当法律AI产品纷纷追求“一问即得结论”时，一款新工具却选择少做一步。8月3日，诉讼科技公司Align宣布Align Research正式开放使用：律师用自然语言提交问题，系统在后台检索美国联邦及州法院判例，数小时后返回相关裁判全文和重点段落，但不生成摘要、备忘录或诉讼观点。
这个看似保守的设计，实际提出了一个值得法律行业重新讨论的问题：法律AI的价值，是否一定来自替律师给出答案？在高风险任务中，主动收窄职责，也可能比扩张功能更有用。
从“生成答案”退回“提供依据”
据Align官方公告及LawSites报道，Align Research采用多阶段智能体流程分析问题、安排检索、筛选判例并标出相关段落，案件资料来自包括Free Law Project的CourtListener在内的判例数据。用户看到的是既有裁判，而不是模型新写的一段法律分析。产品目前按任务计费，每次检索100美元，并提供每月三次免费任务。
Align将这一模式概括为“检索而非生成”，并宣称这样可以消除面向用户的虚构判例和编造引文。这个判断需要更精确地理解：如果界面只返回真实裁判全文，模型确实少了凭空写出案名、案号和引语的机会；但“没有生成文本”并不等于“检索结果必然正确”。系统仍可能漏掉关键判例、错误判断相关性、标错重点，或者因数据覆盖和更新时间而遗漏最新依据。
真正的变化是重新划分人机分工
传统法律检索通常包含两个连续动作：先找齐依据，再解释依据。聊天式法律AI经常把二者压缩成一个答案，速度更快，却也容易让律师在流畅结论面前跳过原文。Align把这两个动作重新拆开：机器承担大范围搜索和初步筛选，律师继续阅读裁判、辨别判决理由与附带意见、核查后续效力，并形成案件策略。
这种设计尤其适合诉讼团队的探索性任务，例如寻找持不同立场的地区法院裁判、核对对方是否遗漏不利先例、为某项论证建立判例集合。它不承诺替律师完成终局判断，反而把“必须读原文”写进产品流程。对律所和法务部门而言，这比一句笼统的“人在回路”更具体：人的复核对象不是AI写好的结论，而是机器筛出的原始法律材料。
法律检索工作流应设置三道检查
如果将此类工具引入办案，采购部门不应只测试能否找到几个已知案例，还应建立可复现的质量控制：
- 覆盖检查：明确司法辖区、裁判层级、收录范围和更新时间，并用传统数据库平行检索高风险问题。
- 相关性检查：记录检索问题、返回时间、筛选标准及律师补充检索，关注系统没有找到什么，而非只看高亮是否准确。
- 效力检查：逐案核对原文、判决背景、引用关系和后续处理，不能因为案例真实存在，就默认其仍可支持当前命题。
按任务收费也会改变管理方式。固定成本便于法务比较外部律师的研究费用，但如果检索问题拆分不当，多次任务可能迅速累积；若把工具费用直接计入客户账单，还需提前说明计费口径、技术费用政策和律师复核时间，避免“机器检索”成为新的不透明成本。
收窄能力，也是一种法律AI产品能力
法律AI不必在每个环节都追求自动形成答案。对于判例检索，可靠的产品边界应当让用户清楚知道：系统负责发现和排序，律师负责理解、验证和主张。Align Research能否达到足够的召回率和稳定性，仍需独立测试与真实案件验证；其“不会产生幻觉”的表述也不能替代对漏检、误标和数据缺口的评估。
但它提供了一个有价值的方向：法律科技的成熟，不只表现为模型能做更多，也表现为产品知道哪些判断必须留给律师。把AI放在证据与结论之间，而不是让它遮住证据，可能才是法律检索自动化更稳健的下一步。
参考来源
- Align官方公告：Align Launches Align Research: Lawyers Get Cases, Not Hallucinations
- LawSites：As AI Legal Research Tools Race to Give Answers, This New Product Gives Only Cases — And That’s the Point
- Legal IT Insider：Align announces GA of AI case retrieval tool
