高质量判例库的构建方法论：从"人读的文书库"到"AI 可消费的规则库"
中国裁判文书网累计上传裁判文书超过 1.6 亿份，这一数字常被视为法律 AI 的"数据护城河"。但本文的论点是：一个法律 AI 产品的数据库应该具备哪些 AI 可消费的结构和质量属性，才能让大模型真正用好它——我们要讨论的不是"收多少"，而是"入库的每一篇判例，AI 能不能直接理解、直接引用、直接判断其效力层级"。以下是 NeoLegal 实验室的完整工程方法，含全部弯路，供同行参考，也供用户验证。
一、问题提出：什么才是"真正的 AI 法律数据库"
1.1 现象
中国裁判文书网自 2013 年 7 月上线、2014 年 1 月全面公开以来，累计上传裁判文书超过 1.6 亿份（据最高人民法院 2023 年公开数据，当年已突破 1.4 亿份，此后逐年增长至 1.6 亿量级）。然而，最高人民法院相关部门负责人在答记者问中直言：
"裁判文书网的文书数量庞大，但却存在案件类型、数量严重不对称的问题，具体而言，就是常见、多发案件数量畸多、无序堆叠；新型、少见案件数量畸少、甚至没有。人民法院案例库在建设之初就明确要求，对于案情类似，适用法律、司法解释相同，参考示范作用相同的案例，入库数量一般不超过 2 件，防止重复叠加。"
——最高人民法院相关部门负责人就征集人民法院案例库参考案例答记者问（2023 年 12 月）
在 NeoLegal 实验室的用户访谈与检索日志分析中，我们观察到三个相互印证的现象：
现象一：律师检索的"前三篇衰减曲线"极为陡峭。 前 3 篇判例如果不能提供有效裁判规则，律师大概率不会翻到第 10 篇之后。本文据此推导：在律师检索场景中，Precision@3 比 Recall@N 更重要。
现象二：1.6 亿文书中存在大量"非判例性文书"。 撤诉裁定、管辖异议裁定、财产保全裁定、执行裁定书不包含实体裁判规则。据马超、于晓虹、何海波对 1,455 万余份裁判文书的大数据分析，"裁判文书统计错误和分类错误的现象比较普遍"。
现象三：同一裁判规则被反复复制。 一个最高法确立的裁判规则，可能被数千份下级法院判决重复援引，但不产生新的规则增量。
1.2 市场上的两种"伪 AI 数据库"
今天市场上自称"法律 AI"的产品，其数据库实际处于两种状态：
第一种：有数据、没加工。 拥有全量文书，产品形态是"输入关键词→返回匹配的文书列表"。数据库本身没有经过任何结构化加工——本质上是一个更快的裁判文书网检索器，只是把搜索引擎换成了向量检索。它能做"找相似"，但做不了"哪篇更有价值""哪篇的裁判规则可以直接引用""哪篇已经被新法替代"。
第二种：做了训练、但不知道自己做得有多差。 拿到全量文书后做了一轮 embedding 和 fine-tuning，然后宣称自己是"法律 AI"。但由于团队不是法律 AI 原生的，他们既不知道法律检索的正确评测标准，也没有能力判断训练数据中的噪声比例、裁判要旨提炼得准不准、法条引用有没有过时。算法是黑箱，评测也是黑箱。
这两种状态的共同问题是：数据库不是为 AI 设计的，而是为"人读"设计的。把人读的文件直接塞进向量库，就像把图书馆里所有书的封面扫描进数据库——存储是全了，但 AI 既读不懂书的内容，也不知道哪本书该翻到哪一页。
1.3 本文的问题意识
因此，本文不打算在"全量 1.6 亿"和"精选 3 万"之间做数量对比。这不是核心矛盾。
一个真正为 AI 设计的判例数据库，至少应该回答三个问题：
- 这篇判例在说什么规则？——不是让 AI 自己从 3,000 字判决书中"猜"，而是入库时就已经把裁判要旨、争议焦点、适用法条结构化提取出来。
- 这篇判例现在还有效吗？——不是让 AI 自己去比对现行法，而是入库时就标注了时效状态和效力层级。
