目　錄
1　 法律行業(yè)中的AI應(yīng)用機(jī)會(huì)
1.1　法律行業(yè)與AI應(yīng)用的適配性
1.2　企業(yè)法務(wù)場(chǎng)景中的AI應(yīng)用機(jī)會(huì)
1.2.1　合同全生命周期管理
1.2.2　企業(yè)內(nèi)部法律咨詢
1.2.3　企業(yè)管理、政策更新與合規(guī)培訓(xùn)
1.2.4　訴訟業(yè)務(wù)高效智能化
1.3　專業(yè)律師團(tuán)隊(duì)使用AI應(yīng)用的訴求
1.4　AI賦能法律服務(wù)的未來趨勢(shì)
1.5　小結(jié)
練　習(xí)
2　 構(gòu)建法律智能體的核心理念
2.1　理解Agent
2.1.1　Agent 系統(tǒng)概述
2.1.2　Agent的規(guī)劃能力
2.1.3　Agent的記憶能力
2.1.4　Agent的工具調(diào)用能力
2.2　理解Agentic Workflow
2.3　構(gòu)建法律智能體的產(chǎn)品理念
2.3.1　任務(wù)拆解與流程化思維
2.3.2　從簡(jiǎn)單到復(fù)雜，從跑通到迭代
2.3.3　為工作流注入專業(yè)知識(shí)
3　快速搭建法律智能體
3.1　AI應(yīng)用開發(fā)平臺(tái)簡(jiǎn)介
3.2　企業(yè)定制化智能體
3.3　創(chuàng)建應(yīng)用
3.3.1　第一步：創(chuàng)建應(yīng)用并選擇應(yīng)用類型
3.3.2　第二步：選擇「開始」的輸入變量
3.3.3　第三步：添加節(jié)點(diǎn)
3.3.4　工作流的測(cè)試、優(yōu)化與復(fù)雜化
4　大模型的類型及其選擇
4.1　模型類型
4.1.1　文本推理模型
4.1.2　Embedding模型
4.1.3　Rerank模型
4.1.4　多模態(tài)模型
4.2　文本推理模型的選擇
4.2.1　市面上的國(guó)產(chǎn)大模型
4.2.2　如何選擇大模型
5　變量：作用、類型與使用
5.1　變量在工作流中的作用
5.2　Dify中的變量分類
5.3　變量的數(shù)據(jù)類型
5.4　節(jié)點(diǎn)的變量類型的介紹與選擇
6　提示工程與LLM節(jié)點(diǎn)
6.1　提示詞的撰寫
6.1.1　提示詞的組成部分
6.1.2　樣本提示
6.1.3　撰寫提示詞的注意事項(xiàng)
6.1.4　提示詞的文本容量建議
6.2　LLM節(jié)點(diǎn)的設(shè)置
6.2.1　節(jié)點(diǎn)的編排
6.2.2　大模型參數(shù)設(shè)置
6.3　Markdown語法
6.3.1　標(biāo)題
6.3.2　有序列表
6.3.3　無序列表
6.3.4　強(qiáng)調(diào)
6.3.5　表格
6.3.6　引用
6.3.7　代碼塊
6.4　JSON基礎(chǔ)知識(shí)
6.4.1　JSON支持的值類型
6.4.2　JSON的基本結(jié)構(gòu)
7　知識(shí)庫與知識(shí)檢索
7.1　知識(shí)庫功能簡(jiǎn)介
7.2　RAG簡(jiǎn)介
7.2.1　RAG的工作原理
7.2.2　理解向量化
7.3　知識(shí)庫的建立
7.3.1　選擇數(shù)據(jù)源：文檔上傳
7.3.2　文本分段與清洗：分段設(shè)置
7.3.3　文本分段與清洗：索引方式與檢索設(shè)置
7.3.4　處理并完成及后續(xù)操作
7.4　知識(shí)庫與LLM的聯(lián)動(dòng)
7.4.1　在「知識(shí)檢索」中選擇查詢變量
7.4.2　「知識(shí)檢索」的單獨(dú)測(cè)試
7.4.3　在LLM中調(diào)用知識(shí)檢索結(jié)果
7.5　知識(shí)庫的整理技巧
7.5.1　父子段模式下確定父子段
7.5.2　父子段的再編輯方法
7.5.3　表格的預(yù)處理
7.5.4　流程圖的預(yù)處理
7.5.5　文檔整理策略
7.6　知識(shí)庫管理和維護(hù)
7.6.1　同一知識(shí)庫下面添加多個(gè)文件
7.6.2　在「知識(shí)檢索」中添加多個(gè)知識(shí)庫
7.6.3　「知識(shí)檢索」中的召回設(shè)置
7.6.4　知識(shí)庫的持續(xù)維護(hù)
練　習(xí) ?
