律师对人工智能的期望与其他人一样：提出问题，获得有用的答案，从而加快工作节奏。
不同之处在于，法律文件往往涉及特权保护、保密义务、保护令、客户期望以及职业责任义务。将一套合同、证词笔录、诉状文件或证据发现包上传到通用的云端聊天机器人中，并非一个中立的实现细节。因为供应商会处于数据路径之中。
这正是 DocuChat 背后所要解决的设计问题：一款面向律师的开源、本地优先的文件聊天应用。
其核心理念很简单：
让人工智能靠近文件，而不是让文件靠近人工智能供应商。
架构
DocuChat 是一个自托管的法律文件检索增强生成（RAG）技术栈：
- 通过 Ollama 运行的本地模型
- 绑定到回环接口的 FastAPI 后端
- LanceDB 嵌入式向量存储
- 用于处理可移植文档格式（PDF）、表格和光学字符识别（OCR）的 PyMuPDF / Docling / Tesseract
- 案件范围限定检索，确保一个客户/案件的数据不会泄露到另一个案件中
- 在显示答案之前进行经验证的页码/文本片段引用
查询路径不需要 OpenAI、Anthropic、Google 或任何云端人工智能应用程序接口（API）密钥。在本地模型下载完成后，工作流程可以离线运行。
为何普通引用不足够
大型语言模型（LLM）很容易生成看似引用的字符串。但这并不意味着被引用的文本实际上支持该主张。
DocuChat 将引用视为一个机械验证问题。模型可以提出答案和来源引文，但应用程序会检查该引文是否确实出现在所声称页码/文本片段的检索源文本中。如果某项主张无法根据来源进行验证，它将被丢弃而不是显示出来。
这为法律工作创造了一种更有用的故障模式：
- 更好的情况：“我在文件中找不到该内容。”
- 更糟的情况：一个带有虚假或粗糙引用的自信答案。
这不是什么
DocuChat 不是人工智能律师。它不提供法律建议，不得出法律结论，也不在用户的机器之外运行。
它是一个用于繁重文档工作的带引用检索助手，适用于合同、笔录、扫描的可移植文档格式（PDF）文件、证据展品、诉状和案件文件。
为何开源在此至关重要
对于敏感的工作流程，“请相信我们”是远远不够的。法律技术人员应该能够检查数据路径、引用逻辑、存储层和模型边界。
代码仓库地址如下：
https://github.com/janderswag/docuchat.app
如果您关心用于私密法律文件的本地优先人工智能，在 GitHub 上点赞或关注有助于验证该项目值得进一步开发。
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
