AI-Powered-LegalComplianceAssistant
HeShen-1/AI-Powered-LegalComplianceAssistant加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
答案是：2-3 个工作日。但对于一家中小企业的法务来说，每天可能面对十几份合同——采购、合作、租赁、保密协议……传统方式下，每份合同都需要逐字逐句阅读、标注风险点、撰写修改建议，效率极低，且容易因疲劳而出错。
法律合规 AI 助手（Legal Compliance Intelligent Review Assistant）正是为解决这一痛点而生：用户上传合同 PDF，系统在数分钟内完成深度分析，输出风险条款识别、修改建议和可下载的 PDF 审查报告。
法律场景对 AI 有独特的挑战：简单的事实性查询（如"合同有效期多久？"）和复杂的条款分析（如"这条免责条款在 XX 情况下是否有效？"）需要完全不同的处理链路。全部走高级模型成本高、响应慢；全部走基础模型效果差、风险提示不足。
本项目的核心创新在于双 AI 框架协同：Spring AI 负责模型接入与标准化封装，LangChain4j 负责高级 RAG（检索增强生成）的检索编排与多阶段召回。两者不是竞争关系，而是互补的——Spring AI 让模型接入更规范，LangChain4j 让检索链更灵活。
作者 HeShen-1 设计这套架构，初衷是打造一个"可讲清楚每一步推理逻辑"的 AI 法律工具，兼顾工程化落地与学术深度，非常适合作为 AI 工程化的作品集项目。
系统提供四种问答模式，默认走 UNIFIED（统一路由），系统自动判断问题复杂度并分配处理链路：
| 模式 | 适用场景 | 底层模型 |
|---|---|---|
| BASIC | 简单事实查询 | Ollama 本地模型 + 基础 RAG |
| ADVANCED | 复杂法律分析、工具调用 | DeepSeek Agent（支持 fallback） |
| ADVANCED_RAG | 需要引用法律知识库的场景 | LangChain4j 高级 RAG |
| UNIFIED | 默认入口，自动路由 | 综合判断 |
关键设计：每条回答都附带 metadata，说明"走了哪条链路、实际调用的模型、是否有 fallback"，这对于法律应用的可解释性至关重要——用户和法务需要知道 AI 的判断依据。
合同审查是本项目最具实用价值的功能。用户上传 PDF 合同后，系统：
用户可上传法律文档（法规、司法解释、典型案例），系统自动完成：
用户 (Vue3 前端)
↓ HTTP/WebSocket
Spring Boot API（Spring Security + JWT）
↓
┌────────────────────────────────────────────┐
│ 统一聊天路由（根据模式分发给不同链路） │
├──────────────┬──────────────┬─────────────┤
│ BASIC │ ADVANCED │ ADVANCED_RAG│
│ Ollama+基础 │ DeepSeek │ LangChain4j │
│ RAG │ Agent │ 高级 RAG │
└──────────────┴──────────────┴─────────────┘
↓ ↓ ↓
PGVector ←←←←←←←←← 向量数据库 →→→→→
↑
知识库管理（ETL：解析/切分/向量化）
↓
合同审查服务（SSE 流式 + iText PDF 生成）
后端核心技术栈：
前端核心技术栈：
AI 集成亮点：
优点：
start-app.ps1 脚本，Windows 用户可快速启动前后端门槛：
npm run dev，增加了部署复杂度推荐人群：有 Java Spring Boot 基础、了解 RAG 概念、对法律 AI 场景感兴趣的开发者。
法律 AI 是大模型落地的重要场景之一。本项目的价值不在于模型本身有多强大，而在于工程化集成的示范意义：如何将多个 AI 框架（Spring AI + LangChain4j）有机结合、如何设计可解释的路由策略、如何实现流式合同分析……这些工程实践对于想在 AI 应用领域深耕的开发者极具参考价值。
从增长曲线看，法律科技赛道正处于上升期——2023 年以来国内法律 AI 创业项目密集涌现，本地化部署需求旺盛（法律数据不能上云），这类可私有化部署的法律 AI 工具未来有较大发展空间。