- AI 能不能信任这篇判例？——不是让用户自己判断"这篇可不可靠"，而是入库时就经过了质量门校验，标注了置信度。
当前市场上的两种"法律 AI"数据库，这三个问题一个都没回答。本文要论证的，是从"人读的文书库"到"AI 可消费的规则库"这一转变需要什么样的工程方法。
二、制度既定的效力层级：AI 数据库不需要自己发明分级
1.3 节提出的三个标准中，第二个——"这篇判例现在还有效吗"——在技术上看似需要 AI 自己去推断，但实际上，中国司法制度已经对判例的效力层级作出了明确规定。AI 数据库不需要自己发明一套"信任度评分"，直接采用制度既定的效力层级即可。
2.1 类案检索的四级优先级
最高人民法院《关于统一法律适用加强类案检索的指导意见（试行）》（2020 年）第四条明确规定了类案检索的范围与优先级：
"四、类案检索范围一般包括： （一）最高人民法院发布的指导性案例； （二）最高人民法院发布的典型案例及裁判生效的案件； （三）本省（自治区、直辖市）高级人民法院发布的参考性案例及裁判生效的案件； （四）上一级人民法院及本院裁判生效的案件。 除指导性案例以外，优先检索近三年的案例或者案件；已经在前一顺位中检索到类案的，可以不再进行检索。"
这一规定的关键在于最后一句话："已经在前一顺位中检索到类案的，可以不再进行检索。"这在制度层面确认了判例的层级效力——如果指导性案例已经回答了问题，就不需要再去翻 1.6 亿份裁判文书。
2.2 "应当参照"的硬约束
《关于案例指导工作的规定》（2020 年修正版）第九条进一步明确："各级人民法院正在审理的案件，在基本案情和法律适用方面，与最高人民法院发布的指导性案例相类似的，应当参照相关指导性案例的裁判要点作出裁判。"第十条补充："应当将指导性案例作为裁判理由引述，但不作为裁判依据引用。"
这意味着指导性案例在中国法下虽然不具有普通法的判例约束力，但具有事实上的强制参照效力——法官不参照需要说明理由。这与 1.3 节提出的第三个标准"AI 能不能信任这篇判例"直接对应：制度已经规定了哪类判例最值得信任。
2.3 现行效力层级一览
截至 2026 年 2 月，最高人民法院共发布 49 批 279 件指导性案例（第 49 批于 2026 年 2 月 26 日发布，指导性案例 273-279 号）。结合上述规范性文件，中国法下判例的效力层级可整理如下：
| 层级 | 类型 | 制度依据 | AI 数据库中的对应标注 |
|---|---|---|---|
| L1 | 最高法指导性案例（279 件） | 《关于案例指导工作的规定》第九条"应当参照" | ★★★★★，confidence=1.0，[已核验] |
| L2 | 最高法公报案例（约 445 件） | 《最高人民法院公报》裁判文书选登 | ★★★★★，confidence=1.0 |
| L3 | 人民法院案例库入库案例（5,566 件） | 《建设运行工作规程》"具有示范价值" | ★★★★，confidence=0.8–0.9 |
| L4 | 各高院参考性案例（约 8,000–10,000 件） | 《类案检索指导意见》第四条第三项 | ★★★★，confidence=0.8–0.9 |
表注：星级与 confidence 的完整映射见 4.5 节质量分级。L5–L9（精选出版物与补充来源）的分层详见第五章。
这张表对 AI 数据库的意义在于：效力层级不是 AI 自己学出来的，而是制度已经规定好的。数据库只需要做一件事——把每篇判例对应到制度既定的层级上，AI 检索时按层级排序即可，不需要自己猜"这篇值不值得信任"。
这也是为什么第一种"伪 AI 数据库"有结构性缺陷：它把所有文书一视同仁地塞进数据库，在余弦相似度的空间里，指导性案例和普通一审判决没有区别。
