法律 AI 的讨论常被“哪个模型更聪明”占据，但近期 Midpage 扩展美国法律数据覆盖的消息，提醒行业关注一个更基础的问题：模型回答之前，是否拿到了完整、现行且能够回溯版本的法律材料。对律师而言，检索结果写得再流畅，如果引用的是已经修订的法条、遗漏了例外条款，或者无法回到原始文件核验，就仍然不能成为可靠工作成果。
从判例库扩展到成文法与监管材料
据 LawSites 近期报道，法律检索创业公司 Midpage 在既有判例数据库之外，新增美国联邦及各州的法令、行政法规、宪法和部分监管机构指引。公司公开的数据质量页面称，其数据集包含超过 1400 万份已刊与未刊判决、超过 400 万份法令、法规和机构指引，并建立了逾 1.11 亿条判例之间的关联。上述规模数据来自公司披露，尚不等同于独立审计结论。
更值得法律行业注意的不是数字本身，而是产品强调的两项能力：版本化与更新频率。Midpage 表示，法令和法规保留历史版本，用户能够查看某一时间点有效的文本；相关集合按周重新扫描，判例则每日多次更新。报道同时指出，部分由商业出版机构发布的州法典仍在重建中。这一限制也说明，“覆盖全美”不能只看宣传标签，还要逐项检查法域、材料类型和时间范围。
法律检索的核心正在从“生成答案”转向“管理依据”
在普通问答中，模型引用一条旧规则可能只是信息误差；在诉讼、合规调查或交易审查中，它可能直接改变时效判断、义务范围和风险结论。尤其是税务、劳动、证券和行业监管事项，律师经常需要回答的不是“现行规则是什么”，而是“行为发生当时适用哪一版规则”。如果系统没有时间点版本，模型即使找到真实法条，也可能把今天的文本错误地套用到过去的事实。
因此，法律 AI 的专业层至少应包含三部分：第一，来源范围可见，让使用者知道哪些法院、法规和监管指引被收录；第二，法律文本可回溯，能够比较修订前后差异；第三，结论可定位到原文，保留段落、脚注、页码或固定引注。模型负责组织问题与解释材料，数据层负责证明“依据从哪里来、当时是否有效”。两者缺一不可。
对律所和法务部门意味着什么
Midpage 还把同一数据集通过 API、MCP 和数据库接口提供给开发者，并称其 Claude 集成的使用量已高于自有网页端。这反映出法律检索正在从独立网站变成可调用的基础设施：律师可能在通用 AI 助手、内部知识库或案件工作台中提出问题，由系统在后台调用专业法律数据。
这种形态会降低切换工具的成本，但采购评估也不能停留在演示效果。律所和企业法务可以把验收标准写进真实工作流：
- 随机抽查重点法域，核对收录范围、更新时间和缺口说明；
- 用包含法条修订、旧法适用和负面判例处理的题目测试系统；
- 要求每个关键结论能够打开原文，并记录检索时间与文本版本；
- 明确 AI 助手、数据服务商和内部系统之间传递了哪些查询与案件信息。
开放接口并不等于责任转移
数据覆盖更广、接口更开放，不代表律师可以把复核义务交给连接器。监管指引未必具有与成文法相同的效力，判例之间的引用关系也不能自动替代法律效力分析；PACER 等按次收费材料还涉及成本控制和客户计费透明度。对于保密事项，查询词本身也可能暴露当事人、争议焦点或交易计划，需要在部署前完成数据流和留存期限审查。
Midpage 的进展更像一个行业信号：法律 AI 的竞争正在下沉到数据工程。未来真正拉开差距的，未必只是模型参数，而是谁能把跨法域、跨版本、持续变化的法律材料整理成可检索、可调用、可核验的依据层。对法律机构来说，正确的采用方式不是相信一个更会写答案的助手，而是建立一条从问题、检索、原文到律师判断都能回看的证据链。
参考来源
- LawSites：Legal Research Startup Midpage Crosses Another Threshold Of Coverage
- Midpage 官方数据质量页面：How Midpage Builds High Quality Data
- Midpage 官方开发者数据服务页面：Midpage Data for Developers
