（1）作者背景：本书由中国领先的法律科技企业iCourt官方出品，其CEO带领核心技术团队和业务团队撰写。（2）作者经验丰富：iCourt在法律行业的大模型研究和实践方面有深厚积累，其发的法律行业垂直大模型AlphaGPT广受好评。（3）提升法律人工作效率：为类案检索、案情分析、法律咨询、法律文书写作、合同审查等法律人的日常工作提供AI解决方案。（4）提升法律机构运营效率：为律所管理、法学教育、司法裁判等法律机构各项日常运营提升AI解决方案。（5）帮助法律机构智能化转型：详细讲解如何构建法律领域垂直大模型、知识库和智能体的构建思路和方法。（6）具有前瞻性：AI赋能法律行业的同时，也带来了新的法律问题，本书梳理了AI带来的各种法律问题，并总结和分析了中国、欧盟和美国的应对方案。
售 价：¥
纸质售价：¥57.40购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前折页
书名页
序Ⅰ
序Ⅱ
序Ⅲ
序Ⅳ
前言
作者简介
第一部分 AI带来的影响与应对措施
第1章 AI对法律行业和法律人的影响
1.1 全面认识大模型
1.1.1 什么是大模型
1.1.2 大模型的基本原理
1.1.3 大模型的发展历程
1.2 全面认识法律AI
1.2.1 什么是法律AI
1.2.2 法律AI的技术引擎
1.2.3 法律AI的市场趋势
1.2.4 法律AI的应用场景
1.3 AI对法律行业的深远影响
1.3.1 积极影响
1.3.2 消极影响
1.4 法律人与法律机构如何应对AI
1.4.1 法律人如何应对AI
1.4.2 法律机构如何应对AI
第二部分 AI助力法律人提升工作效率
第2章 AI助力类案检索
2.1 AI解决传统类案检索的痛点
2.1.1 传统类案检索的痛点
2.1.2 AI类案检索的优势
2.2 AI类案检索常用工具
2.3 AI类案检索的智能应用与实战演练
2.3.1 类案综述
2.3.2 案例列表页
2.4 AI类案检索面临的挑战
2.4.1 数据的准确性难以保证
2.4.2 难以理解决策过程
2.4.3 难以及时更新模型
第3章 AI助力案情分析
3.1 AI解决传统案情分析的痛点
3.1.1 传统案情分析的痛点
3.1.2 AI在案情分析中的优势
3.1.3 AI在案情分析中的应用场景
3.2 AI案情分析常用工具
3.3 案情分析的智能应用与实战演练
3.3.1 法律依据与类案参考
3.3.2 法律问题的归纳与分析
3.3.3 法律意见与行动策略的制定
3.3.4 其他场景及衍生问题分析
3.4 AI在案情分析中的局限性
3.4.1 法律解释与适用的挑战
3.4.2 法律分析专业性的欠缺
3.4.3 法律意见尚不成熟
第4章 AI辅助法律咨询
4.1 AI解决传统法律咨询的痛点
4.1.1 传统法律咨询的痛点
4.1.2 AI法律咨询的优势
4.2 AI法律咨询的技术原理
4.2.1 当AI回答问题时，它究竟在想什么
4.2.2 当我们提出问题时，我们究竟在提出什么
4.3 AI法律咨询常用工具
4.3.1 通用AI产品
4.3.2 法律AI产品
4.3.3 AI法律咨询常用工具对比
4.4 AI在法律咨询中的应用场景与实用技巧
4.4.1 AI在法律咨询中的应用场景
4.4.2 利用AI实现法律咨询的实用技巧
4.5 AI法律咨询面临的挑战
4.5.1 自然语言理解和处理能力仍然薄弱
4.5.2 用户与AI之间存在信赖障碍
4.5.3 执业条件和监管仍处于空白状态
第5章 AI辅助法律文书写作
5.1 AI解决传统法律文书写作的痛点
5.1.1 传统文书写作的痛点
5.1.2 AI辅助文书写作的优势
5.1.3 AI在文书写作中的应用场景
5.2 AI辅助法律文书写作的技术原理
