上海法律科技协会2026法律服务领域大模型部署应用指引

2026年7月编制单位（排名不分先后）指导单位上海市司法局上海市委网信办参与单位上海法律科技协会上海市信息安全测评认证中心讯飞智元信息科技有限公司上海数据集团有限公司同济大学法学院上海交通大学智慧司法研究院上海市人工智能行业协会上海星瀚律师事务所上海功承瀛泰律师事务所上海之合网络科技有限公司中国联合网络通信有限公司上海市分公司深圳得理科技有限公司—1—为深入贯彻落实习近平法治思想及关于人工智能发展的重要指示精神，落实《国务院关于深入实施“人工智能+”行动的意见》精神，推动《新一代人工智能发展规划》在法治领域落地实施，促进以大模型为代表的人工智能技术与法律服务业深度融合，提升法律服务现代化水平，制定本指引。本指引旨在为法律服务相关机构部署与应用大模型提供方向性指导与基本规范，并将根据技术发展与实践情况动态更(一)指导思想(二)总体目标贯彻落实国务院“人工智能+”行动计划，推动人工智能技术与法律服务体系全面深度融合，以智能技术赋能法治建设，提升法律服务标准化、智能化、普惠化水平。到2030年，初步建成覆盖法律服务关键场景、技术自主可控、应用安全规范的大模型技术应用体系。在文书生成、案件分析、合同审查、法律咨询、公众普法等典型场景实现规模化深度应用，提升法律服务效率与质量。重点攻关法律知识图谱构建、类案智能检索、法律推理链可解释性等专业技术难题，提升模型在法律场景下的专业准确性与推理可信度。建立健全涵盖数据、技术、安全、评价等方面的标准体系，形成“研发—验证—标准—生态”良性发展机制。顶层设计，标准引领：推动大模型技术与法律服务发展规划有机融合，建立统一、灵活的法律服务大模型应用标准体系。场景驱动，融合增效：积极响应“人工智能+”行动，立足法律服务实际需求，推动大模型在具体场景中落地，实现辅助提效与业务融合。人机协同，辅助专业：明确大模型在法律服务中的“辅助工具”定位，确保专业人员在关键环节保持主导与审查职责，保障法律服务的专业性、权威性与责任性。安全为基，保护信息：加强数据安全与个人信息保护，规范数据使用与智能化服务提供。公平合规，责任清晰：保障技术公平与算法透明，厘清大模型相关各方的责任边界，合理区分模型提供者、应用部署者和具体使用者的法律责任，推动合规发展。共建共享，集约发展：鼓励法律服务机构、科技企业、高校及行业协会协同共建高质量法律领域语料库与基准测试集，推动大模型基础设施、共性组件与合规工具的集约化建设与复用，促进行业整体智能化水平提升。二、应用场景法律服务机构可结合工作实际，选择以下典型场景开展大模型探索与应用：（一）公众服务与普法宣传类1.智能法律咨询与问答。整合法律法规、司法解释、典型案例等数据，构建法律知识库，为用户提供实时、准确的法律咨询问答服务，支持自然语言交互与多轮对话，帮助用户快速理解法律问题与相关权利义务。2.普法内容智能生成。针对不同受众（如青少年、企业、社区居民等自动生成普法文章、短视频脚本、互动问答等内容，提升普法宣传的针对性与覆盖面。3.法律援助智能匹配。根据用户描述的法律问题与个人情况，智能匹配符合条件的法律援助机构，推送联系方式和申请指引，提升法律援助的可及性。4.合同智能审查（简易版/公众版）。为中小企业或个人提供标准合同的常见风险提示与合规审查辅助。（二）专业辅助与案件办理类5.类案智能检索与法律研究。利用知识图谱与语义检索技术，实现对海量裁判文书、法律法规、学术文献的快速检索、精准筛选与关联分析。辅助进行法律研究、案件研判、诉讼策略制定与庭审准备，提升法律研究的效率与深度。6.法律文书辅助生成与审查。基于模板库与案例库，辅助生成和审查起诉状、答辩状、法律意见书等专业文书，支持内容校对、格式规范与逻辑优化。7.证据材料智能分析。对案件相关的合同、信函、票据、会议纪要、音视频记录等多模态证据材料进行自动解析、信息提取、关键事实摘要与关联性分析。辅助快速梳理证据、构建证据链条、识别潜在矛盾点，为事实认定与法律论证提供支持。8.诉讼/解纷策略与风险评估。结合案件基本事实、争议焦点、相关法律规定及类案裁判趋势，提供诉讼/解纷策略分析、争议点剖析、胜率评估及风险提示。辅助提供更全面、数据驱动的决策建议，提升法律服务的预见性与专业性。9.合同智能审查（专业版）。针对复杂商业合同进行语义解析、条款比对、风险识别与合规审查，提供修改建议，辅助律师、企业法务等提升审查效率与质量。