三、从"文书数量"到"规则密度"：为什么 AI 需要裁判要旨
3.1 判例不是事实集合，而是规则载体
一个律师检索判例，不是为了读别人的故事，而是为了找："法院在这个法律问题上是怎么判的？"
这就是问题所在。当一篇判决书只有叙事文本、没有规则提炼时，AI 拿到的是 3,000 字的自然语言，它需要自己从叙事中"猜"规则是什么。但大模型在长文本推理中的可靠性有限——它可能漏掉争议焦点、混淆判决理由和判决主文、把法官的附带论述当成裁判规则。
NeoLegal 实验室在实际测试中发现：直接把判决书全文送入大模型，让它回答"这个判例确立了什么规则"，在指导性案例上的准确率约为 75%；在普通判决书上的准确率降到 50% 以下——因为普通判决书中"说理性论述"和"裁判规则"混杂在一起，模型很难区分。
注：以上数据来自 NeoLegal 实验室内部测试，测试样本为 50 篇指导性案例与 200 篇普通判决书，测试方法为让大模型从全文中提取裁判规则后由法律专业人员人工核验准确率。样本量有限，绝对精度可能有偏差，但方向性结论——全文送入大模型不如结构化要旨可靠——是稳健的。
3.2 绝大多数判决不产生规则增量
这不是 AI 的问题。这是判决本身的特征。
国家法官学院案例开发研究中心每年从全国各地法院收集超过 10,000 件典型案例，但最终收入《中国法院年度案例》的只有约 2,000–3,000 件。这个 10:1 到 5:1 的选编比，本身就是一个经验验证：绝大多数生效判决在事实层面有结果，但在规则层面没有新增量。
原因有三：
第一，大量判决是对既有规则的适用，而非创设新规则。 一个基层法院判决的民间借贷案件，几乎不可能在"利息上限""举证责任"等问题上产生新的裁判规则——它只是把《民法典》第六百八十条和最高法司法解释适用于具体事实。
第二，同一裁判规则被反复复制。 最高法在某案中确立的规则，此后成千上万份下级法院判决重复适用，但不产生新的规则增量。
第三，程序性裁定不包含实体规则。 撤诉裁定、管辖异议裁定、财产保全裁定、执行裁定书——它们有事实、有结论，但不包含可援引的法律规则。
这就是"幂律分布"在判例领域的体现：少数控制性判例承载了绝大多数规则价值，绝大多数判决只是在重复适用既有规则。
但这个发现的工程含义不是"不需要收那么多"，而是——入库时必须做规则提炼，否则 AI 拿到的只是一堆没有规则标签的叙事文本。
3.3 规则密度的实证：5,566 件入库案例的分类统计
NeoLegal 实验室对人民法院案例库 5,566 篇入库案例做了逐篇分类统计（2026 年 9 月采集口径；采集明细 5,691 条，经案号+当事人去重后入库 5,566 件）：
| 大类 | 篇数 | 占比 | 二级分类 | 三级分类 |
|---|---|---|---|---|
| 刑事 | 2,120 | 38.1% | 11 | 114 |
| 民事 | 2,372 | 42.6% | 44 | 228 |
| 行政 | 618 | 11.1% | 28 | 28 |
| 执行 | 404 | 7.3% | 3 | 7 |
| 国家赔偿 | 52 | 0.9% | 2 | 6 |
| 合计 | 5,566 | 100% | 88 | 383 |
几点观察：
- 民事占比最大（42.6%）但分类也最碎：44 个二级分类、228 个三级分类，反映民事案件类型的天然多样性。
- 刑事分类体系最成熟：11 个二级分类与刑法分则章罪名体系高度对应。
- 行政的 28 个二级分类无三级细分：按行政管理领域分类，但案例量不足以支撑进一步细分，统计时各计 1 个占位类目。