5.2.1 语言的魔法师：自然语言处理
5.2.2 逻辑建筑师：结构化生成算法
5.2.3 个性化画师：机器学习与风格适应
5.2.4 交互的舞伴：反馈循环与迭代优化
5.2.5 知识的宝库：持续学习与知识更新
5.3 AI法律文书写作常用工具
5.3.1 国外法律文书写作常用AI工具
5.3.2 国内法律文书写作常用AI工具
5.4 AI法律文书写作的智能应用与实战演练
5.4.1 AI在合同起草中的应用：自动化生成合同草案
5.4.2 AI在诉讼文书撰写中的角色：起诉状的快速生成
5.4.3 AI在诉讼文书撰写中的角色：答辩状的快速生成
5.5 AI辅助法律文书写作的策略
5.5.1 利用AI进行文书内容生成与结构设计
5.5.2 人工与AI协作的写作流程
5.5.3 精准法律引用与类案参考
5.5.4 AI在文书个性化与风格一致性中的作用
5.6 AI技术在法律文书写作中的挑战与未来展望
5.6.1 法规引用的精准性与局限性
5.6.2 合同起草中的视角不稳定性
5.6.3 未来展望
第6章 AI辅助合同审查
6.1 AI解决传统合同审查的痛点
6.1.1 传统合同审查的痛点
6.1.2 AI合同审查的优势
6.2 AI合同审查常用工具
6.2.1 国外合同审查常用AI产品
6.2.2 国内合同审查常用AI产品
6.2.3 代表性AI产品合同审查功能比较
6.3 AI合同审查的应用场景与实践
6.3.1 各种合同内容的审查
6.3.2 类型预审归类、自定义审查及专业功能
6.4 AI合同审查面临的挑战及解决方案
6.4.1 技术限制
6.4.2 法律适应性
6.4.3 数据隐私
6.4.4 用户接受度
6.4.5 解决方案与前景
第三部分 AI助力法律机构提升运营效率
第7章 AI辅助律所管理
7.1 从律师和律所的视角看AI有何不同
7.1.1 AI应用对律所的影响
7.1.2 AI应用对律师的影响
7.2 AI辅助律所案件管理
7.2.1 AI辅助律所案件分类
7.2.2 AI辅助律所案件跟踪
7.2.3 AI辅助律所案件预测
7.3 AI辅助律所文档管理
7.3.1 AI辅助律所文档生成
7.3.2 AI辅助律所文档审查
7.3.3 AI辅助律所文档存储、阅读及理解
7.4 AI辅助律所客户关系管理
7.4.1 AI辅助律所客户管理概述
7.4.2 AI辅助律所客户信息管理及关系维护
7.5 AI辅助律所财务管理
7.6 AI辅助律所案例研究
7.6.1 AI辅助律所案例研究的优势
7.6.2 AI辅助律所案例研究的流程及工具
7.6.3 AI辅助律所进行案例研究与律师进行案例研究的区别
第8章 AI辅助法学教育及司法裁判
8.1 AI对法律共同体的影响
8.1.1 法律共同体
8.1.2 AI对法学教育机构的冲击
8.1.3 AI对裁判机构的挑战
8.2 AI对高校法学教育的影响
8.2.1 AI给中国法学院教育带来的变革
8.2.2 AI给美国法学院教育带来的变革
8.2.3 AI对法学教育公平性的影响
8.2.4 AI在法学案例教学中的应用
8.2.5 AI在模拟庭审中的应用
8.2.6 AI在法律研究中的应用
8.3 AI辅助法院司法裁判
8.3.1 AI辅助法官撰写判决书
8.3.2 AI辅助法院进行流程简化和案件管理
8.3.3 AI助力司法系统改进司法政策
8.3.4 AI与司法裁判的未来
8.4 法律共同体的共同应对
8.4.1 律师群体
8.4.2 法学教育者群体
8.4.3 法官群体
第四部分 法律大模型的构建与实践
第9章 从零开始构建法律行业垂直大模型
9.1 通用大模型与垂直大模型的区别
9.1.1 通用大模型
9.1.2 垂直大模型
9.2 法律大模型的功能与架构
9.2.1 法律大模型的功能
