商品描述
法律行業固有的特點使其與人工智能（Artificial Intelligence，AI）的融合具有極高的適配性。“知識庫驅動、工作流編排、智能系統協作”將成為未來法律服務的新範式。本書所言的智能體工作流（Agentic Workflow），是指由人類設計者預設結構與規則，同時具備一定程度自主性、決策能力與工具調用能力的任務執行系統。它融合了傳統工作流的可控性與Agent所體現的智能性，通常通過大語言模型（LLM）、外部工具接口和上下文機制協同實現，完成特定目標導向任務。本書旨在為不具有計算機背景的法律從業人員提供一套搭建AI智能體工作流的基礎思路和方案，讓基於LLM的智能應用可以作為一個 “勤勉助理”輔助日常法律工作。
作者簡介
法天使智能法務部隸屬於法天使（北京）科技有限公司，是法天使公司專註於內容產出與智能化法務服務的核心部門。部門前身為“內容部”，長期承擔中國合同庫內所有合同文本的撰寫與修訂工作，積累了深厚的法律文本專業經驗和實踐成果。2025年，隨著公司戰略的全面轉型與業務升級，原“內容部”正式 名為“智能法務部”。在延續法律文本高標準產出的基礎上，部門進一步聚焦企業法務場景，致力於為企業提供 化、系統化的智能法務解決方案，涵蓋合同管理、風險審查、合規咨詢等多維度需求。智能法務部以專業的法律知識為基石，以智能技術為驅動，力求幫助企業實現法務工作的降本增效，推動企業在數字化轉型背景下構建 加穩健與高效的法務體系。
目錄大綱
1 法律行業中的AI應用機會
1.1 法律行業與AI應用的適配性
1.2 企業法務場景中的AI應用機會
1.2.1 合同全生命周期管理
1.2.2 企業內部法律咨詢
1.2.3 企業管理、政策更新與合規培訓
1.2.4 訴訟業務高效智能化
1.3 專業律師團隊使用AI應用的訴求
1.4 AI賦能法律服務的未來趨勢
1.5 小結
練習
2 構建法律智能體的核心理念
2.1 理解Agent
2.1.1 Agent系統概述
2.1.2 Agent的規劃能力
2.1.3 Agent的記憶能力
2.1.4 Agent的工具調用能力
2.2 理解AgenticWorkflow
2.3 構建法律智能體的產品理念
2.3.1 任務拆解與流程化思維
2.3.2 從簡單到覆雜，從跑通到疊代
2.3.3 為工作流註入專業知識
3 快速搭建法律智能體
3.1 AI應用開發平臺簡介
3.2 企業定制化智能體
3.3 創建應用
3.3.1 第一步：創建應用並選擇應用類型
3.3.2 第二步：選擇「開始」的輸入變量
3.3.3 第三步：添加節點
3.3.4 工作流的測試、優化與覆雜化
4 大模型的類型及其選擇
4.1 模型類型
4.1.1 文本推理模型
4.1.2 Embedding模型
4.1.3 Rerank模型
4.1.4 多模態模型
4.2 文本推理模型的選擇
4.2.1 市面上的國產大模型
4.2.2 如何選擇大模型
5 變量：作用、類型與使用
5.1 變量在工作流中的作用
5.2 Dify中的變量分類
5.3 變量的數據類型
5.4 節點的變量類型的介紹與選擇
6 提示工程與LLM節點
6.1 提示詞的撰寫
6.1.1 提示詞的組成部分
6.1.2 樣本提示
6.1.3 撰寫提示詞的註意事項
6.1.4 提示詞的文本容量建議
6.2 LLM節點的設置
6.2.1 節點的編排
6.2.2 大模型參數設置
6.3 Markdown語法
6.3.1 標題
6.3.2 有序列表
6.3.3 無序列表
6.3.4 強調
6.3.5 表格
6.3.6 引用
6.3.7 代碼塊
6.4 JSON基礎知識
6.4.1 JSON支持的值類型
6.4.2 JSON的基本結構
7 知識庫與知識檢索
7.1 知識庫功能簡介
7.2 RAG簡介
7.2.1 RAG的工作原理
7.2.2 理解向量化
7.3 知識庫的建立
7.3.1 選擇數據源：文檔上傳
7.3.2 文本分段與清洗：分段設置
7.3.3 文本分段與清洗：索引方式與檢索設置
7.3.4 處理並完成及後續操作
7.4 知識庫與LLM的聯動
7.4.1 在「知識檢索」中選擇查詢變量
7.4.2 「知識檢索」的單獨測試
7.4.3 在LLM中調用知識檢索結果
7.5 知識庫的整理技巧
7.5.1 父子段模式下確定父子段
7.5.2 父子段的再編輯方法
7.5.3 表格的預處理
7.5.4 流程圖的預處理
7.5.5 文檔整理策略
7.6 知識庫管理和維護
7.6.1 同一知識庫下面添加多個文件
7.6.2 在「知識檢索」中添加多個知識庫
7.6.3 「知識檢索」中的召回設置
7.6.4 知識庫的持續維護
練習
8 企業法務知識庫的建設
8.1 知識庫：法務智能體的關鍵基礎
8.1.1 技術再先進，也離不開知識的供給
8.1.2 法律知識庫不是簡單的文件堆砌，而是結構化的認知體系
8.2 如何搭建有效的知識庫——以審查合同中的管轄條款為例
8.2.1 拆解任務需求
8.2.2 確定工作流
8.2.3 分析合同類型
8.2.4 搭建知識庫
9 代碼執行節點
9.1 代碼執行節點的介紹
9.2 Python基礎知識
9.2.1 Python數據類型總覽
9.2.2 變量和簡單的數據類型
9.2.3 列表（list）
9.2.4 條件語句（if）
9.2.5 字典（dict）
9.2.6 函數（def）
9.2.7 正則表達式（Regex）的基礎支持
9.3 「代碼執行」的默認語法
9.4 「代碼執行」的應用
9.4.1 IF條件判斷：用於關鍵字檢索輸出不同結論
9.4.2 拼接數據：整合多個輸出結果
9.4.3 通過正則表達式提取信息
9.4.4 提取JSON字段（如獲取合同類型）
9.5 使用AI輔助撰寫代碼語法
練習
10 其他節點
10.1 文檔提取器
10.2 問題分類器
10.3 條件分支
10.3.1 條件類型
10.3.2 多重條件判斷
10.4 變量聚合器
10.5 參數提取器
10.6 模板轉換
10.7 疊代
10.8 HTTP請求
10.9 Agent
10.10 工具
10.11 MCP
10.11.1 MCP簡介
10.11.2 MCP如何運作
10.11.3 Dify中的MCP配置
11 案例：違約責任條款審查
11.1 三個版本的整體說明
11.1.1 1.0版：純依賴LLM的通用能力
11.1.2 2.0版：提供參考模板
11.1.3 2.0版的升級：添加樣本提示
11.2 測試效果展示
12 案例：離婚房產分割助手
12.1 問題背景與實踐困境
12.2 知識整理
12.3 智能體設計與實現
12.3.1 整體設計思路
12.3.2
