【编者按】2025 年后仍在高校研读的法学生，是多年以来最特别的一批法学生。因为 AI 来了。AI 对法律行业的改变之大远超过往任何一项技术，法学生...

2025 年后仍在高校研读的法学生，是多年以来最特别的一批法学生。

因为 AI 来了。

AI 对法律行业的改变之大远超过往任何一项技术，法学生如何将 AI 与学业及未来的法律事业相结合，成为整个法律行业关注的重要问题。

近期由 iCourt 主办的「第二届全国法律人 AI 大赛」首次设立高校赛道， 共计 189 支队伍参赛，近一半来自 985、211 高校及“五院四系”法学院。作为长期深耕法律科技领域的代表性企业，iCourt 持续围绕法律检索、知识管理、协同办案、法律 AI 等方向开展产品探索，已形成覆盖法律数据、法律业务工作流及法律 AI 应用的产品体系，并持续通过赛事、产品与产业生态建设推动 AI 与法律教育、法律实践的深度融合。

最终，10 支队伍闯入决赛，为法律行业展示了这一批“AI 原住民”，将技术与法学、法律实务应用相结合的新思路。

决赛结束后，多位学生代表受邀来到 iCourt 总部，就 AI、法学、职业发展等多个问题进行交流、讨论。

本文，我们选取了本届 AI 大赛高校赛道的 6 个优秀作品，为各位展示法学生应用 AI 的新思路。这届法学生搞出来的新东西，或许能为各位带来一些不一样的 AI 应用视角。值得关注的是，这些作品虽然切入点各不相同，但几乎都围绕法律工作流、法律知识与 Agent 协同展开设计，与当前法律 AI 的发展方向形成了呼应。

目前，iCourt 已围绕法律 AI 构建起覆盖不同业务场景的产品矩阵。其中，AlphaGPT 作为面向法律人的法律 AI 智能助手，持续服务于法律检索、类案研究、合同审查、法律文书、卷宗阅读等高频业务场景;AlphaClaw 则进一步探索法律智能体(Agent)在人机协同中的实践应用，不断推动法律 AI 从单点能力向工作流协同演进。

此外，为了和各大高校一起探索法律 AI 的各种可能，iCourt 创立了「法律 AI 创新伙伴」项目，持续连接高校、青年法律人与产业伙伴，共同探索 AI 在法律教育与法律实务中的更多可能。

一、逆向思维：让 AI 帮律师用 AI

《律迹-法律人的 Agent 能力沉淀平台》是本次大赛高校赛道的冠军作品，来自西南政法大学“律迹佳人队”。

大部分 AI 应用案例都是教法律人如何用 AI，该作品反其道而行之，让大模型充当“Skill 工程师”，通过无感监测人类行为来自动、反向生成可复用的 Skill 技能包，并依托反射机制进行持续优化。

律师只需要专注于本职办案，就能在不知不觉中完成 AI 资产的沉淀与自进化。

在实际应用中，该作品主要通过以下 4 个步骤实现上述构想：

1、数据采集与无感监测。

系统作为前端数据探针，捕获法律人的碎片化办案日志、随笔或工作记录，并在本地执行文本清洗与数据脱敏。

2、反向工程与 Skill 总结。

当同类事务记录达到触发阈值时，系统利用大模型进行反向提示词工程(Reverse Prompt Engineering)。AI 会分析非结构化文本中的因果关系与时间戳，提取出业务的步骤骨架、风控尺度与执业偏好，将其转化为机器可读的结构化“Skill 技能包”。

3、多格式导出与泛化。

提炼出的 Skill 包支持一键导出为 .md(标准结构化提示词，用于直接复制投喂)、.json(流转图纸配置文件，用于一键导入 Coze 或 Dify 等低代码平台恢复工作流节点)和 .py(Python 自动化脚本，用于对接本地代码环境或高级编程智能体)，打通了跨平台的泛化复用。

4、基于人类反馈的自改进。

系统引入了智能体前沿的“反射(Reflection)”架构。当用户在真实办案中对 AI 的产出进行手动修正、批注或标注不满意时，系统会捕获这一行为并作为新数据反向输入，自动对比版本差异并剪枝修正原有工作流，实现静态规则的动态进化。

该作品用 AI 代替人类，反向解决了繁琐的提示词工程和节点配置，大幅降低了不懂代码的法律人搭建、流转和继承个人 Agent 能力包的门槛 ，其逆向思维极具创意，同时通过详细的产品流程实现了方案落地，极具参考价值。

