中文法律问答 知识库向量检索开源方案:AI 法律助手

开源项目20分钟前发布 THE CODER
1 0

把成百上千份中文法律文件变成能直接提问、能给出文本依据的对话式知识库,是很多法律从业者和独立开发者都动过心的方向。law-cn-ai 就是这个思路的一次开源落地:它把开源法律文本当作知识底座,用向量检索先找出与问题最相关的段落,再交给大模型组织成自然语言回答。整个项目从一个现成的文档搜索模板改造而来,代码量不大,却把构建时间与运行时两条链路拆得清清楚楚。对想理解检索增强问答怎么搭、又关心中文法律语料怎么接入的人来说,它是一份可以照着读、照着跑的样本。本文只依据项目公开页面与说明文档,把它的能力、部署方式和适用边界逐项梳理清楚。

AI 法律助手是什么?

AI 法律助手是一个面向中文法律文本的开源问答项目,主要用来把法律文件预处理成可被检索的知识库、再结合大模型生成回答,服务于想快速查条文、做法律科普或研究检索增强问答的人。它本身并不重新撰写法律内容,而是把现成的法律文件加工成上下文,让提问能够落到具体的文本依据上。项目以开源仓库的形式公开,README 已由 ChatGPT 翻译为中文,页面还保留了 Star History 记录。

AI 法律助手 首页截图

核心功能

  • 法律文件知识库——把 pages 目录中的 .mdx 文件统一预处理成自定义上下文,让提问有明确的文本依据。
  • 向量相似性检索——在 PostgreSQL 里用 pgvector 存储嵌入向量,运行时先找出与问题最相关的内容再作答。
  • 流式问答输出——把检索到的内容注入 GPT-3 文本补全,并把回答逐字流式传回客户端。
  • 增量嵌入更新——为每个文件生成校验值并存进另一张表,只有文件改动时才重新生成向量,省去重复计算。
  • 一键部署集成——部署到 Vercel 时由 Supabase 集成自动设置环境变量与数据库 Schema。
  • 本地开发链路——提供从复制环境文件、启动 Supabase 到跑起 Next.js 应用的完整步骤。

使用场景

人群/角色场景描述推荐指数
法律从业者输入条文关键词快速定位相关文本,减少翻找纸质或网页资料的时间★★★★☆
法学生与研究者用自然语言提问法律概念,借助检索到的原文片段辅助学习与写作★★★★☆
独立开发者照着开源代码搭建属于自己的中文知识库问答,理解检索增强链路★★★★★
内容创作者把法律科普选题交给问答原型,先拿到可核对的文本依据再整理成稿★★★☆☆
团队技术负责人评估向量检索加大模型这一方案在本地化法律场景中的可行边界★★★★☆

操作指南

  1. 打开项目仓库页面,确认 README 中已经写明法律文件来自开源法律文本仓库、并基于 Supabase 的文档搜索模板改造。
  2. 把代码拉到本地,先执行 cp .env.example .env 生成环境文件,再在新文件里填入自己的 OPENAI KEY,这是后续一切调用的凭证。
  3. 确保本机已安装并运行 Docker,然后在项目目录启动 Supabase;数据库结构与 pgvector 扩展会在 supabase start 时自动应用到本地实例。
  4. 构建阶段会自动运行 generate-embeddings 脚本,把 pages 目录中的 .mdx 文件转成向量写进 PostgreSQL,并为每个文件记录校验值,重复构建不会白算一遍。
  5. 另开一个终端窗口启动 Next.js 应用,待服务起来后即可在页面里输入问题,观察 SearchDialog 组件把请求送到向量检索边缘函数的全过程。
  6. 若想对外提供服务,只需把这套 starter 部署到 Vercel,Supabase 集成会接管环境变量与数据库 Schema 的配置,你仍然要记得补上 OPENAI KEY。
  7. 上手前建议先读完 README 里的技术细节,照着四步链路核对构建时间与运行时的分工;想直接看效果可以点 立即使用 进入 AI 法律助手。

支持平台

从公开说明看,项目是一个部署在 Vercel 上的 Next.js Web 应用,问答由客户端组件与向量检索边缘函数配合完成;本地则借助 Docker 运行 Supabase 来提供 PostgreSQL 与 pgvector 环境。至于独立客户端、小程序、浏览器插件等形态,站方没有明确列出。

产品定价

站方未公开价格信息,以站内为准。页面底部设有打赏赞助入口,那是读者对作者的自发支持方式,并不是项目的使用标价;需要自己准备的是 OPENAI KEY,这一步在配置环境文件时就会用到。

常见问题

Q:这个项目的法律内容从哪里来?

项目页面写明法律文件来自开源法律文本仓库,README 还点出了所用的文档搜索项目模板;它把 pages 目录中的 .mdx 文件加工成上下文,而不是自行编写法律条文。

Q:为什么构建一次之后不需要每次都重新生成向量?

generate-embeddings 脚本在生成嵌入向量的同时,会为每个 .mdx 文件计算一个校验值并存到另一张数据库表里,只有检测到文件发生变化时才重新生成对应向量,因此重复构建不会重复消耗计算。

Q:本地跑起来需要哪些前置条件?

需要先复制环境文件并填入 OPENAI KEY,本机还要安装并保持 Docker 运行,以便启动 Supabase;执行 supabase start 时,数据库初始化与 pgvector 扩展设置会自动落到本地 PostgreSQL 实例,之后再启动 Next.js 应用即可。

开发者小结

law-cn-ai 的取舍很清晰:它不做法律条文的重新整理,只把现成文件当作知识底座,用构建时间与运行时两段式链路换取结构上的简单,代价是回答质量受限于原始文件质量与向量检索的命中情况,也需要使用者自己准备模型密钥。它适合用来学习检索增强问答的完整拼法、验证中文法律语料接入向量库的可行性;若追求开箱即用的稳定法律咨询产品,还要在内容核对、出处标注与合规上另行投入。

© 版权声明

相关文章

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...