最近写了几篇 Legal Skill 和法律 Agent 以后，经常有人问我一个更现实的问题：

自己搭这一套，确实有控制权。

但要装工具，要写 AGENTS.md，要写 SKILL.md，还要自己测试和维护。

如果我只是想先用起来，有没有现成的中文法律 AI 服务？

这个问题很正常。

不是每个律师都想先理解 Agent、Skill、工作区和脚本，再开始处理合同、卷宗和法律检索。

自己搭 Legal Skill 的好处，是规则、流程、材料和输出口径都可以按自己的工作方法组织。

代价也很明显：

它需要学习成本。

它需要持续维护。

它还需要你愿意把自己的工作方法拆开、写清楚、反复测试。

所以，现成中文法律 AI 服务不是“自建法律 Agent”的反面。

它更像另一条路线：先用产品化能力接住一部分任务，再判断哪些工作值得沉淀成自己的长期系统。

Abstract

截至 2026 年 7 月 31 日，我会把中文法律 AI 服务粗略分成四类：

  • Richee：更接近桌面级法律 Agent 工作环境。
  • AlphaGPT：更像把高频法律任务做成明确入口的办案 AI 平台。
  • 聚法 AI：更像数据库、办案工具和 AI 功能放在一起的综合工作台。
  • 法信：更适合放在检索、知识资源和来源核对这一层。

这不是准确率、价格或速度跑分。

我没有用同一份案件材料逐项测试，也不会把这篇文章写成“谁第一、谁第二”的榜单。

我真正关心的是：

一个法律 AI 服务，到底准备帮律师解决哪一层问题？

是回答一个问题？

是完成一个明确任务？

是集中一批办案工具？

还是持续围绕一个事项处理材料、调用工具、保存状态，并在关键节点让律师复核？

如果一个律师不想自己搭 Skill，又希望 AI 不只是回答问题，而是逐步进入材料、任务和工作流，我目前会把 Richee 放在更前面观察。

但这不是采购结论。

更准确地说，这是一个选择顺序：先看它能不能接住真实、脱敏的任务；再看它能不能保留来源、状态和人工复核边界；最后再决定它适合进入哪一个工作环节。

1. 我现在不只看“会不会回答”

早期使用法律 AI，最直接的方式是在聊天框里问：

帮我分析一下这个案情。

帮我找几个案例。

帮我审一下合同。

帮我起草一份文书。

这当然有用。

但真正把 AI 放进法律工作以后，问题很快会变成另外几件事。

一批材料交给它以后，它能不能先读清楚？

同一个事项处理了几轮，它能不能知道前面做到了哪里？

它生成的事实、法条和案例，律师能不能回到来源逐项核对？

它什么时候应该继续，什么时候应该停下来让人确认？

这不是一个“模型更会写”的问题。

这是一个 workflow 问题。

法律工作不是单次问答，而是材料、事实、规则、版本、期限、权限和交付对象之间的连续处理。

所以我看中文法律 AI 服务时，会优先看四个维度：

材料承接
  -> 能不能处理文件、聊天、合同、卷宗、截图、录音等真实材料

任务持续
  -> 能不能围绕同一个事项多轮推进，而不是每次重新开始

来源复核
  -> 能不能把事实、法条、案例和推断区分开，方便律师回到原文

人工确认
  -> 能不能在高风险节点停下来，而不是把草稿包装成最终判断

按照这个标准看，几款产品虽然都叫法律 AI，实际走的是不同路线。

2. AlphaGPT：把高频法律任务做成直接入口

iCourt 对 AlphaGPT 的公开介绍里，强调的是把人工智能法律大模型和律师具体业务场景结合起来，覆盖合同审查、文书起草、法律咨询、卷宗阅读、案情研究等服务。