8　企業(yè)法務(wù)知識(shí)庫的建設(shè)
8.1　知識(shí)庫：法務(wù)智能體的關(guān)鍵基礎(chǔ)
8.1.1　技術(shù)再先進(jìn)，也離不開知識(shí)的供給
8.1.2　 法律知識(shí)庫不是簡(jiǎn)單的文件堆砌，而是結(jié)構(gòu)化的認(rèn)知體系
8.2　 如何搭建有效的知識(shí)庫以審查合同中的管轄條款為例
8.2.1　拆解任務(wù)需求
8.2.2　確定工作流
8.2.3　分析合同類型
8.2.4　搭建知識(shí)庫
9　代碼執(zhí)行節(jié)點(diǎn)
9.1　代碼執(zhí)行節(jié)點(diǎn)的介紹
9.2　Python基礎(chǔ)知識(shí)
9.2.1　Python數(shù)據(jù)類型總覽
9.2.2　變量和簡(jiǎn)單的數(shù)據(jù)類型
9.2.3　列表（list）
9.2.4　條件語句（if）
9.2.5　字典（dict）
9.2.6　函數(shù)（def）
9.2.7　正則表達(dá)式（Regex）的基礎(chǔ)支持
9.3　「代碼執(zhí)行」的默認(rèn)語法
9.4　「代碼執(zhí)行」的應(yīng)用
9.4.1　IF條件判斷：用于關(guān)鍵字檢索輸出不同結(jié)論
9.4.2　拼接數(shù)據(jù)：整合多個(gè)輸出結(jié)果
9.4.3　通過正則表達(dá)式提取信息
9.4.4　提取JSON字段（如獲取合同類型）
9.5　使用AI輔助撰寫代碼語法
練　習(xí)
10　其他節(jié)點(diǎn)
10.1　文檔提取器
10.2　問題分類器
10.3　條件分支
10.3.1　條件類型
10.3.2　多重條件判斷
10.4　變量聚合器
10.5　參數(shù)提取器
10.6　模板轉(zhuǎn)換
10.7　迭代
10.8　HTTP請(qǐng)求
10.9　Agent
10.10　工具
10.11　MCP
10.11.1　MCP簡(jiǎn)介
10.11.2　MCP如何運(yùn)作
10.11.3　Dify 中的 MCP 配置
11　案例：違約責(zé)任條款審查
11.1　三個(gè)版本的整體說明
11.1.1　1.0版：純依賴 LLM 的通用能力
11.1.2　2.0版：提供參考模板
11.1.3　2.0版的升級(jí)：添加樣本提示
11.2　測(cè)試效果展示
12　案例：離婚房產(chǎn)分割助手
12.1　問題背景與實(shí)踐困境
12.2　知識(shí)整理
12.3　智能體設(shè)計(jì)與實(shí)現(xiàn)
12.3.1　整體設(shè)計(jì)思路
12.3.2　工作流編排
12.4　進(jìn)階設(shè)計(jì)與擴(kuò)展方向
13　 案例：民事案件案由判斷
13.1　問題背景與實(shí)踐困境
13.2　知識(shí)整理
13.3　智能體設(shè)計(jì)與實(shí)現(xiàn)
13.3.1　總體設(shè)計(jì)思路
13.3.2　工作流詳解
13.4　進(jìn)階設(shè)計(jì)與擴(kuò)展方向
13.4.1　案由拓展
13.4.2　系統(tǒng)對(duì)接
14　案例：廣告合規(guī)智能審查
14.1　創(chuàng)意的火花：一個(gè)源于真實(shí)需求的痛點(diǎn)
14.2　智能體的構(gòu)建：為AI注入靈魂
14.3　實(shí)踐出真知：廣告嬸的實(shí)戰(zhàn)效果
14.4　理想與現(xiàn)實(shí)：AI在法律工作中的應(yīng)然角色
15　 案例：批量合同風(fēng)險(xiǎn)排查
15.1　背景
15.2　范式選擇
15.2.1　鏈路比較
15.2.2　上線時(shí)間成本對(duì)比
15.2.3　影響條款定位、要素提取的因素
15.3　批量風(fēng)險(xiǎn)識(shí)別 Agent 的搭建
15.3.1　架構(gòu)設(shè)計(jì)
15.3.2　工作流配置
15.3.3　批量執(zhí)行（借助代碼）
15.4　小結(jié)
參考文獻(xiàn)
AI 應(yīng)用中常見術(shù)語表
附錄：法天使法務(wù)AI 平臺(tái)簡(jiǎn)介