By 黄金金枪鱼 
导语
在 LLM 落地的垂直行业里，法律可能是最「不能编」的——一个错误结论背后是执业责任、客户权益乃至司法公正。当面试官问「如何把法律 RAG 的检索精度从 60% 拉到 85%」时，TA 想听的是一套**对法律语料特殊性的深度理解**：法条与案例的双库差异、事实相似 vs 法律适用的相似度分野、判决书这种结构化长文档的解析策略。本文按面试答题模板（生产工程师视角）拆解这道题。
一、法律 RAG 是双库融合，不是单库检索
法条库和案例库是两个语义空间：法条静态、强结构、修订可追踪；案例动态、弱结构、地域分布广。把它们放进同一向量索引做 top-k 检索，会被「法条权威性 + 案例时效性」互相稀释。
主流方案是**双索引 + 路由召回**：
- 法条库走「章节路径 + 关键词 BM25」为主，向量为辅（精确引用类问题）
- 案例库走「embedding + 案由分类」为主，BM25 为辅（语义检索类问题）
- 入口用一个轻量分类器（query router）先识别意图，再分发到对应索引
和通用域 RAG（同一向量索引吃所有 chunk）相比，法律领域的专业性就体现在这里。
二、Hybrid Search 是工程刚需
法律查询经常跨两种语义空间：
- 「民法典第 1062 条规定」 → BM25 直接命中法条目录
- 「类似案例怎么判」 → 向量召回 + rerank 才能找到
所以 BM25 + 向量 + rerank 三段串起来是标配。Rerank 不是可选项——错召回一条无关案例可能让 LLM 拼出完全不存在的「先例」，触发幻觉。BGE-reranker、cohere-rerank 在公开评测里普遍能把 Recall@10 拉 10-15 个百分点。LLM-as-reranker（让 GPT-4 评相关性）准确率高但成本不友好，**生产环境几乎没人用**。
三、裁判文书结构化解析是性能瓶颈
判决书是法律 RAG 的「脏数据」源头。一份判决书平均 3-8 页，含「当事人信息 → 诉辩主张 → 法院查明 → 裁判要旨 → 判决结果 → 法条依据」六大段，每段解析策略不同：
- 「当事人信息」→ 正则 + 实体识别（NER）抽取
- 「裁判要旨」→ 必须 LLM 抽象（这一段决定类案推荐的语义质量）
- 「判决结果」→ 按案由分类抽取赔偿/刑期/履行方式
- 「法条依据」→ 直接建索引，不要再走 LLM
常见反模式：把所有段落都丢给 LLM「总结」一遍再入库。这会把解析时间从分钟级拖到小时级，且「要旨」和「事实」边界模糊。**正确做法：按段落类型分通道，结构化字段进 SQL/ES，叙述性段落才走 LLM 抽象**。
四、类案推荐的相似度：事实 vs 法律适用要分开
面试最容易被追问的是「召回的 Top-5 类案，怎么保证相关性」。回答要拆两层：
**事实相似。** 当事人结构、争议焦点、标的金额区间。embedding 检索擅长，Recall@10 通常 70%+。
**法律适用相似。** 这层 embedding 几乎无能为力——两个案子事实完全不同（合同纠纷 vs 侵权），但都援引「诚实信用原则」做裁判要旨。需要**法条引用匹配度 + 裁判规则聚类**。
生产系统：先按事实相似召回 Top-50，再按法律适用相似（二次 BM25 + 法条共现矩阵）重排到 Top-10，最后人工可干预（律师负反馈）。把两层相似度混在一杆标尺里打分，是新人最常踩的坑。
五、可解释性是法律 RAG 的合规底线
高频追问：「如果 LLM 生成错了怎么办」。法律领域不能套用通用 RAG 的「请人工复核」敷衍——客户会拿这条结论去打官司。可解释性必须三点：
1. **每条结论都能回溯原文条款编号或案号**（「根据 XX 法第 X 条第 X 款」，不是「根据相关法律」）
2. **不确定性显式提示**（「本回答仅供参考，不构成法律意见」+ 置信度高/中/低）
3. **审计日志全留痕**（哪条检索喂给哪次 LLM 调用、用了什么 prompt）
这呼应了律协对生成式 AI 的执业规范——不能给客户「这是律师意见」的错觉。**没有显式免责声明的 RAG 系统，在法律行业就是定时炸弹**。
六、面试答题模板（生产工程师视角）
STAR 框架收束建议：
- **Situation**：法律 RAG 难点 = 双库 + 高合规 + 强可解释性
- **Task**：Recall@10 从 X% 拉到 Y%，幻觉率压到 Y% 以下
- **Action**：双库分索引 + Hybrid Search + Rerank + 分通道解析 + 两层相似度 + 可解释性回溯
- **Result**：以 Legal RAG Bench（isaacus 团队开源榜单）为对标，给基线、提升幅度、ablation 证据
- **Learning**：最大失败模式是「事实相似但法律适用错位」，纯 embedding 检索会系统性漏掉
收尾可反问：「贵团队的法律 RAG 已经在用哪套相似度度量？Recall@10 目标定多少？」——既展示业务理解，也测试对方是 toy 还是真工程。
关键点
- 双库融合（静态法条 + 动态案例），不是单一向量索引
- Hybrid Search 是标配，省任何一步都牺牲精度
- 裁判文书按段落类型分通道，不要 LLM 全包
- 类案相似度拆「事实 + 法律适用」两层
- 可解释性（条款回溯 + 不确定性 + 审计日志）是合规底线
行业影响
法律科技 2024-2025 年从 demo 走向律所真实部署，胜负手是**对法律语料特殊性的工程理解深度**——谁先拼齐双库检索 + 分通道解析 + 法律适用相似度，谁拿下付费意愿最强的律所客户。
参考资料
**官方文档**
- isaacus: Legal RAG Bench — 开源法律 RAG 评测基准 - 2025
- arXiv: First open source Legal AI retrieval benchmark (2408.10343) - 2024-08
- 最高人民检察院：类案检索运用场景与规则方法 - 2021
**开源项目**
- Teeeeen/legal_rag: 面向中国法律领域的轻量化本地 RAG 系统
- aa0101181514/tw-legal-rag: 台湾法律判决语义检索
- BartAmin/Clustered-Dynamic-RAG: 层次文档聚类检索框架
**行业报道**
- Corporate Compliance Insights: Does Attorney-Client Privilege Survive When AI Listens? - 2024
- Ogletree: The Intersection of AI and Attorney-Client Privilege—A Cautionary Tale - 2024
**社区讨论**
**对比基准**
- isaacus Legal RAG Bench: 10 大开源数据集榜单 - 2025
- arXiv: Legal AI retrieval benchmark (2408.09869) - 2024-08
**本文由 AI 生成**。内容基于公开资料整理，可能存在事实偏差，引用链接请以原始来源为准。