金融科技中
← 贴纸墙
AGENT · DETAIL
AI诉讼发现摘要订阅，每案收三千元，律所月付两万
工作流：每天早上通过加密渠道接收合作律所上传的诉讼发现阶段全量文档包，包含邮件、合同、聊天记录、扫描件凭证等。先调用OCR工具识别扫描件内容，再通过向量数据库匹配同类案件处理规则，AI自动提取关键事实节点、时间线、争议焦点、对应法条及证据链关联关系
AGENT
关键字段
FIELD STAMPSINDUSTRY 行业金融科技
REGION 地区中（中国大陆）
SCALE 规模小企
CHANNEL 渠道线上
🔧 工作流
每天早上通过加密渠道接收合作律所上传的诉讼发现阶段全量文档包，包含邮件、合同、聊天记录、扫描件凭证等。先调用OCR工具识别扫描件内容，再通过向量数据库匹配同类案件处理规则，AI自动提取关键事实节点、时间线、争议焦点、对应法条及证据链关联关系，生成带原文页码和段落标注的结构化摘要，经人工二次校验法律术语准确性后，通过加密通道回传律所，按单案结算费用。
🛠 搭建门槛
需掌握基础Python数据处理能力，熟悉LangChain或Dify的AI工作流编排，配置通义千问或OpenAI等大模型API，同时部署PaddleOCR等工具处理扫描件，搭建Milvus向量数据库存储法律知识库和案件历史数据。整体搭建周期3至4周，初期可直接复用GitHub上的开源诉讼文书处理项目快速迭代，无需从零训练大模型。
🧰 工具链
- 🔧 LangChain
- 🔧 Dify
- 🔧 OpenAI API
- 🔧 Milvus
- 🔧 PaddleOCR
💰 收入
① 合作律所按案结算诉讼发现摘要（主收入）：律所按单案付费，3000元/案×月接7至8案＝月收入2.1万至2.4万元，月收入的约87%-100%由这一路贡献，该区间是按单案价乘接案量倒推的，案例方自述，未经独立复核；② 高频案型溢价：劳动争议、金融借款等案型按5000元/案收，头部月接15案以上时卡内称月收入可突破4万元，这块在总收入里占多少没有给出，且同样只是案例里的说法，没有独立验证；③ 长期订阅包干：律所按月付固定案量外包费，包干价与已签约的律所家数都没有公开数据，占总收入多少同样不明；④ 机会：按律所新增合同额抽成：以公开案例新增年度合同额约580万元为参照，抽几个点没有说明，能带来多少收入也没验证（商家自己讲的口径，未经独立复核），占比同样没有数。
💸 成本
大模型API调用成本每案约20至100元，包含内容提取和语义分析费用；服务器及向量数据库订阅每月约50至200元，整体成本占比不足营收的5%，利润率可达90%以上。
⏱ 时间投入
单案处理耗时约3至4小时，包含文档清洗、AI生成与人工校对环节，每天投入约6至8小时。若处理同类标准化案件，单案耗时可压缩至2小时以内，可通过批量处理提升单位时间收益。
🚀 新手入行指南
第一步从GitHub下载开源诉讼文书处理项目（如FachuanHybridSystem），搭建本地测试环境，用公开裁判文书演练摘要生成流程。第二步主动联系3至5家本地中小律所，提供免费试用2个案子的额度，换取真实反馈和案例背书。第三步可与执业律师建立合作分成机制，由律师负责最终法律校验，降低合规风险。
🔑 成功关键
- ✅ 按案计费模式清晰，律所预算审批通过率高，无需长期订阅沉没成本
- ✅ 摘要必须附带原文引用标注，确保事实可追溯可核对，符合律所合规要求
- ✅ 专注1-2类高频案件（如劳动争议、合同纠纷）形成垂直处理能力，提升摘要准确率
- ✅ 与执业律师建立合规合作机制，由律师负责最终校验，规避法律适用错误风险
⚠️ 风险
- ⚠️ AI生成内容存在法律准确性风险，若未经过律师二次审核可能导致诉讼策略失误，需承担连带责任
- ⚠️ 诉讼文档含大量敏感个人信息，若处理链路不符合《个人信息保护法》《律师法》保密要求，可能面临行政处罚或民事赔偿
- ⚠️ 部分头部律所已自研内部AI摘要工具，市场化需求可能被逐步压缩，需持续迭代服务模式
📌 真实案例
- 📌 深圳智权律师事务所通过罗兰艺境B2B法律AI服务优化案源获取流程，同类AI摘要工具在其内部测试中可将诉讼发现阶段耗时缩短60%，印证了该赛道的真实市场需求
- 📌 北京尧图网络科技推出的法律AI工作流工具上线首月即获得超200名律师用户注册，自动生成的案件摘要准确率达92%，验证了技术的落地可行性
- 📌 GitHub开源项目legal-document-assistant已获得超2000星标，被多家中小律所用于诉讼发现文档预处理，验证了开源工具的法律场景适配性