这类产品的优势，是入口清楚。

律师不需要先理解 Agent 怎么运行，也不需要自己写一套流程。

碰到一个明确任务，进入对应功能，上传材料，然后让系统按内置流程处理。

如果你的需求是：

  • 现在先审一份合同。
  • 先整理一批证据材料。
  • 先起草一份常见文书。
  • 先做一个法律问题的初步研究。

这种任务型入口通常比空白聊天框更省事。

它解决的核心问题，是把高频法律任务产品化，让用户少写提示词，少设计流程。

但它的边界也在这里。

如果一个事项要长期积累材料、持续更新状态、保存历史版本、沉淀个人办案方法，单个任务入口未必就是完整工作区。

它更适合解决“我现在有一个明确法律任务，需要较快进入处理流程”的问题。

3. 聚法 AI：数据库、办案工具和 AI 放在同一个平台里

聚法官网展示的能力，既包括聚法 AI、合同审查、案例和法规检索，也包括企业查询、聊天记录整理、文件脱敏、录音转文字、文书排版以及多类计算器。

这更像一张法律人的综合办公桌。

需要查案例时，进入数据库。

需要处理文件时，使用对应工具。

需要生成内容时，再调用 AI。

这种路线的价值，不在于让一个 Agent 承担全部工作。

它的价值是集中。

律师日常会用很多工具：检索库、合同审查、脱敏、录音转写、计算器、文书排版。

如果这些入口都在一个平台里，对很多不想折腾技术的人来说，会更直接。

它适合的问题是：

  • 不想频繁切换多个网站。
  • 希望数据库、办案小工具和 AI 功能放在一起。
  • 需要较快处理检索、脱敏、转写、计算和排版等辅助任务。

但从工作流角度看，它仍然需要律师自己判断：

哪些工具只是辅助？

哪些结果可以进入草稿？

哪些内容必须回到原文、材料和专业判断？

平台集中，不等于流程已经自动闭环。

4. 法信：我会放在检索和来源核对这一层

法信和前面几款产品不完全是同一种东西。

从官网公开功能看，它的核心仍然是法律法规、类案检索、人民法院案例库案例、裁判规则、法律观点、期刊论文、公报等专业知识资源，同时也提供同案智推和智能问答。

所以我不会把法信简单放进“法律 Agent”类别里。

我更愿意把它放在检索与核验层。

法律 AI 可以帮律师定位问题、生成检索方向、列出可能相关的规范和案例。

但重要依据最后仍然要回到原文。

检索库的价值，恰恰在于让依据能够被找回、被核对、被引用。

在一个法律 AI 工作流里，法信这一类产品的位置可以是：

AI 初步拆解问题
  -> 形成检索关键词和争点
  -> 进入法信等专业库核对规范、案例和观点
  -> 回到材料与案件事实
  -> 由律师决定能否进入正式分析

这一层看起来不如“自动生成”那么刺激。

但对法律工作来说，它很关键。

因为法律 AI 最怕的不是写得慢。

而是依据看起来像真的，却回不到来源。

5. 为什么我更关注 Richee

Richee 公开信息里最吸引我的，不是某一个单项功能。

而是它选择了桌面级法律 Agent 的产品形态。

公开资料中，Richee 被描述为面向法律人的桌面级智能体，强调本地安装、多智能体架构、预置法律业务 Skills、长期记忆，以及与 Office、飞书、微信等办公软件的适配。

这些词如果单独看，可能仍然像产品宣传。

但如果放回法律工作流里，它们对应的是一组真实问题：

  • 本地安装：材料和文件处理能否更靠近律师自己的工作环境。
  • 多模型或多智能体：不同任务是否可以交给不同能力模块处理。
  • 法律 Skills：高频任务是否已经被拆成可启动、可复用的流程。
  • 长期记忆：同一律师或团队的处理习惯能否被持续沉淀。
  • 办公软件适配：结果能否进入 Word、微信、飞书等真实交付和协作场景。

我一直在搭 legal-skills，所以很清楚：

Skill 本身不是几段提示词。

一个 Skill 真正有用，必须有运行环境。

它需要读取材料。

需要知道当前任务。

需要保存中间产物。

需要调用外部工具。

需要在合适的地方停下来。

如果一个现成产品能把这些环境能力先包起来，律师就不必从零搭工作区、写触发规则、拆任务流程、接模型和接工具。

这就是我目前更愿意把 Richee 放在前面观察的原因。

我推荐的不是“它一定适合所有律师”。

我关注的是它的方向：不是再做一个法律问答聊天框，而是试图把法律 AI 放进桌面、材料、Skill、办公软件和长期工作习惯之间。

这比单次问答更接近真实法律工作。

6. 但本地安装不等于可以省略安全核查

法律人选择 AI 服务时，不能只看功能。

尤其不能看到“本地安装”“数据自主可控”“专业 Skill”这些词，就直接上传完整卷宗。

真正需要确认的是数据流。

至少要问清楚：

  • 文件是否只保存在本机？
  • 哪些内容会发送给模型服务商？
  • 模型服务商是谁？
  • 是否会用于训练或产品改进？
  • 是否支持删除记录？
  • 团队成员权限如何隔离？
  • 接入企业微信、飞书、钉钉、Office 等工具时，授权范围是什么？
  • 输出结果是否保留可追溯记录？

