>中国司法判决受多重因素影响（法官个人素养、当时政策导向、社会形势等），律师和当事人难以从海量判例中快速获取有价值的量刑参考。传统法律检索只能做到"找出类似案件"，无法提供量化分析和系统性推演。玄恒旨在构建一个有记忆、能推演、可审计的伙伴级法律AI，填补"从判例数据到决策辅助"的中间断层。
> 中国每年产出数百万裁判文书，公开可获取的数据量已达千万级。但现有法律科技产品多为法条检索工具，缺乏对判例的深度分析能力。律师办案时需要：①快速了解同类案件的量刑区间 ②评估当前案件的证据风险 ③梳理罪名构成要件要素。这些需求在过去依赖人工经验，效率低且主观性强。
> 1. **判例检索引擎** — 支持自然语言查询，自动提取案件关键要素，精准匹配相似判例 2. **量刑推演系统** — 基于历史判例统计，预测目标案件的量刑区间与偏离度 3. **法律知识图谱** — 罪名-法条-法益关系网络可视化，788个节点×1195条边 4. **构成要件分析** — 从刑法+判例自动提取四要件要素，生成庭审追问模板 5. **多模型交叉审计** — DeepSeek/Kimi/GLM多LLM并行审查分析结论 6. **证据链诊断** — 在案证据逻辑一致性检查，发现矛盾与缺失
> 玄恒是一套面向法律从业者的AI辅助决策系统。用户输入案件事实后，系统自动检索1.7M+历史判例中的相似案件，基于Welford算法实时计算量刑统计分布，生成量刑预测报告。同时通过知识图谱展示相关罪名与法条的层级关系，配合构成要件分析模板，帮助律师快速构建诉讼策略。所有AI分析结论均经多模型交叉验证，确保可靠性。
> 独立完成全部架构设计、后端开发、AI管线搭建及前端实现。具体包括：①171万判例数据采集→清洗→向量化全链路 ②FastAPI后端+LangChain多LLM编排 ③ChromaDB向量数据库+FTS5混合检索引擎 ④Welford在线算法的量刑统计引擎 ⑤法律知识图谱构建与可视化 ⑥Flutter跨平台桌面客户端开发 ⑦Docker容器化部署方案。
> **技术栈**：Python FastAPI + LangChain + ChromaDB + SQLite FTS5 + Flutter + Docker **架构**：分层设计——数据层（ChromaDB向量库+FTS5全文索引）、逻辑层（LangChain Agent编排、多LLM路由、Welford统计引擎）、展示层（Flutter桌面客户端）。冥思MCP提供持久记忆，支持跨会话上下文。 **亮点**： - 171万判例数据完整管线，从BT下载→流式CSV映射→JSONL→向量化+FTS5全自动 - Welford在线算法实现增量量刑统计，无需全量重算，内存占用恒定O(1) - 多模型交叉审计：同一分析结论经3个LLM并行审查，有效降低幻觉率 - 法律知识图谱自动构建，从刑法原文+判例中提取法益-罪名-法条三元关系 **难点**： - 95GB原始判例数据OOM问题：流式处理+分批入库，避免内存溢出 - SQLite FTS5中文分词：默认tokenizer不拆分中文复合词，需jieba分词后空格拼接 - LLM法律分析幻觉：通过多模型交叉审计+严格的本地数据源白名单机制控制
评论