法律行业固有的特点使其与人工智能（Artificial Intelligence，AI）的融合具有极高的适配性。知识库驱动、工作流编排、智能系统协作将成为未来法律服务的新范式。
　　本书所言的智能体工作流（Agentic Workflow），是指由人类设计者预设结构与规则，同时具备一定程度自主性、决策能力与工具调用能力的任务执行系统。它融合了传统工作流的可控性与Agent所体现的智能性，通常通过大语言模型（LLM）、外部工具接口和上下文机制协同实现，完成特定目标导向任务。
　　本书旨在为不具有计算机背景的法律从业人员提供一套搭建AI智能体工作流的基础思路和方案，让基于LLM的智能应用可以作为一个超级勤勉助理辅助日常法律工作。

　　法天使智能法务部隶属于法天使（北京）科技有限公司，是法天使公司专注于内容产出与智能化法务服务的核心部门。部门前身为内容部，长期承担中国合同库内所有合同文本的撰写与修订工作，积累了深厚的法律文本专业经验和实践成果。
　　2025年，随着公司战略的全面转型与业务升级，原内容部正式更名为智能法务部。在延续法律文本高标准产出的基础上，部门进一步聚焦企业法务场景，致力于为企业提供定制化、系统化的智能法务解决方案，涵盖合同管理、风险审查、合规咨询等多维度需求。
　　智能法务部以专业的法律知识为基石，以智能技术为驱动，力求帮助企业实现法务工作的降本增效，推动企业在数字化转型背景下构建更加稳健与高效的法务体系。
　　

目　录
1　 法律行业中的AI应用机会
1.1　法律行业与AI应用的适配性
1.2　企业法务场景中的AI应用机会
1.2.1　合同全生命周期管理
1.2.2　企业内部法律咨询
1.2.3　企业管理、政策更新与合规培训
1.2.4　诉讼业务高效智能化
1.3　专业律师团队使用AI应用的诉求
1.4　AI赋能法律服务的未来趋势
1.5　小结
练　习
2　 构建法律智能体的核心理念
2.1　理解Agent
2.1.1　Agent 系统概述
2.1.2　Agent的规划能力
2.1.3　Agent的记忆能力
2.1.4　Agent的工具调用能力
2.2　理解Agentic Workflow
2.3　构建法律智能体的产品理念
2.3.1　任务拆解与流程化思维
2.3.2　从简单到复杂，从跑通到迭代
2.3.3　为工作流注入专业知识
3　快速搭建法律智能体
3.1　AI应用开发平台简介
3.2　企业定制化智能体
3.3　创建应用
3.3.1　第一步：创建应用并选择应用类型
3.3.2　第二步：选择「开始」的输入变量
3.3.3　第三步：添加节点
3.3.4　工作流的测试、优化与复杂化
4　大模型的类型及其选择
4.1　模型类型
4.1.1　文本推理模型
4.1.2　Embedding模型
4.1.3　Rerank模型
4.1.4　多模态模型
4.2　文本推理模型的选择
4.2.1　市面上的国产大模型
4.2.2　如何选择大模型
5　变量：作用、类型与使用
5.1　变量在工作流中的作用
5.2　Dify中的变量分类
5.3　变量的数据类型
5.4　节点的变量类型的介绍与选择
6　提示工程与LLM节点
6.1　提示词的撰写
6.1.1　提示词的组成部分
6.1.2　样本提示
6.1.3　撰写提示词的注意事项
6.1.4　提示词的文本容量建议
6.2　LLM节点的设置
6.2.1　节点的编排
6.2.2　大模型参数设置
6.3　Markdown语法
6.3.1　标题
6.3.2　有序列表
6.3.3　无序列表
6.3.4　强调
6.3.5　表格
6.3.6　引用
6.3.7　代码块
6.4　JSON基础知识
6.4.1　JSON支持的值类型
6.4.2　JSON的基本结构
7　知识库与知识检索
7.1　知识库功能简介
7.2　RAG简介
7.2.1　RAG的工作原理
7.2.2　理解向量化
7.3　知识库的建立
7.3.1　选择数据源：文档上传
7.3.2　文本分段与清洗：分段设置
7.3.3　文本分段与清洗：索引方式与检索设置
7.3.4　处理并完成及后续操作
7.4　知识库与LLM的联动
7.4.1　在「知识检索」中选择查询变量
7.4.2　「知识检索」的单独测试
7.4.3　在LLM中调用知识检索结果
7.5　知识库的整理技巧
7.5.1　父子段模式下确定父子段
7.5.2　父子段的再编辑方法
7.5.3　表格的预处理
7.5.4　流程图的预处理
7.5.5　文档整理策略
7.6　知识库管理和维护
7.6.1　同一知识库下面添加多个文件
7.6.2　在「知识检索」中添加多个知识库
7.6.3　「知识检索」中的召回设置
7.6.4　知识库的持续维护
练　习 ?