- 执行和国家赔偿"小而专"：执行 3 个二级、7 个三级；国家赔偿 2 个二级、6 个三级。
案例数排名前 10 的三级分类合计 1,360 篇，占全库约 24.4%，而 383 个三级分类中大量只有个位数案例——这个长尾分布直接决定了产品形态：头部类目可支撑"类案精准推送"，长尾类目下任何"精准类案匹配"的承诺都实现不了，只能诚实降级为"相关参考案例"。
3.4 裁判要旨：让规则从"隐含"变成"显性"
人民法院案例库对"裁判要旨"的定义是：
"裁判要旨是整个案例拟解决问题的概要表述，应简要归纳和提炼参考案例体现的具有类案参考、指引作用的裁判规则、理念或方法等。"
——人民法院案例库《建设运行工作规程》关于裁判要旨的定义
这个定义的关键在于"提炼"二字。裁判要旨不是判决书的原文摘录，而是把隐含在叙事中的规则显性化。对比两种数据形态：
| 数据形态 | AI 拿到的 | AI 能做什么 | 不能做什么 |
|---|---|---|---|
| 只有判决书全文 | 3,000 字自然语言叙事 | 语义检索"找相似" | 判断规则是什么、规则是否有效 |
| 判决书+裁判要旨 | 结构化要旨+全文 | 直接返回规则、按规则检索 | —— |
《中国法院年度案例》的编辑方法印证了这一点：时任国家法官学院副院长曹士兵在丛书序言中提出三个编辑原则——每篇基本控制在 3,000 字以内、突出争议焦点剔除无效信息、由主审法官撰写"法官后语"提炼指导价值。"精选+提炼+结构化"的编辑理念在案例出版界已有 20 余年实践，本文的工程方法是对这一传统的技术延伸。
3.5 规则密度：AI 数据库和普通文书库的根本区别
由此可以提出一个衡量指标：规则密度——即每篇判例中，AI 可以直接消费的结构化规则信息占比。
一个普通的全量文书库，规则密度接近于零：每篇都是 3,000 字叙事，没有裁判要旨、没有争议焦点、没有适用法条标签。一个 AI 可消费的数据库，规则密度应当接近 100%：每篇入库判例都有结构化的裁判要旨、争议焦点、适用法条和效力层级标注。
这就是为什么"收了多少篇"不是核心指标——一个只有 3 万篇但每篇都有结构化裁判要旨的数据库，对 AI 来说比 1.6 亿篇没有提炼的文书库更有用。
四、工程方法：AI 可消费数据库的六步搭建法
前三部分回答了三个问题：AI 数据库应该具备什么特征（规则密度）、效力层级从哪里来（制度既定）、为什么需要结构化提炼（绝大多数判决不产生规则增量）。本部分回答：具体怎么做。
4.1 第一步：建立分类框架（Taxonomy）
AI 数据库的第一步不是收数据，而是建立一个机器可解析的分类骨架。没有骨架，后续的结构化加工就失去了挂载点。
以人民法院案例库的三级案由分类为基础（覆盖 88 个二级分类、383 个三级分类），建立"案由—法律领域—裁判规则"三级索引：一级为刑事 / 民事 / 行政 / 知产 / 海事 / 执行 / 国家赔偿，二级为案由（如"合同纠纷"→"建设工程合同纠纷"），三级为具体法律争点（如"黑白合同效力""实际施工人权利"）。
这一步的关键是：分类框架不是 AI 自己学出来的，而是直接采用人民法院案例库的既有分类——数据库不自己发明分类，直接用制度已经做好的分类。
4.2 第二步：分层采集（Tiered Acquisition）
按效力层级（见 2.3 节），优先采集规则密度天然高的来源：
- L1–L3（约 6,300 篇）：指导性案例、公报案例、人民法院案例库入库案例。这些案例在发布时就已经经过裁判要旨提炼，入库时直接提取即可，规则密度天然接近 100%。
- L4（约 8,000–10,000 篇）：各高院参考性案例。同样经过审核和要旨提炼。
