法律 AI 正在从“回答一个问题”转向“替律师完成一段检索流程”。7 月 28 日，诉讼数据平台 Trellis 宣布把其州级一审法院数据接入 ChatGPT、Claude 和自有对话产品，用户可以用自然语言交代研究目标，由系统规划搜索、交叉核对裁判与动议、生成备忘录并附上底层材料。对诉讼团队而言，这类连接器的价值很直观：入口仍是熟悉的对话框，背后调用的却是专门法律数据库，而不是只依赖模型的一般知识。
真正变化的是检索链条
传统法律检索通常把“查到什么”和“怎样查到”留给律师逐步完成。Agent 接口则可能一次接受较完整的任务，例如寻找事实相似案件、比较特定法官对某类动议的处理、梳理损害赔偿区间，再把结果组织成工作产品。Trellis 称其可访问超过 25 亿条州级一审法院记录；此类基层法院材料过去分散在不同辖区，标准化和批量检索本就困难。
这意味着法律 AI 的竞争点正在从语言生成能力移向数据覆盖、权限连接和任务编排。模型可以更换，但经过整理的案卷、裁判、动议和诉讼参与者信息，以及把问题落到具体材料的能力，才是结果能否用于案件判断的基础。
“显示来源”不等于完成核验
Agent 会列出引证，并不代表律师可以跳过复核。首先要确认链接指向的是完整文书还是二次摘要，案号、法院、日期和程序阶段是否对应；其次要区分裁判理由、当事人主张与系统归纳，避免把尚未被法院采纳的观点写成规则。涉及法官倾向或对手画像时，还应检查样本范围、缺失记录与统计口径，不能用少量历史案件替代对本案事实的分析。
更隐蔽的风险在检索过程本身。如果系统自动扩展关键词、筛选辖区或排除结果，而团队只保留最后一份备忘录，日后很难解释为什么遗漏了某组不利材料。诉讼负责人应要求工具保存任务指令、数据源范围、检索时间、关键筛选条件、引用文书版本以及人工复核人。对重大争议，这些记录也有助于内部质量复盘。
可先用三个问题做验收
- 每个关键判断能否回到可下载、可定位的原始案卷或裁判文本？
- 系统是否明确展示覆盖法院、更新时间、缺失数据与排序逻辑？
- 生成结果进入诉状、法律意见或谈判方案前，谁负责逐项核对并签名留痕？
法律检索 Agent 最适合先用于扩大线索面、整理时间线和发现可比案件，而不是替代律师作出终局判断。把数据接口接进对话框只是第一步；能否保留一条清楚、可重复、可质疑的证据链，才决定它是效率工具，还是新的案件风险来源。本文为行业信息观察，不构成法律意见。
参考线索
- Trellis：州级一审法院数据接入 ChatGPT、Claude 与 Trellis Chat
- Legal Tech Monitor：Trellis 扩展 Agent 式法律检索入口
- Trellis 官方平台：州级一审法院研究与诉讼分析
