一、法律AI概述：什么是法律大模型、数据标注在其中的作用、课程整体框架
大家好，我是这门课的主讲人。做了这么多年法律科技，我见过太多人一上来就问：「法律大模型到底是个啥？跟ChatGPT有啥区别？」
嗯，这个问题问得好。咱们今天就把它彻底讲明白。
1.1 法律大模型：不只是「会说话的法律书」
先说说我的理解。法律大模型，说白了就是一个专门「吃」法律数据长大的AI。
普通的大模型，比如你用的通用聊天机器人，它什么都懂一点——会写诗、会编程、会讲笑话。但法律大模型不一样，它只专注一件事：理解法律语言，解决法律问题。
我举个例子。你问通用模型：「合同里写了'不可抗力'，是什么意思？」它可能会给你一段百度百科式的解释。但法律大模型会告诉你：「根据《民法典》第180条，不可抗力是指不能预见、不能避免且不能克服的客观情况。在您这份合同中，第3.2条明确列举了战争、地震、政府行为三种情形...」
你看，这就是区别。法律大模型懂法条、懂逻辑、懂实务。
核心定义：法律大模型 = 法律知识 + 语言理解 + 逻辑推理 + 实务经验
我在项目中遇到过不少团队，拿着通用模型直接做法律问答，结果惨不忍睹。为什么？因为法律语言太特殊了——一个「应当」和一个「可以」，在法律里是天壤之别。通用模型根本抓不住这种细微差别。
1.2 数据标注：法律大模型的「燃料」
好，模型有了，那它怎么变聪明的？
答案就是数据标注。
你想想看，一个刚出生的法律大模型，就像个法学院的实习生——理论知识有一点，但啥实务都不懂。它需要有人手把手教它：
- 「这段判决书里，哪句话是争议焦点？」
- 「这个合同条款，属于违约责任还是免责条款？」
- 「这个案子的案由，应该是合同纠纷还是侵权纠纷？」
这些「教」的过程，就是数据标注。
我个人习惯把数据标注比作「给AI喂饭」。你喂什么，它就长什么。喂得精细，它就专业；喂得粗糙，它就糊涂。
| 标注类型 | 举个例子 | 为什么重要 |
|---|---|---|
| 实体标注 | 标出「张三」「2023年」「合同纠纷」 | 让AI学会识别法律要素 |
| 关系标注 | 「张三」是「原告」，「李四」是「被告」 | 让AI理解人物关系 |
| 分类标注 | 这段文本属于「合同条款」还是「争议焦点」 | 让AI学会分类 |
| 问答标注 | 问题：「违约金怎么算？」答案：「按合同第5条...」 | 让AI学会回答问题 |
避坑指南：我曾经见过一个团队，标注了10万条数据，结果模型效果极差。为什么？因为他们标注的数据质量太差了——标注员连「要约」和「要约邀请」都分不清。你想想看，AI学了一堆错误知识，能不出问题吗？
1.3 课程整体框架：我们怎么学？
好了，背景讲完了。接下来聊聊这门课到底学什么。
我把它分成四个阶段，就像盖房子：
第一阶段：打地基（第1-3章）
- 法律AI基础概念（就是今天讲的）
- 数据标注工具与平台
- 法律数据采集与清洗
第二阶段：砌墙（第4-6章）
- 法律实体标注实战
- 法律关系标注实战
- 法律文本分类标注
第三阶段：精装修（第7-9章）
- 法律问答对构建
- 法律推理链标注
- 标注质量管控体系
第四阶段：验收交付（第10章）
- 模型评估与迭代
- 项目实战案例复盘
为了让你更直观地理解，我画了一张图：
我的建议：别急着跳着看。这门课的设计是环环相扣的——你跳过数据清洗直接做标注，后面会发现数据质量根本不过关。我见过太多人犯这个错了。
最后说一句。法律AI这个领域，现在正是风口。但风口归风口，真正能落地的项目，靠的都是扎实的数据标注功底。这门课，就是帮你把这功底打扎实。
准备好了吗？咱们开始。