9.2.2 法律大模型的架构设计
9.3 法律大模型的构建方法与步骤
9.3.1 通用大模型的选型与准备
9.3.2 大模型训练环境的准备
9.3.3 法律大模型的数据准备
9.3.4 法律大模型的训练
9.3.5 法律大模型的推理
9.3.6 法律大模型的评估
9.3.7 法律大模型的优化
9.3.8 法律大模型的部署
9.4 关键挑战及其解决方案
9.4.1 法律专业知识处理的挑战
9.4.2 结果准确性的挑战
第10章 法律大模型与RAG
10.1 大模型与RAG技术概览
10.1.1 从传统搜索到RAG
10.1.2 RAG的概念
10.1.3 RAG的应用
10.1.4 RAG的技术原理
10.2 法律知识的结构化与RAG
10.2.1 结构化法律知识的构成
10.2.2 结构化方法和技术
10.3 RAG技术的实现过程
10.4 法律文本的自动生成
10.4.1 法律文本自动生成的技术架构
10.4.2 法律文本自动生成的技术流程
10.5 案例分析与法律查询
10.5.1 问题分类
10.5.2 检索策略的生成
10.5.3 法律数据检索
10.5.4 生成答案
第11章 法律AI Agent的设计
11.1 法律AI Agent的发展历史
11.2 法律AI Agent的设计方法和步骤
11.3 法律AI Agent的设计与应用实例
11.3.1 用户提问与界面设计
11.3.2 意图推理、数据收集、数据清洗和知识构建
11.3.3 模型推理
11.3.4 数据后续处理和其他注意事项
11.4 传统法律工具与法律AI Agent的使用对比
11.5 如何评估法律AI Agent的效果
第五部分 不可忽视的新兴法律服务领域
第12章 AI引发的新型法律问题
12.1 AI生成物的著作权问题
12.1.1 AI创作与人类创作的界限与区别
12.1.2 AI生成物是否构成著作权法语境下的作品
12.1.3 AI是否能成为受法律保护的作者
12.1.4 AI生成物的著作权侵权问题及应对措施
12.2 AI的数据安全和个人隐私保护问题
12.2.1 数据的收集、处理和生成回应的方式
12.2.2 AI对个人隐私保护和数据安全的挑战
12.2.3 关于AI的数据安全和个人隐私保护问题的案例
12.2.4 应对AI的数据安全和个人隐私保护问题的措施
12.3 AI的虚假信息和深度伪造问题
12.3.1 虚假信息和深度伪造的AI技术背景及生成机制
12.3.2 AI生成虚假信息和深度伪造内容的风险
12.3.3 AI生成虚假信息和深度伪造内容的防范策略
第13章 全球AI立法和司法实践
13.1 美国的立法和司法实践
13.1.1 现行法律法规及政策文件
13.1.2 美国的AI产业规范
13.1.3 美国的司法实践
13.2 欧盟的立法与司法实践
13.2.1 现行法律框架及政策文件
13.2.2 欧盟的司法实践
13.3 中国的立法与司法实践
13.3.1 人工智能的法律沿革
13.3.2 中国的司法实践
第14章 未来展望
14.1 AI生成物的著作权问题的未来展望
14.1.1 技术进步使AI创作能力增强
14.1.2 算法透明度
14.1.3 公共领域和开放许可
14.1.4 伦理与道德问题
14.2 AI的数据安全和个人隐私保护问题的未来展望
14.2.1 数据隐私保护技术的增强
14.2.2 算法透明度与可解释性
14.2.3 国际合作与共享
14.3 AI的虚假信息和深度伪造问题的未来展望
14.3.1 开源工具的增加与深度伪造技术的普及
14.3.2 虚假信息与深度伪造检测技术的发展
14.3.3 国际合作与国际标准的制定
后折页
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
