目　錄
1　 法律行業(yè)中的AI應用機會
1.1　法律行業(yè)與AI應用的適配性
1.2　企業(yè)法務場景中的AI應用機會
1.2.1　合同全生命周期管理
1.2.2　企業(yè)內部法律咨詢
1.2.3　企業(yè)管理、政策更新與合規(guī)培訓
1.2.4　訴訟業(yè)務高效智能化
1.3　專業(yè)律師團隊使用AI應用的訴求
1.4　AI賦能法律服務的未來趨勢
1.5　小結
練　習
2　 構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的工具調用能力
2.2　理解Agentic Workflow
2.3　構建法律智能體的產品理念
2.3.1　任務拆解與流程化思維
2.3.2　從簡單到復雜，從跑通到迭代
2.3.3　為工作流注入專業(yè)知識
3　快速搭建法律智能體
3.1　AI應用開發(fā)平臺簡介
3.2　企業(yè)定制化智能體
3.3　創(chuàng)建應用
3.3.1　第一步：創(chuàng)建應用并選擇應用類型
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
3.3.4　工作流的測試、優(yōu)化與復雜化
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　市面上的國產大模型
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)點的變量類型的介紹與選擇
6　提示工程與LLM節(jié)點
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
6.1.4　提示詞的文本容量建議
6.2　LLM節(jié)點的設置
6.2.1　節(jié)點的編排
6.2.2　大模型參數(shù)設置
6.3　Markdown語法
6.3.1　標題
6.3.2　有序列表
6.3.3　無序列表
6.3.4　強調
6.3.5　表格
6.3.6　引用
6.3.7　代碼塊
6.4　JSON基礎知識
6.4.1　JSON支持的值類型
6.4.2　JSON的基本結構
7　知識庫與知識檢索
7.1　知識庫功能簡介
7.2　RAG簡介
7.2.1　RAG的工作原理
7.2.2　理解向量化
7.3　知識庫的建立
7.3.1　選擇數(shù)據(jù)源：文檔上傳
7.3.2　文本分段與清洗：分段設置
7.3.3　文本分段與清洗：索引方式與檢索設置
7.3.4　處理并完成及后續(xù)操作
7.4　知識庫與LLM的聯(lián)動
7.4.1　在「知識檢索」中選擇查詢變量
7.4.2　「知識檢索」的單獨測試
7.4.3　在LLM中調用知識檢索結果
7.5　知識庫的整理技巧
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　表格的預處理
7.5.4　流程圖的預處理
7.5.5　文檔整理策略
7.6　知識庫管理和維護
7.6.1　同一知識庫下面添加多個文件
7.6.2　在「知識檢索」中添加多個知識庫
7.6.3　「知識檢索」中的召回設置
7.6.4　知識庫的持續(xù)維護
練　習 ?
8　企業(yè)法務知識庫的建設
8.1　知識庫：法務智能體的關鍵基礎
8.1.1　技術再先進，也離不開知識的供給
8.1.2　 法律知識庫不是簡單的文件堆砌，而是結構化的認知體系
8.2　 如何搭建有效的知識庫以審查合同中的管轄條款為例
8.2.1　拆解任務需求
8.2.2　確定工作流
8.2.3　分析合同類型
8.2.4　搭建知識庫
9　代碼執(zhí)行節(jié)點
9.1　代碼執(zhí)行節(jié)點的介紹
9.2　Python基礎知識
9.2.1　Python數(shù)據(jù)類型總覽
9.2.2　變量和簡單的數(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　正則表達式（Regex）的基礎支持
9.3　「代碼執(zhí)行」的默認語法
9.4　「代碼執(zhí)行」的應用
9.4.1　IF條件判斷：用于關鍵字檢索輸出不同結論
9.4.2　拼接數(shù)據(jù)：整合多個輸出結果
9.4.3　通過正則表達式提取信息
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
10　其他節(jié)點
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　模板轉換
10.7　迭代
10.8　HTTP請求
10.9　Agent
10.10　工具
10.11　MCP
10.11.1　MCP簡介
10.11.2　MCP如何運作
10.11.3　Dify 中的 MCP 配置
11　案例：違約責任條款審查
11.1　三個版本的整體說明
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：添加樣本提示
11.2　測試效果展示
12　案例：離婚房產分割助手
12.1　問題背景與實踐困境
12.2　知識整理
12.3　智能體設計與實現(xiàn)
12.3.1　整體設計思路
12.3.2　工作流編排
12.4　進階設計與擴展方向
13　 案例：民事案件案由判斷
13.1　問題背景與實踐困境
13.2　知識整理
13.3　智能體設計與實現(xiàn)
13.3.1　總體設計思路
13.3.2　工作流詳解
13.4　進階設計與擴展方向
13.4.1　案由拓展
13.4.2　系統(tǒng)對接
14　案例：廣告合規(guī)智能審查
14.1　創(chuàng)意的火花：一個源于真實需求的痛點
14.2　智能體的構建：為AI注入靈魂
14.3　實踐出真知：廣告嬸的實戰(zhàn)效果
14.4　理想與現(xiàn)實：AI在法律工作中的應然角色
15　 案例：批量合同風險排查
15.1　背景
15.2　范式選擇
15.2.1　鏈路比較
15.2.2　上線時間成本對比
15.2.3　影響條款定位、要素提取的因素
15.3　批量風險識別 Agent 的搭建
15.3.1　架構設計
15.3.2　工作流配置
15.3.3　批量執(zhí)行（借助代碼）
15.4　小結
參考文獻
AI 應用中常見術語表
附錄：法天使法務AI 平臺簡介