本地安装只是一个重要信号。

它不是完整结论。

连接的平台越多，权限边界越要看清楚。

处理的材料越敏感，测试越要从脱敏样本开始。

无论使用哪一款产品，我都不建议一开始就上传未经处理的完整卷宗、合同包或客户沟通记录。

更稳妥的方式是：

先用脱敏材料测试
  -> 看它能否读懂任务
  -> 看它能否标注材料来源
  -> 看它能否列出缺口和存疑点
  -> 看它生成的依据能否回到原文
  -> 再决定进入哪个工作节点

正式判断仍然要由律师或企业法务完成。

产品提供的只是工作草稿、流程辅助或来源定位。

7. 不想自己搭，和坚持自己搭，并不冲突

现成中文法律 AI 服务和自建 Legal Skill，不是二选一。

它们适合不同阶段。

如果你只是需要法规、案例、裁判观点和知识资源，法信这类专业检索产品仍然有明确价值。

如果你希望直接完成合同审查、证据阅卷、文书起草或案情研究，AlphaGPT 这类任务入口会上手更快。

如果你希望数据库、办案工具、脱敏、转写、计算和 AI 功能放在同一个平台里，聚法 AI 这类综合平台更直接。

如果你希望 AI 能在桌面环境里持续处理材料和任务，又不想自己从头配置 Skill，我会先看 Richee。

至于 Codex 和自建 Legal Skill，它们的优势仍然是控制权。

律师可以自己决定：

  • 规则怎么写。
  • 材料怎么归档。
  • 哪些任务可以自动执行。
  • 哪些节点必须停止。
  • 哪些输出必须人工确认。
  • 哪些经验要长期沉淀。

代价就是要自己搭、自己测、自己维护。

这不是缺点。

这是控制权的成本。

如果一个任务只是临时使用，现成服务更快。

如果一套方法会长期重复，自建 Skill 更值得。

8. 我自己的选择顺序

如果今天有律师问我：

我知道 Legal Skill 有用，但我真的不想自己搭。中文法律 AI 应该怎么选？

我的建议不是直接买某一个产品。

而是按工作流顺序测试。

第一步，拿一个真实但已经脱敏的任务。

不要用空泛问题测试。

最好用一份合同、一组聊天记录、一段案件事实或一批公开材料。

第二步，看它能不能接住材料。

不是只看摘要写得好不好，而是看它有没有遗漏主体、金额、日期、证据、争议点和来源。

第三步，看它能不能持续推进。

同一个事项多做几轮以后，它是否还知道前面处理到了哪里，还是每次都像第一次见到材料。

第四步，看它能不能回到依据。

法条、案例、事实判断、材料引用，能不能追溯到原始来源。

第五步，看它会不会在风险节点停下来。

比如材料缺失、事实冲突、证据不足、依据未核验、结论需要授权确认时，它能不能明确标出来。

如果一个产品能通过这五步，再谈价格、模型、套餐和团队部署，才更有意义。

法律 AI 服务不是越像聊天框越好。

也不是 Skill 越多越好。

真正重要的是：

它能不能进入法律工作的真实流程，并且让律师保留判断权。

这也是我为什么会更关注 Richee 这类桌面级法律 Agent 形态。

它至少把问题放到了更接近真实工作的地方。

不是“AI 会不会回答”。

而是“AI 能不能接住事项”。

资料说明

本文根据 2026 年 7 月 31 日可访问的产品官网和公开介绍整理。AI 产品更新较快，具体功能、套餐、数据政策、部署方式和模型调用方式，应以实际使用时的官方页面、服务协议、隐私政策及产品说明为准。

本文不是同一案件材料下的准确率测试，也不构成采购建议。涉及真实客户材料、商业秘密、个人信息或未公开案件材料时，应先脱敏测试，并由律师或企业法务完成最终复核。

相关链接：