真的能做法律研究吗？
法律研究意味着查找具有约束力的权威依据——法规、条例、判例法——核查其是否仍为有效法律，并将其适用于具体事实。AI 法律研究工具能够辅助搜索、总结和起草；但它并不行使法律判断。这一区别很重要，因为该工具可以加速工作中机械性的部分，而分析和伦理层面的责任仍留在人类律师身上。
律师借助书籍和笔记本电脑进行法律研究
“法律研究”对 AI 意味着什么
AI 律师通过解析自然语言问题、从数据库中提取候选权威依据并生成摘要来进行法律研究。其底层任务并未改变——找到正确的规则并正确适用——但搜索和起草步骤如今已在很大程度上实现自动化。AI 法律研究工具无法做到的，是自行判断某位客户的事实是否真正契合它所找到的规则。
采用速度有多快
律所对 AI 的采用率从 2023 年的 19% 跃升至 2024 年的 79%。市场研究机构将 2025 年全球法律科技市场规模估算在约 200-300 亿美元区间，大多数预测认为到 2030 年代中期该规模将增长一倍以上。
| 指标 | 2023 | 2024/2025 |
|---|---|---|
| 使用 AI 的律所 | 19% | 79%（2024） |
| 法律科技市场规模 | — | ~200-300 亿美元（2025 年估计，因机构而异） |
AI 研究如今已成为主流，这使得正确地运用它比以往任何时候都更为紧迫——一家跳过核查环节的律所不再是个例，而是在承担普通且本可避免的风险。
AI 法律研究如何运作
生成式 AI 和大语言模型是每一款 AI 法律研究工具的底层支撑，但它们并非都以相同方式进行检索。理解这一流程——从一个纯英文问题到一份带引证的备忘录——就能解释为什么有些工具远比另一些更值得信赖。
开放网络聊天机器人 vs. 专为法律打造的工具
像 ChatGPT、Claude 或 Gemini 这样的通用模型，主要根据训练期间学到的模式来作答，而不会从实时法律数据库中提取内容。而专为法律打造的 AI 法律研究工具，则在一个精心整理的一手法律数据库上运行检索增强生成（RAG）——法规、条例和判例法均直接来自经过验证的来源。检索增强生成将答案锚定在真实文档上，能够降低但无法消除幻觉率。
一个专为 AI 法律研究打造的工作站
从查询到带引证的备忘录
大多数 AI 判例法检索工具背后的流程遵循一条一致的路径：
- 用户提交一个自然语言问题。
- 系统从其索引数据库中检索相关的法规、条例或案例。
- 模型起草摘要或备忘录，并为所检索到的来源附上引证。
- 在使用之前，由人类对照实际的一手来源核查每一处引证。
最后这一步并非可有可无。跳过它，正是 AI 生成的捏造内容最终出现在已提交法庭文件中的原因。
领先的 AI 法律研究工具
如今已有多家供应商竞逐 AI 法律研究市场，它们大致分为两大阵营：直接构建于自有法律数据库之上的平台，以及针对法律用途改造的通用助手。
Lexis+ AI（LexisNexis）与 CoCounsel（Thomson Reuters）。 Lexis+ AI 依托 LexisNexis 自有的判例法与法规数据库，而 CoCounsel 则构建于 Westlaw 和 Practical Law 之上，使其能够访问 Thomson Reuters 的编辑注释与要旨（headnotes）。二者都将自身定位为在权威一手法律之上运行的推理引擎，而非开放网络上的通才。
对照印刷版法规核查 AI 研究结果
vLex、Harvey 与 Paxton。 vLex 隶属于 Clio，主打受全球数百万律师信赖、覆盖全球判例法索引的 AI 法律研究。Harvey 面向涵盖研究、起草与审阅的端到端法律工作。Paxton 则在单一工作区内起草文件、分析上传的文档并研究法律。
专用平台 vs. 通用助手
ChatGPT、Claude 和 Microsoft Copilot 常被用于法律任务，但它们默认都没有锚定在法律数据库上。这意味着对于案例引证存在更高的幻觉风险，以及更需注意保密性，因为通用助手在设计时并未考虑律师与客户之间的保密特权。
| 工具类型 | 示例 | 是否锚定于一手法律？ | 最适用于 |
|---|---|---|---|