8　企业法务知识库的建设
8.1　知识库：法务智能体的关键基础
8.1.1　技术再先进，也离不开知识的供给
8.1.2　 法律知识库不是简单的文件堆砌，而是结构化的认知体系
8.2　 如何搭建有效的知识库以审查合同中的管辖条款为例
8.2.1　拆解任务需求
8.2.2　确定工作流
8.2.3　分析合同类型
8.2.4　搭建知识库
9　代码执行节点
9.1　代码执行节点的介绍
9.2　Python基础知识
9.2.1　Python数据类型总览
9.2.2　变量和简单的数据类型
9.2.3　列表（list）
9.2.4　条件语句（if）
9.2.5　字典（dict）
9.2.6　函数（def）
9.2.7　正则表达式（Regex）的基础支持
9.3　「代码执行」的默认语法
9.4　「代码执行」的应用
9.4.1　IF条件判断：用于关键字检索输出不同结论
9.4.2　拼接数据：整合多个输出结果
9.4.3　通过正则表达式提取信息
9.4.4　提取JSON字段（如获取合同类型）
9.5　使用AI辅助撰写代码语法
练　习
10　其他节点
10.1　文档提取器
10.2　问题分类器
10.3　条件分支
10.3.1　条件类型
10.3.2　多重条件判断
10.4　变量聚合器
10.5　参数提取器
10.6　模板转换
10.7　迭代
10.8　HTTP请求
10.9　Agent
10.10　工具
10.11　MCP
10.11.1　MCP简介
10.11.2　MCP如何运作
10.11.3　Dify 中的 MCP 配置
11　案例：违约责任条款审查
11.1　三个版本的整体说明
11.1.1　1.0版：纯依赖 LLM 的通用能力
11.1.2　2.0版：提供参考模板
11.1.3　2.0版的升级：添加样本提示
11.2　测试效果展示
12　案例：离婚房产分割助手
12.1　问题背景与实践困境
12.2　知识整理
12.3　智能体设计与实现
12.3.1　整体设计思路
12.3.2　工作流编排
12.4　进阶设计与扩展方向
13　 案例：民事案件案由判断
13.1　问题背景与实践困境
13.2　知识整理
13.3　智能体设计与实现
13.3.1　总体设计思路
13.3.2　工作流详解
13.4　进阶设计与扩展方向
13.4.1　案由拓展
13.4.2　系统对接
14　案例：广告合规智能审查
14.1　创意的火花：一个源于真实需求的痛点
14.2　智能体的构建：为AI注入灵魂
14.3　实践出真知：广告婶的实战效果
14.4　理想与现实：AI在法律工作中的应然角色
15　 案例：批量合同风险排查
15.1　背景
15.2　范式选择
15.2.1　链路比较
15.2.2　上线时间成本对比
15.2.3　影响条款定位、要素提取的因素
15.3　批量风险识别 Agent 的搭建
15.3.1　架构设计
15.3.2　工作流配置
15.3.3　批量执行（借助代码）
15.4　小结
参考文献
AI 应用中常见术语表
附录：法天使法务AI 平台简介