从行业发展趋势来看，随着法律 AI 应用逐渐从单次问答迈向工作流协同，如何沉淀个人经验、复用团队能力，正成为越来越重要的命题。近年来，包括 iCourt AlphaClaw 在内的法律 AI 产品，也持续探索 Agent 在法律工作流中的协同模式，希望将法律人的专业经验沉淀为可复用、可协作的数字能力。该作品对这一方向进行了具有启发意义的探索。

二、发掘高频场景下的合规服务空白

《尺度罗盘·内容合规诊断平台》是高校赛道的二等奖获奖作品，来自清华大学“硅基律动队”。

该作品发掘了当前自媒体、短视频、直播、电商种草及短剧等内容产业高频发布场景下的特有法律与合规服务空白：

1、平台审核规则的不透明性。

自媒体创作者每天发布大量图文或视频内容，但受限于各内容平台算法与审核标准的黑箱状态，常面临被动限流、下架或封禁的损失。创作者缺乏明确、可解释的发布前边界参考。

2、多项规则对商业表达的约束。

创作者的文案不仅需要满足广告法等静态法律法规，还需要适配不同平台快速更迭的社区公约。如律师直播中涉嫌的“胜诉率承诺”、美妆或健康领域的“功效宣称”、私域引流动作等，极易高频触发合规风险点。

3、中小型内容团队缺乏专业审核工具。

相较于能承担高额法律顾问费用的头部 MCN 机构，千万级普通创作者和中小型内容团队处于“高频需要规则预审、但缺乏平价工具”的场景，这构成了法律服务向数字化基础设施转化的市场需求。

团队围绕上述场景，给出了基于多智能体(Multi-Agent)与检索增强生成(RAG)的系统设计：

1、基于双版本的发布前预审（Lite / Pro）。

系统为个人创作者和 MCN 团队设计了不同的交互终端，支持短视频口播文案、图文、脚本等纯文本或 OCR 提取文本的快速识别。系统不仅定位风险语句，还会自动输出不破坏商业表达目的的替换改写方案。

2、多智能体集群式博弈审议（Agent Teams）。

这是该作品在工程上的核心设计。系统以 Kimi 为调度中枢，混合调用 DeepSeek、豆包等多个大模型，在后台构建了包括法律智能体、平台规则智能体、风控模拟智能体和商业编辑智能体在内的 4 层角色架构(共包含 21 个专业 Agent)。各智能体手握独立的立场和证据权重，通过信息传递与定向质询进行多轮回合制博弈，从而模拟平台真实的组织审查结构，提高风险召回的精准度。

3、Agentic RAG 与证据账本体系。

依托火山引擎内嵌的向量模型，构建了包含法律法规、平台规则及处罚案例的多轮召回知识库。系统在运行中会完整记录原稿、审议稿、发布稿的版本链、审议记录、证据 ID 以及时间戳，为后续可能发生的申诉和专业法律服务提供数据链路支撑。

《尺度罗盘》在应用上的实质是一个面向公众的第三方规则转译与合规评估系统 。它通过多 Agent 协同模拟大厂审查博弈逻辑，将模糊的执法尺度转化为可执行的修改建议。其价值在于对“高频、低客单价”的自媒体合规场景进行了一次低门槛的工程化解构，为解决数字内容平台的合规确定性问题提供了一个具有落地前景的解法。

三、让 Agent 相互辩论，提升合同审查准确度

《对簿 AI：面向普通人的智能合同审查专家》同样为高校赛道的二等奖作品，来自复旦大学“鼹鼠队”。

该作品主要切入普通个人用户与中小企业在签约下面临的防范性风控场景：

1、县域及农村地区居民、刚毕业的大学生、老年消费者等弱势群体，常面临“请不起律师、看不懂合同”的困境，极易受到不合规或欺诈性条款的侵害。

2、在合同审查这种容错率极低的场景下，传统单一 AI 模型“大多数时候正确”的表现无法满足实务需求。单一模型容易出现凭空编造案例、虚构法律条文、推理逻辑不严密等幻觉，难以直接给出高置信度的审查报告。

为了实现高精度的合同风险识别，《对簿 AI》在通过 RAG(检索增强生成)检索权威法律文本并进行多 LLM 交叉验证的初步评估后，会对高风险条款触发其核心的“慢思考”机制——多智能体对抗辩论。

该辩论仲裁系统由三个手握独立立场和提示词策略的专业 Agent 组成：

甲方律师 Agent  站在合同签署方的立场，极力寻找对自身有利的条款解读，并对初步的风险结论提出挑战，防止过度风控破坏商业合作可能;

乙方律师 Agent  站在对手方的立场，通过援引不利判例、穷举潜在隐患来强化风险论据，确保所有潜在漏洞被充分暴露;

仲裁官 Agent  扮演客观中立的法官或仲裁员角色，在听取甲乙双方律师 Agent 多轮的正反论证与激烈辩论后，中立地评估双方的论据支撑，最终做出加权裁定并调整风险总分。

