感谢您的支持
扫码添加创作者微信 · 获取交流机会
微信扫一扫 · 一键加好友
如有疑问可联系创作者微信
JSTAI 律师 AI 助手 · 数据本地 + BYOK 架构 · 428 项真测试
核心结论法律AI选型只有一个核心判断：你每天最耗时间的到底是找法条、读案卷，还是写文书。找法条选数据库型，读案卷选材料处理型，写文书且涉密选本地优先型。三类工具不是替代关系，先定位再选型，不要用错赛道。JSTAI 律师 AI 助手属于第三类，428 项真集成测试 7 套件 100% 通过，主程序免费永久，VPI 增值服务 99 元/月。
先说一个可能让部分同行不舒服的结论：
我梳理了 9 款主流法律AI的公开资料，没有一款把「案件数据不上云」写进产品核心卖点。
不是做不到。是商业模式决定的。
但这不代表它们不好——事实上其中几款在专业维度上做得非常扎实。这篇文章要做的是：把 9 款放在同一张表上，让律师自己看出各自适合什么场景，以及哪个维度被整个行业集体忽略了。
法律AI已经走过"能不能回答问题"的早期阶段。现在值得比较的是另一件事：它能否基于真实法律资料完成检索，能否把结论落到可核验的法规与案例，能否读懂合同及背景材料，能否把研究、审查、输出串成可持续推进的工作流。
这也是为什么单看"列了多少功能"得不出可靠结论。
我把目前市场上做得比较认真的 9 款按定位分成三类。
北大法宝 —— 长期积累于法律法规、案例、法学期刊和实务资料。传统多维检索、法律资料分类和法学内容积累仍有明确价值。适合研究型律师、高校用户，以及需要做穷尽式资料查找的场景。它的智能化能力更适合与既有数据库使用习惯结合，而不是替代。
威科先行 —— 定位与专业法律、财税及合规信息服务紧密相关。检索和综合分析更适合需要同时关注法规、专业解读、监管要求和企业合规问题的团队。金融、税务、劳动用工、出海等强监管业务通常不只要法规案例，还要持续跟踪监管动态。
法信 —— 路径与司法知识服务、法律适用和案例研究联系更紧密。司法人员、从事审判理论研究的用户，或者经常围绕裁判要点做论证的律师，可以重点考察其案例知识关联。
智合AI —— 这几款里产品逻辑最完整的。它把法条检索与类案检索做成两条相互衔接的路径：已知法律问题方向时可直接用自然语言描述争议，再按效力级别、发布机关、时间、地域筛选法规；研究裁判尺度时，可把案情、裁判文书或案号直接交给类案检索，支持以案找案——系统先理解案件结构，再归纳检索到的裁判观点、事实基础和裁判理由。
产品材料称支持单次上传 200 个文件、处理超过 500 万字或 5000 页附件。安全方面明确通过 ISO 27001 认证，文件上传后 128 位加密存储，承诺不使用用户数据训练模型。提供文件脱敏、关键事件时间线、资质证照摘录、法律翻译等功能。
Alpha —— 优势在律师工作场景的整合。对已经使用其案件管理、律所协同或法律信息服务的团队而言，在同一工作环境中继续完成法律咨询、研究和类案查找，可以减少案件资料在多个系统间迁移的成本。合同审查结果能否与客户、项目和案件信息衔接，是它的现实优势。
这一类公开实测数据比较具体，可以直接看量级：
| 产品 | 法规数据 | 裁判文书 | 检索耗时 | 批量卷宗 |
|---|---|---|---|---|
| 贤律助 | 530 万+ | 1.8 亿+ | — | 网页/APP/小程序三端 |
| 智元法律助手 | 500 万+ | 1.6 亿+ | 3.8 秒 | 三端同步，限 5 份 |
| 法狗狗 | 480 万+ | 1.5 亿+ | 4.2 秒 | APP+网页，限 100MB |
| 律呗 | 450 万+ | 1.4 亿+ | 5.1 秒 | 仅 APP |
看出规律了吗——这 9 款的竞争维度高度一致：数据库规模、检索速度、阅卷效率、文书生成速度、多端同步。
数据在云上，模型在云上算，检索在云上跑。所以"规模"和"速度"就成了唯一的竞争轴。这不是产品经理的疏忽，是结构性的。