- L5–L7（约 19,000–30,000 篇）：《中国法院年度案例》《中国审判案例要览》、全国法院优秀裁判文书评选、《法律适用》优秀案例。这些出版物在编辑过程中已经完成了规则提炼。
- L8–L9 补充：最高法发布的典型案例，以及从裁判文书网按规则筛选的判例，用于补齐高频案由的覆盖度与长尾缺口。
这一步的核心逻辑不是"只选权威的"，而是优先采集已经完成规则提炼的来源——入库时不需要 AI 从头猜，直接提取即可。
4.3 第三步：去重与合并
同一案件可能在多个渠道重复出现（如某案既是公报案例又是指导性案例）。按案号+当事人进行实体去重，保留信息最完整的版本。
去重的目的不是减少数量，而是避免同一规则在检索时被重复返回——这直接对应 1.1 节观察到的第三个现象："同一裁判规则被反复复制"。我们实际采集的 5,691 条明细即按此规则去重为 5,566 件入库案例。
4.4 第四步：结构化加工
每篇判例提取以下字段，形成 AI 可直接消费的结构化骨架：
| 字段 | 说明 |
|---|---|
| 标题 | 案件名称 |
| 案号 | （年份）法院代字类型字第号 |
| 审理法院 | 法院全称及层级 |
| 裁判日期 | 判决作出日期 |
| 案由 | 对应三级分类 |
| 裁判要旨 | 规则提炼（官方已有的直接提取，无的需 AI 辅助提炼） |
| 争议焦点 | 1–3 个核心法律争点 |
| 适用法条 | 引用的法律条文 |
| 判决书全文 | 载荷 |
| 效力层级 | 指导性/公报/参考性/典型案例等 |
| 关键词 | 语义标签 |
这一步直接回答 1.3 节的第一个标准："这篇判例在说什么规则"——入库时就把规则显性化，不让 AI 从 3,000 字叙事中猜。
4.5 第五步：质量分级
每篇判例打一个质量分（1–5 星），对应 2.3 节的效力层级：
- ★★★★★：指导性案例、最高法公报案例（confidence=1.0）
- ★★★★：人民法院案例库入库案例、高院参考性案例（confidence=0.8–0.9）
- ★★★：权威期刊收录、优秀裁判文书（confidence=0.7）
- ★★：高审级、有说理的判决（confidence=0.5–0.6）
- ★：补充类，有参考价值但规则性较弱（confidence<0.5）
AI 检索时优先返回高分判例。这一步回答 1.3 节的第三个标准："AI 能不能信任这篇判例"——信任度不是 AI 自己判断的，而是入库时就标注好的。
4.6 第六步：动态更新机制
- 月度：新增指导性案例、公报案例
- 季度：新增高院参考性案例
- 年度：全面复审，剔除被推翻/改判的判例
这一步回答 1.3 节的第二个标准："这篇判例现在还有效吗"——时效状态不是 AI 自己比对的，而是定期维护的。
五、语料来源：为什么权威来源天然规则密度高
5.1 九层级来源一览
第四步提到了 L1–L9 的分层采集。下表说明为什么这些来源天然具有高规则密度，而不是像全量裁判文书那样需要从零开始提炼：
| 层级 | 来源 | 规模估算 | 规则密度来源 |
|---|---|---|---|
| L1 | 最高法指导性案例 | 279 件 | 发布时即提炼裁判要点 |
| L2 | 最高法公报案例 | 约 445 件 | 公报编辑部门筛选并提炼 |
| L3 | 人民法院案例库入库案例 | 5,566 件 | 《建设运行工作规程》要求裁判要旨 |
| L4 | 各高院参考性案例 | 约 8,000–10,000 件 | 高院审核并提炼 |
| L5 | 《中国法院年度案例》 | 约 3,000–5,000 篇 | 国家法官学院编辑提炼，每篇 3,000 字以内 |
| L5 | 《中国审判案例要览》 | 约 8,000–12,000 篇 | 国家法官学院 20 余年持续编辑 |
