01
输入
把案情变成结构化问题
录入金额、日期、履约情况与争议点，选择检索范围。系统先提炼案件焦点，再进入知识库检索。
个人项目 · 金融法律 AI · v0.2.0
让 AI 风险分析，
回到可核对的原文。
金睛 RiskLens 把案件焦点识别、法律分析与引用核验拆成清晰步骤，让律师在同一个界面里看到结论、置信度和对应法条。
源码与服务器部署包 · 389 KB · 包内含 README 与 DEPLOY.md
01结论与原文同屏
02三阶段 Agent 校验
03可部署源码交付
01 / 问题
WHY IT EXISTS
回答得像真的，
不等于真的。
金融法律场景里，顺畅的文字不是终点。真正影响判断的是：引用是否存在、是否适用、能否迅速回到原文。RiskLens 不是再做一个聊天框，而是把“生成答案”改造成一条可人工复核的工作流。
02 / 工作流
FROM CASE TO EVIDENCE
三步完成一次
可核验的分析。
02—03
分析 / 核验
报告与法条原文同时出现
A1 识别焦点，A2 生成分析，A3 检查引用真实性。置信度、通过率、覆盖率和原文片段在同一屏里呈现，便于律师逐条复核。
- 3 条引用通过校验
- 引用原文与来源状态可见
- 低可信结论不伪装成确定答案
03 / 核心能力
只保留真正影响
使用判断的三件事。
焦点拆解
从长案情里提取争议焦点，避免分析偏离用户真正的问题。
检索隔离
法规与案例分别检索，保留文档来源、条文位置与匹配片段。
引用校验
在输出后再验证引用，给出通过率与可回看的知识库原文。
04 / 边界
HONEST BY DESIGN
它辅助判断，
不替代判断。
可以做
整理案情、检索知识库、生成结构化分析、显示引用原文与核验状态。
不会承诺
不保证结论天然正确，不代替律师出具正式法律意见，也不把缺失证据补写成事实。
需要部署方准备
Python 3.10+、MiniMax API Key、向量数据库与首次 Embedding 模型下载。
05 / 实现
TECHNICAL NOTES
从检索到部署，
交付完整源码。
- API
- Python · FastAPI · Pydantic
- RAG
- Qdrant · BGE Embedding
- AI
- MiniMax API · Multi-Agent
- Web
- HTML · CSS · JavaScript
- Deploy
- Nginx · Docker Compose · Linux
DOWNLOAD / SOURCE PACKAGE
把它带走，
部署到你的服务器。
这是开发者源码包，不是可双击安装的 Windows 软件。压缩包包含前后端代码、依赖说明与部署文档。
SHA-256
9B135172C868BD96C58B0992FBE036A16DD3C9ABC0F27FC5A2440B3D0F3CEF75
风险提示：项目输出仅作为辅助参考，不代替律师、合规人员或其他专业人士的最终判断。