通过这种三方智能体在后台的回合制博弈，系统能够把单一模型的单向输出转变为结构化的法理对抗。

该作品的工程创新在于认识到“真相在对抗中更容易浮现”的法学本质，并将其转化为多智能体协同(Multi-Agent Swarm)的技术架构。通过构建模拟法庭的辩论闭环，它将传统的 Prompt 调优上升为机制设计，用规则对抗对抗大模型自身的随机幻觉，为普惠法律服务中的“确定性”需求提供了一个低成本、高可信的落地方案。

事实上，合同审查也是法律 AI 最早实现规模化应用的场景之一。近年来，越来越多的法律科技产品开始将 AI 深度融入合同风险识别、条款解析、修改建议等工作流。其中，AlphaGPT 已在合同审查、类案研究、法律文书等高频场景持续探索专业化应用路径。与参赛作品不同，产品需要兼顾专业能力、稳定性、安全性以及实际业务流程，但双方共同体现出的趋势是：法律 AI 正逐渐从"能够回答问题"迈向"能够完成工作"。

四、更深入的数据合规审查：代码审查

《数律通——数据合规智能审查系统》为大赛三等奖作品，来自中国政法大学“创造者队”。

数据合规业务场景中，文档审查本身的痛点和其他业务相似——人工审查隐私政策、用户协议等法律文档速度慢、成本高，传统单一 AI 审查又极易产生“法律幻觉”并编造法条。

但该业务还有另一个场景审查难度极高：代码合规审查。传统的合规审查往往停留在协议文本表面，法务人员不具备代码审计能力。当 App 高频更新、SDK 动态采集数据时，合规响应严重滞后于技术迭代，导致纸面上写的一套，技术上做的却是另一套。

“数律通”基于 Flask 框架融合了文档解析、规则引擎、SQLite 法规检索与 DeepSeek AI 增强技术，打造出了一套“双引擎系统架构”，系统不仅能审核常规的文本，还创新地将合规审查延伸至代码层。

系统内置的数据合规知识库，能够自动对底层代码进行四维深度体检：

1、自动扫描代码中的敏感字段(如 idCard、phone.contacts)，严防超范围过度采集个人信息。

2、检查是否存在用户画像(profile_tag)或精准营销(ad_targeting)代码，并穿透审查前端是否提供了对应的关闭个性化推荐入口。

3、实时捕捉代码中未经同意即提前调用地理位置(geolocation)或摄像头(getUserMedia)等违规越权行为。

4、自动揪出代码中硬编码的密钥(API_KEY)或明文密码(DB_PASSWORD)，防范源头泄露风险。

为了确保审查结果准确，系统通过规则匹配和 SQLite (FTS5) 全文检索，在本地将风险点直接映射到真实有效的 500 多个法律法规文件中，从底层杜绝大模型编造法条和虚构案例的幻觉问题。

数据安全方面，用户的代码或完整协议在本地进行预处理与规则检查，系统仅将脱敏后的风险摘要发送给大模型，大模型(DeepSeek API)仅负责辅助处理风险点的整改建议与条款改写，最大程度保障了企业的数据隐私安全。

《数律通》的惊艳之处在于其打破了法务与程序员之间的技术壁垒。它在工程上采用了一种“轻量且安全”的解法——用本地规则引擎负责严谨的法律确定性，用大模型增强引擎负责通俗的整改建议生成。这一架构不仅规避了代码泄密的行业大忌，更让数据合规真正触达了技术的最深底层。

五、短剧出海：一站审查剧本、视频与 BGM

三等奖作品《剧帆盾-短剧出海合规 SaaS 平台》来自杭州师范大学“剧帆盾队”。

该作品敏锐地抓住了“短剧出海”这一现象级业务场景，针对短剧多媒体素材的复杂性，推出了“剧本、视频、BGM 一站式多维合规审查”机制。

1、覆盖 100 多个国家的剧本审查机制。

用户上传剧本并选择出海目标区域后，系统通过 RAGFlow 检索覆盖全球 100 多个国家的出海法律、宗教禁忌和平台规则知识库(包括 LII、WorldLII、WIPO Lex 等权威源)。

系统通过 DeepSeek 模型分析剧情、打上合规标签，并用不同颜色在文本中定位违规位置，直接给出修改建议，将由于 AI 幻觉导致的误报率从 28.3% 降至 8.5%。

2、直连审核平台 Sightengine，自动抽检视频关键帧

在视频层面，平台直连专业的多模态 AI 审核平台 Sightengine ，实现低码率视频关键帧的自动抽检。系统具备 230 毫秒极速响应能力，覆盖情色、暗示性、暴力、枪支、酒精等 15 大类别、100 多个细分内容。