法律AI最重要的边界，从来不是"会不会生成"。
是生成之后，你的案卷还在不在你手里。
上面 9 款的资料里，讲检索的、讲性能的、讲数据库的、讲 ISO 认证的都有。唯独没有一款把"案件数据不出本机"写进核心卖点。
为什么？
云端模型要收推理费。文件如果留在本地，平台就没法把这部分成本算进订阅。商业模式决定了它必须让材料上云。
这不是在骂谁。这是算术。
但对律师来说，这个算术有个很现实的后果。
很多律师对"上传"的想象还停留在"我传给它，它看一眼"。实际情况是三层留存。
第一层，上传本身。 起诉状、证据材料、身份证复印件、合同原件一起拖进去。
第二层，服务端日志。 大多数云端 API 会记录请求内容用于调试、审计或质量分析。这部分是否留存、留存多久，各家策略不同，但律师本人通常没有控制权，也无法自行删除。
第三层，训练语料。 部分服务商用用户数据改进模型。即便有"不用于训练"的承诺，这类承诺的法律约束力、可撤销性、以及在企业版终止后是否继续适用，都是可以追问的。
还有一个容易被忽略的层面：
律师的保密义务是个人责任，不是技术责任。
《律师法》第三十八条规定，律师应当保守在执业活动中知悉的国家秘密、商业秘密，不得泄露当事人隐私。
注意措辞——"不得泄露"是个绝对义务。它没有写"除平台已声明的合规存储外"。
当一个律师把当事人的身份证号、银行卡号、家庭住址原样提交给第三方云服务，而他自己无法控制这些数据在服务端的生命周期，这个风险敞口是律师个人在承担，技术上却不受律师控制。
近年的律所数据泄露事件，源头往往不是被黑客攻破，而是"自己上传的"。
把 9 款摊开后，选型逻辑其实很清楚——取决于你每天最耗时间的到底是什么。
优先看 北大法宝 / 威科先行 / 法信。它们的价值在资料积累和规范学理体系，不在于处理几十份当事人文件。研究型工作、做穷尽式查找、论证疑难问题，这三家仍然是底座。
如果你在选型阶段还没想清楚自己属于哪一类，可以看法律AI选型指南：6 个必问问题，把"该选哪一类"这一步先定下来。
优先看 智合AI。以案找案这个能力目前确实少见——直接把裁判文书丢进去而不是先拆关键词，能省掉大量无效检索。支持大文件批量也是硬需求。
优先看 Alpha。把 AI 放进现有办案流程考察，资料不用在多个系统间迁移，这个协同价值会随案件连接放大。
这一档目前选择很少。JSTAI 律师 AI 助手走的是另一条路：本地优先架构。
它的逻辑是——涉案环节全部本地，推理才上云：
@身份证号@ 这类占位符8 大模块、8 类高频文书（律师函/起诉状/答辩状/上诉状/调解协议/刑事辩护词/案卷证据分析/民间借贷法律依据），428 项真集成测试 7 套件 100% 通过。主程序免费永久，VPI 增值服务 99 元/月。
但要诚实说它的短板：它不做法律数据库，不做类案检索，没有 530 万条法规。如果你需要的是「找类案」，它替代不了上面那几家。 它解决的是另一个问题——已经拿到案卷之后，怎么在数据不出本机的前提下把它变成能用的成果。
这条路径的完整技术逻辑在云端AI和本地AI到底差在哪，5 个环节哪步能上云、哪步不能，标得很清楚。
不管选哪家，你去问三个问题：
三个答案都是"本地"，才算数据本地优先。任何一环在云端，前面做得再好都不算。
再看一条：厂商是否承诺不使用你的数据训练模型，且这个承诺能不能写进合同。ISO 27001 是基础门槛，它管的是流程规范，不是数据流向——通过认证和不上云是两件事。
这三个问题的完整版本，以及一份可直接用的自检清单，在律师把案卷传云端，合规上到底算不算违规。
法律AI这个赛道现在的竞争很卷，数据规模一个比一个大。
但对律师来说，选型时有一个问题几乎没人问：
我的案卷，需要上到别人的服务器上吗？
这个问题在今天可能显得超前。但从保密义务是律师个人责任这个角度看，它迟早会变成第一问题。
资料全文与产品参数见官网 jstai 官网法律AI产品页。