（三）机构运营与知识管理类10.智能日程与事务提醒。整合案件排期、会议安排、时效节点（如诉讼时效、上诉期限、举证期限等）、待办事项等，为法律从业人员提供智能日程管理、自动提醒与事务跟踪服务，支持语音录入与多端同步，提升工作效率与事务管理的规范性。11.会议与档案智能管理。利用自然语言处理与图像识别技术，对会议、卷宗、档案进行自动分类、标签提取、内容摘要与关联检索，支持智能归档与快速调阅，减轻人工整理负担，提升档案管理数字化水平。12.内部知识库构建与问答。基于机构文档构建知识库，利用大模型强大的语义理解与信息抽取能力，对海量内部文档、案例、经验进行自动解析、关键信息提取、知识关联与智能标签化，形成结构化的机构内部专属知识库，辅助内部培训与知识查询。三、规范部署（一）合理选择实施路径法律服务机构应根据不同法律服务场景需求与现有技术基础，审慎选择人工智能大模型实施路径。对于智能问答、开放式生成等通用性较强、数据资源丰富的场景，宜采用市场上成熟且已完成网信部门备案的模型产品和服务。法律服务机构如面向不特定公众直接提供生成式人工智能法律服务（如在线法律咨询、普法智能问答、合同自动生成等），应依法开展安全评估、履行大模型备案或应用登记手续。对于辅助文书起草等专业性较强、业务逻辑复杂的场景，可利用领域专家知识和专业数据进行针对性训练，打造垂直模型。在严格保障安全和不泄露国家秘密、工作秘密、商业秘密、客户隐私和敏感信息的前提下，审慎利用互联网算力和模型资源，开展法律服务领域的大模型部署应用。鼓励探索检索增强、提示词工程、智能体工作流、多智能体协作等创新应用。（二）探索共建复用机制鼓励法律服务机构、科技企业、高校及行业协会协同共建高质量法律领域语料库与基准测试集。共建语料库应优先采用已公开的裁判文书、法律法规、行政规范性文件等合法来源数据；确需使用非公开数据（如内部案例、客户材料）的，须取得数据主体合法授权，并完成脱敏与去标识化处理。支持通过联合研发、开源共享、云服务调用等方式，推动大模型基础设施、共性组件及合规工具的集约化建设与复用。建立健全资源贡献、使用授权与利益分配机制，促进跨机构、跨区域的技术与数据资源共享，避免重复投入，提升行业整体智能化水平。尤其应积极探索以“智能体”为代表的个性化、分布式应用路径。针对个人工作中形成的、具有高度私密性与价值的核心经验与数据，鼓励研发部署在本地或可信私有环境中的个人智能体。此类智能体可在确保原始数据不离域、不外泄的前提下，通过安全技术提炼专业知识与工作模式，并与机构或行业公共知识库、通用大模型进行安全、可控的交互，实现个人经验与公共知识的有效融合与增值，从而在尊重数据主权与隐私的前提下，逐步破解高质量法律数据收集难的瓶颈。在推动共建复用的同时，应当依法明确数据资源、标注成果、模型参数及衍生成果的权属关系和使用边界，通过协议方式约定贡献规则、使用授权和收益分配机制，防止数据和成果被不当垄断或滥用。（三）集约化统筹部署建立健全大模型部署的统筹协调机制，加强跨部门、跨层级的规划对接。鼓励采用集约化建设模式，优先依托政务云、行业云或可信第三方平台部署共性需求强、安全要求高的模型服务。涉及客户机密信息、未公开案件材料、商业秘密等敏感业务的，相关敏感数据不得以原始形式输入任何公共大模型服务。鼓励采用本地RAG（检索增强生成）、私有化推理或部署于安全可靠的法律行业云平台等技术路径，确保数据不出域。明确部署环境的安全基线与性能标准，强化资源动态调度与弹性扩展能力。对新建系统应当严格审核必要性，推动已有系统通过接口改造、能力嵌入等方式有序接入大模型服务，避免系统孤岛与重复建设。四、运行管理（一）明确应用管理要求应当统筹减负和赋能，避免盲目追求技术领先、概念创新，杜绝重复建设、无效建设，避免未审先建、建而不管，避免强制使用、无效使用，避免数据多头采集、重复索要，切实防范“数字形式主义”。应当建立健全涵盖法律服务领域的大模型部署应用全周期管理体系，明确应用方式和边界，落实大模型“辅助型”定位，及时解决部署与应用过程中出现的新问题。应当在大模型应用界面显著位置设置风险提示，明确告知大模型服务的局限性，做好大模型输出内容标识。面向公众提供服务的应用，应依据《人工智能生成合成内容标识办法》相关要求添加显式和隐式标识。对外公开内容需以显著标识明确告知内容为AI自动生成，并非由专业法律服务工作人员提供，确保标识不被删除或弱化，避免误导用户、影响内容可信度。