用户可免代码一键调整审核阈值，精准识别不符合目标地区法律的画面，检出率高达 99.2%。

3、BGM 版权扫描+一键平替

用户上传配乐后，AI 会自动扫描并与全球主流音乐库进行比对。一旦识别到重度侵权或高风险歌曲，系统会立刻发出“强制下架风险”警告，并支持一键调用直连的 Jamendo API（包含 22 万+商用免版税音乐库） ，供用户根据短剧风格搜索并一键平替为安全素材，从根本上斩断版税纠纷。

考虑到短剧剧本属于高商业价值的敏感核心资产，平台设计了极其严苛的隐私保护流程：在客户端利用本地部署的脱敏小模型将实体名替换完毕;传输过程采用 TLS 1.3 协议，云端存储执行 AES-256 静态加密;当向用户返回检测报告后，服务器的内存与硬盘中关于剧本连贯文本和原始关键帧的缓存将执行物理级彻底清空 ，承诺绝不用于反向训练公共大模型，确保商业机密不外泄。

《剧帆盾》展现了较强的行业洞察力与多模态工程落地能力。它没有将目光局限于单一的文本审查，而是深刻理解了短剧多媒体内容的合规本质，将大模型语义风控、视觉关键帧 API、以及商用免版税音乐库平替链条完美缝合。

这一站式架构不仅极大地兜底了短剧出海的隐性暴雷风险，更通过“检测+平替+阅后即焚”的结构，为出海短剧企业构筑了一条兼顾效率、成本与安全的数字护城河。

六、技术普惠：人人都能写好法律文书

三等奖获奖作品《法智文书：面向基层群众的 AI 法律文书生成模型》来自中南财经政法大学“云法智创队”。

在法律 AI 赛道中，该作品选择的基层群众普惠场景比较平常，但其核心竞争力体现在执行上——针对普通群众不懂专业术语、理不清案情、不会写起诉状等实际问题，该系统在输入端彻底摒弃了传统大模型对高级 Prompt(提示词)的依赖，通过“引导式问答”的方式，解决基层群众的法律文书撰写需求。

该系统在前端设计了极简的问答向导，用户无需思考复杂的法律格式，只需像日常微信聊天一样回答系统提出问题(如当事人基本信息、事件发生的时间地点、核心诉求及相关证据材料)即可。

这种“大白话引导”模式彻底既消除了普通群众无法准确表述案情的困难，又确保了撰写文书所需的底层事实素材能够被完整、准确地收集。

在获取用户的口语化描述后，系统后台的要素提取模块 能够在非结构化的聊天文本中，精准抽取出“谁、什么事、什么诉求、关键证据”等核心法律要素，自动将群众的“日常说法”映射为可计算的结构化法律行为数据。

提取出核心素材后，法条匹配模块 会实时调用对接了国家法律法规库的动态知识图谱进行多跳推理，确保引用的法条现行有效。

最后由文书生成模块 严格依据最高人民法院的文书规范进行结构化填充与自然语言润色，平均只需 3 秒钟 即可端到端产出一份格式规范、逻辑连贯、可以直接提交给法院的高质量法律文书初稿。

《法智文书》的过人之处，是其“向下兼容”的执行力。它把技术重心理性地下沉到了“用户素材获取”这一交互起点，利用引导式问答将模糊的口语碎片，梳理成严谨的结构化法律要素，并配合其内嵌的合规风控机制，将 AI 法律幻觉率从行业平均水平压降至 3% 以内。

该作品也展现了执行本身的价值，并不弱于创新。

结语

从反向沉淀技能的逆向工程，到模拟对抗的博弈架构，再到深入代码层、多模态审查以及向下兼容的引导式问答，本届大赛的高校作品展现出扎实的工程落地能力。

这批跨越 2025 年的法学生，没有将目光局限于宏大的理论叙事，而是选择将大模型技术理性地拆解并嵌入具体的实务场景中，去解决行业真实的信任与效率痛点。

技术终将成为基础设施，而能够将法律逻辑与技术执行力完美缝合的“AI 原住民”，其交出的答卷，或许正是未来数字法治演进的一个微观缩影。作为第二届全国法律人 AI 大赛的主办方，iCourt 也希望通过赛事连接高校、法律行业与科技企业，让更多创新构想在真实法律场景中得到验证，共同探索法律 AI 的更多可能。

此外，为了与更多高校共同探索法律 AI 的创新实践，iCourt 已发起「法律 AI 创新伙伴」项目，持续连接高校、青年法律人与产业伙伴，共同推动法律 AI 的学习、交流与实践。