| 专用法律研究 | Lexis+ AI、CoCounsel、vLex | 是 | 引证密集型研究、备忘录 |
| 法律工作流平台 | Harvey、Paxton | 部分（因工作流而异） | 起草、文件分析、研究 |
| 通用助手 | ChatGPT、Claude、Copilot | 否（默认情况下） | 头脑风暴、非引证类起草 |
AI 法律研究的准确性如何？
准确性是决定一款 AI 法律研究工具究竟是真正节省时间的利器还是一项负担的关键问题。迄今为止最严谨的公开答案来自一项经过同行评审的学术基准测试，而非供应商的营销宣传。
斯坦福研究的发现
斯坦福 RegLab / HAI 研究（2024 年，于 2025 年在《实证法律研究期刊》[Journal of Empirical Legal Studies] 上经过同行评审）发现，Lexis+ AI 在超过 17% 的查询中产生幻觉，而 Westlaw 的 AI 辅助研究则超过 34%。Lexis+ AI 约有 65% 的查询回答准确，而 Westlaw 约为 42%。
我们的研究强调，有必要对法律领域的 AI 工具进行严谨、透明的基准测试和公开评估。—— 斯坦福 HAI，《AI on Trial》
即便是研究中表现最好的工具，在大约每六次查询中也会出错一次。在将任何 AI 生成的引证视为可靠之前，每位律师都应以此作为基准假设。
为什么 AI 会在法律领域产生幻觉
语言模型预测的是貌似合理的文本，而非经过验证的事实，因此一处捏造的引证可能看起来完全正确——格式正确的判例汇编、逼真的当事人姓名、可信的案卷编号——却指向一个并不存在的案例。该模型并非在任何有意的意义上“撒谎”；它只是在补全一个足以骗过不去核查一手来源的读者、与真实引证极为相似的模式。法律 AI 幻觉往往可归为三种类型：
- 引用根本不存在的案例
- 为真实存在的案例附上捏造的引文
- 引用真实案例来支持它们从未实际确立过的法律主张
伦理：每位律师都必须遵守的规则
利用 AI 律师进行法律研究并不会中止职业责任的一般规则。如果说有什么不同，那就是生成式 AI 抬高了律师本已对客户负有的义务的赌注。
案头上一套循序渐进的安全 AI 法律研究工作流
ABA 第 512 号正式意见与《示范规则》
ABA 第 512 号正式意见（2024 年 7 月）确认，使用生成式 AI 的律师必须满足胜任（规则 1.1）、保密（规则 1.6）和沟通（规则 1.4）的要求，并且在依赖某工具之前必须了解其局限性。到 2025 年，已有十多个州律师协会就 AI 发布了正式的伦理意见，另有数十个发布了某种形式的指引。
警示案例：Mata v. Avianca
在 Mata v. Avianca 案（纽约南区联邦地区法院，2023 年）中，一名法官依据规则 11 对律师处以 5,000 美元罚款，原因是他们提交的一份诉状包含由 ChatGPT 捏造的案例引证。截至 2026 年 5 月，一个公开的处罚追踪器已记录了全球约 1,490 起 AI 幻觉相关裁决，其中在美国就有 1,000 多起。这一错误屡见不鲜、有据可查，且每次重演都会损害职业前途。
一套安全的 AI 辅助法律研究工作流
在一款有用的 AI 法律研究工具与一项执业过失风险之间，差别不在于软件——而在于围绕它建立的核查习惯。以下清单涵盖了区分二者的各个步骤。
分步清单
- 对于任何依赖引证的内容，优先选择锚定于一手法律的工具，而非通用聊天机器人。
- 提出精确的、针对特定司法辖区的查询，而非宽泛的问题。
- 将每一份 AI 输出都视为草稿，绝不当作最终答案。
- 对该工具查得的每一项权威依据进行 Shepardize 或 KeyCite 核验。
- 在任何文件或备忘录中引用某案例之前，先阅读该案例的实际内容。
- 切勿将享有特权的客户数据输入非保密的 AI 工具。
- 让一名人类律师对最终工作成果承担责任。
利用 AI 律师进行法律研究，最适合作为一个能快速缩小范围的入门级研究助手——而非上述核查步骤的替代品。
何时不宜依赖 AI
无论使用哪种工具，某些情形都需要格外谨慎：
- 没有明确先例的新型或悬而未决的法律问题
- 未经独立核查便提交的高风险文件
- 该工具数据库覆盖不佳的司法辖区
- 任何需要真正的法律判断而非信息检索的事项