应当在智能问答、辅助文书起草等面向公众和企业提供服务的大模型技术应用场景，严格执行内容审核制度流程，结合场景特点和技术能力合理采用人工审核、生成内容实时风控、多模型交叉校验等措施，防范模型“幻觉”等风险，确保输出内容不超出业务范围，保障内容准确性。对于类案智能检索、诉讼风险评估、法律推理分析等复杂功能，大模型应同步提供主要依据摘要（如相关法条、类似判例编号、逻辑推理链条不得仅输出结论性内容，以保障法律服务的专业性与可辩护性。法律服务从业人员使用大模型开展辅助工作时，应当将其作为技术工具合理使用，不得据此减轻或者免除依法应当履行的职业审查和判断义务。鼓励在合同终审、诉讼策略建议、法律意见书出具、关键事实认定、法律适用判断等关键执业环节，实行“AI辅助生成+专业人员复核确认”机制，并在业务系统中强制记录人工审核操作（包括审核人、时间、修改内容），确保执业过程可追溯、责任可认定。（二）持续推动迭代优化应当将持续迭代优化作为大模型技术在场景落地的关键环节，密切关注技术发展动态，建立常态化更新机制，加快模型和功能优化，不断深化场景应用。建立法律服务领域人工智能大模型用户评价反馈机制，设立便捷的用户纠错通道（如一键反馈按钮），对经核实的错误输出，应及时纳入知识库修正或模型再训练流程，形成“使用—反馈—验证—优化”的闭环机制，及时收集、处理用户需求，以用户反馈驱动迭代优化。应当建立高效数据收集与处理机制，及时更新大模型运行的输入数据和知识库，并适时进行清洗、标注，补充和优化训练数据集，持续提升模型能力。（三）扎实做好安全管理落实《网络安全法》《数据安全法》《个人信息保护法》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》等规定，确保技术应用全过程合法合规。应当构建涵盖数据、模型、应用及内容的全方位安全技术防护体系。在模型训练与推理过程中，应采用隐私计算、联邦学习、数据脱敏等技术加强数据安全保护。加强大模型对抗攻击（如提示词注入、越狱攻击、资源耗尽攻击等）的检测、识别与处置能力。综合运用语义识别、规则引擎、模型算法等手段，对多模态输入输出内容进行识别、分析与过滤，建立合理的代答、拒答与人工复核机制，有效防范和处置违法不良信息、敏感内容及模型“幻觉”风险。应当建立覆盖大模型部署应用全生命周期的安全管理制度与流程。明确数据处理、模型训练、服务提供、日常运营等各环节的安全管理要求。做好用户身份识别、权限管理与访问控制。制定并定期演练安全应急处置预案，提升对安全事件的快速响应与恢复能力。加强大模型应用运行日志管理，定期对日志记录进行安全审计与行为分析。推动形成行业安全风险信息共享与协同处置机制，按照规定及时上报安全事件。应当建立并落实清晰的安全责任制度，明确模型提供者、应用部署者、服务运营者及最终使用者等各方主体的安全职责与法律责任边界。科技厂商在提供大模型相关服务时，应遵守《生成式人工智能服务管理暂行办法》等相关规定，使用具有合法来源的数据和基础模型，依法履行算法备案和安全评估等义务，并与使用者签订服务协议，明确双方的权利、义务与责任。法律服务机构作为部署方和使用方，应履行主体责任，建立健全内部安全管理制度，监督服务提供方履行安全承诺，并对最终生成内容的安全性与合规性负应当定期对大模型训练数据来源合法性、敏感数据处理合规性及部署环境安全策略执行情况进行审查与审计。在模型训练、部署应用等过程中应遵守信息安全法律法规和行业保密规范，恪守职业道德，履行保密义务。防止国家秘密、工作秘密、商业秘密、客户隐私和敏感信息等输入非涉密大模型或未经安全评估的公共大模型，采取技术隔离、访问控制、加密传输等措施，防范敏感数据汇聚、关联引发的泄密风险。制定完善大模型技术应用相关保密管理制度，规范大模型的选型、部署、训练、使用、废止等全流程保密管理。五、保障措施（一）强化行业协同与生态建设鼓励和支持法律服务机构、科技企业、高等院校、研究机构及行业协会建立常态化的协同创新机制。共同推动建立法律领域高质量数据集、基准测试集、评估体系及核心工具的开源共享社区。通过举办创新大赛、设立联合实验室、开展试点示范项目等形式，加速技术研发、成果转化与最佳实践的行业推广。积极营造开放合作、良性竞争的法律科技产业生态，促进技术、资本、数据与法律服务业务的深度融合。（二）创新市场化应用与商业模式探索适应法律服务行业特点的大