欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

法律多智能体工作流(Agentic RAG)落地实践:规划—检索—核验—合成

上邦 AI 工程团队2026-09-28阅读 约 9 分钟
单轮 RAG 在法律问答上常因检索质量不足而失效,多智能体工作流通过把问题拆解为子任务、用 Agentic Search 检索证据、经核验智能体过滤、再综合出带引用的答案,显著提升时效性法律问答的准确率。本文给出一套可复现的 LangGraph 多智能体法律问答骨架与企业私有化落地要点。

为什么单轮 RAG 不够用

据公开研究,L-MARS(Legal Multi-Agent Workflow with Orchestrated Reasoning and Agentic Search)在法律时效问答 LegalSearchQA 上达到 96.0% 准确率,较零样本提升 38 个百分点,而链式思维反而降到 30%。这说明当法律问题依赖训练后新发生的法规与判例时,带核验的多智能体检索才是可靠落地的关键,单纯靠模型记忆或固定语料检索都会失准。

四角色工作流:规划—检索—核验—合成

把法律问答拆成四个职责单一的智能体:规划体把复杂问题分解为结构化子问题;检索体用在线检索与本地语料获取证据;核验体逐条验证引用是否真实、条款是否现行有效;合成体基于通过核验的证据生成带出处的答案。下面是一段可运行的 LangGraph 骨架(其中检索与核验的底层函数需结合企业私有法规库自行实现):
import os
from langgraph.graph import StateGraph, END

def plan_node(state):
    sub = split_question(state['question'])   # 把复杂法律问题拆为结构化子问题
    return {'sub_questions': sub}

def retrieve_node(state):
    evidences = []
    for q in state['sub_questions']:
        hits = search_corpus(q, top_k=5)      # 离线 BM25 或向量检索
        evidences.extend(hits)
    return {'evidences': evidences}

def judge_node(state):
    kept = []
    for e in state['evidences']:
        if verify_citation(e):                 # 核验引用真实、条款现行有效
            kept.append(e)
    return {'verified': kept}

def synthesize_node(state):
    answer = draft_with_citations(state['verified'], state['question'])
    return {'answer': answer}

sg = StateGraph(dict)
sg.add_node('plan', plan_node)
sg.add_node('retrieve', retrieve_node)
sg.add_node('judge', judge_node)
sg.add_node('synthesize', synthesize_node)
sg.set_entry_point('plan')
sg.add_edge('plan', 'retrieve')
sg.add_edge('retrieve', 'judge')
sg.add_edge('judge', 'synthesize')
sg.add_edge('synthesize', END)
app = sg.compile()

企业私有化落地要点

要点一:证据可溯源。每条回答都应回链到具体法条或判例编号,禁止模型凭空生成条文。
要点二:版本与时效。法规持续修订,检索语料须定期更新并标注生效日期,核验体优先采信现行版本。
要点三:数据不出域。律所与企业法务的私有法规库含敏感信息,建议在本地或专有云部署,避免调用公网大模型 API。
提醒:法律智能体定位为辅助,最终法律意见须由具备资质的人员复核把关;涉及具体案件的策略,不应完全交由模型决策。

参考来源

L-MARS: Legal Multi-Agent Workflow with Orchestrated Reasoning and Agentic Search - arXiv(arXiv:2509.00761);ChatLaw:面向中文法律场景的开源大语言模型助手 - 相关开源项目介绍;LangGraph Documentation: Building stateful multi-agent systems - LangChain 官方文档。
相关标签:法律AI多智能体Agentic RAGLangGraph合规检索

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案