中文法条问答
用日常语言描述问题,模型会给出对应的法律关系和可援引的法条出处,省去自己翻法典、逐个检索的步骤。适合先把问题定性,再决定要不要找律师。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
ChatLaw 是一款针对中文法律领域定制的大型语言模型,定位是给法律从业者和有法律咨询需求的普通用户提供对话式问答。它把中文法条、裁判文书语料和案情推理串在一起,能就具体纠纷给出法条引用和思路梳理,而不是泛泛而谈。适合查法条、理案情、写法律文书初稿这类重复劳动。需要注意的是,它输出的是参考性内容,不能替代执业律师的正式意见,涉及诉讼策略和合同签署仍要人工复核。官网未公开具体定价与使用门槛。
ChatLaw 是一个面向中文法律领域的大型语言模型产品。它的设计目标是把通用大模型的能力收敛到法律场景:理解当事人用日常语言描述的纠纷,对应到具体法律关系和可援引的法条,再给出分析思路。相比通用聊天模型,它更强调法条引用的准确性和中文法律语料的贴合度。
从产品形态看,它属于对话式工具,用户以提问的方式获得回答,覆盖法律咨询、法条查询、案情分析和法律文书辅助起草等典型任务。它的价值在于把原来需要翻法条、查案例、逐条梳理的流程压缩成一次对话。
不同用户的使用方式不一样:普通用户可以就劳动争议、婚姻家事、合同纠纷这类日常问题先做一次初步判断,弄清自己处在什么法律关系中;法律从业者可以把它当作检索和起草的辅助,用来快速拿到法条出处和论证框架,再据此做专业判断;团队场景下,它更适合承担初筛和资料整理这类前置工作,正式意见仍由人出具。
用日常语言描述问题,模型会给出对应的法律关系和可援引的法条出处,省去自己翻法典、逐个检索的步骤。适合先把问题定性,再决定要不要找律师。
把零散的事实经过按时间线和争议焦点整理成有条理的叙述,帮助当事人看清自己这件事的核心矛盾在哪里,也方便后续向律师转述。
针对起诉状、答辩状、律师函这类常见文书,可以生成结构完整的初稿,用户再按自己的事实细节替换和调整,比从空白页开始写省事。
支持多轮追问,可以就同一个纠纷不断补充细节,模型据此逐步收窄分析范围。适合还没想清楚问题、需要边问边理清思路的情况。
训练语料偏向中文法律文本,对法言法语和常见法律概念的理解比通用模型更贴近实务表达,回答里法律术语的使用也更规范。
把 ChatLaw 当作法律问题的第一道过滤器是合适的:它能快速帮你判断一件事属于什么法律关系、可能涉及哪些法条,把原来要跑一趟咨询才能问清的问题先自己过一遍。当作正式法律意见的来源则不合适,它给出的法条引用和分析思路仍需要执业律师核对,尤其是涉及诉讼时效、举证责任、管辖这类细节时,模型的表述可能不够严谨。对法律从业者,它是一个省检索时间的助手;对普通用户,它是一个帮你把问题问清楚的工具,而不是替你打官司的方案。
劳动争议、租房纠纷、婚姻家事这类日常问题,可以先用它把法律关系和自己手上的证据理一遍,再决定要不要请律师、请哪种律师。
做案例检索、法条定位和文书初稿时能省下翻查时间,但引用前要自己核对法条原文和最新修订情况。
可以用它练案例分析、梳理知识点,但它的回答不等于标准答案,法考采分点和法条援引格式仍要以教材和真题为准。
能帮忙看出合同里明显的风险条款和缺失条款,但涉及金额较大或条款复杂的合同,仍应由专业律师出具审查意见。
模型输出不能作为诉讼、仲裁或对外签署文件的依据,重大权益事项必须由执业律师判断并承担责任。
区别主要在语料和表达上。ChatLaw 的中文法律语料占比更高,回答里更常出现具体的法条名称和法律概念,表述也更接近实务用语;通用模型则容易给出道理正确但没有法条支撑的泛泛建议。涉及具体条款时,两者都需要核对原文。
不能。它提供的是法条定位、案情梳理和文书初稿这类辅助性内容,正式的法律意见需要由执业律师出具并承担责任。诉讼策略、举证安排、时效计算这些环节出错代价高,必须由人复核后再决定。
先把当事人信息、事实经过、诉讼请求和手上的证据按顺序讲清楚,再让它按起诉状结构生成初稿,然后逐段替换成自己的真实信息,核对案由和管辖法院是否写对。生成的初稿只是骨架,事实细节和法律依据需要你自己确认。
法条要在权威渠道核对原文和现行版本后再引用,尤其是近年修订过的法律。模型可能把条款序号或表述记混,把它当作检索线索而不是最终依据,能避免在正式文书里用错条款。
适合用来把问题问清楚。不懂法律的人往往连自己这件事属于什么纠纷都说不准,它可以根据描述帮你定位法律关系,再告诉你需要准备哪些材料、大概走什么流程。但拿到结论后,涉及实际维权动作时仍建议咨询律师。