| L6 | 全国法院优秀裁判文书评选 | 约 5,000–8,000 篇 | 评选标准即"说理性强" |
| L7 | 《法律适用》优秀案例 | 约 3,000–5,000 篇 | 期刊编辑提炼 |
| L8 | 最高法发布的典型案例 | 约 8,000–10,000 件 | 最高法各业务厅发布并提炼 |
| L9 | 裁判文书网筛选补充 | 约 5,000–15,000 篇 | 需 AI 辅助提炼 |
5.2 为什么 L1–L8 天然规则密度高
L1–L8 的共同特征是：在发布或出版时，已经有人做过规则提炼了。
- 指导性案例：最高法审判委员会讨论通过，附"裁判要点"
- 公报案例：《最高人民法院公报》编辑部筛选，附裁判要旨
- 案例库入库案例：《建设运行工作规程》要求提炼裁判要旨
- 《中国法院年度案例》：每篇控制在 3,000 字以内，突出争议焦点，主审法官撰写"法官后语"
- 《中国审判案例要览》：国家法官学院案例开发研究中心 20 余年持续编辑
- 优秀裁判文书评选：评选标准本身就是"裁判文书说理性"
- 典型案例：最高法各业务厅发布并提炼
这意味着，采集 L1–L8 时，入库流程的"裁判要旨"字段不需要 AI 从零提炼——直接提取官方已经做好的要旨即可。这与 1.2 节描述的第二种"伪 AI 数据库"形成对比：后者拿到全量文书后用大模型从头提炼，但非原生团队不知道提炼得准不准；而 L1–L8 的要旨是经过法官或编辑部门审核的，质量有制度保障。
5.3 L9：为什么仍需从全量库补充
L1–L8 覆盖了常见案由，但在长尾领域仍有缺口。L9 从裁判文书网按以下规则筛选：
- 审级：中院二审以上优先
- 引用：被其他裁判文书引用 ≥3 次
- 说理：文书字数 ≥3,000 字（排除格式化文书）
- 类型：判决优先于裁定，实体判决优先于程序裁定
L9 的作用不是"替代"L1–L8，而是补齐覆盖度——确保每个三级案由下至少有 3–5 篇有说理的判决。L9 入库时需要 AI 辅助提炼裁判要旨，但这是最后一步补充，不是主要工作。
六、判例审阅流水线：AI 能不能信任的工程保障
第四部分和第五部分回答了"收什么、怎么结构化"。本部分回答最后一个问题：入库的判例，AI 能不能信任？
6.1 四 Agent 协作审阅流水线
借鉴 ASEP 多 Agent 协作模式（详见本博客《法律 AI 多 Agent 协作：结构化信封协议与质量门防幻觉实践》一文），我们设计了判例入库的审阅流水线：
| Agent | 职责 | 输出 |
|---|---|---|
| 采集 Agent | 从权威源下载判例，初步结构化 | 骨架：来源、案号、法院层级；载荷：原文 |
| 提炼 Agent | 提取裁判要旨、争议焦点、适用法条 | 骨架：要旨文本、焦点列表；载荷：标注后的全文 |
| 校验 Agent | 核验案号真实性、法条时效性、裁判要旨准确性 | 骨架：confidence、citation_check；载荷：校验报告 |
| 质量门 | 四信号加权评估，决定入库/退回/标注 | 骨架：weighted_score、三态终态 |
6.2 放行判定
放行条件：weighted_score ≥ 0.8 且无冲突、无数字不一致、无尾部漏审。三个硬条件直接拦截：
- 引用了不存在的法条
- 案号与文书内容矛盾
- 裁判要旨与判决主文冲突
这与最高法案例库"各审判庭按业务条线对口负责、审查把关，经法官会议集体讨论"的审核机制异曲同工——都是在入库前设置质量门，而非入库后由用户自行辨别。
6.3 三态终态
判例经质量门评估后进入三种状态：
- passed：质量门通过，正常入库，标记[已核验]，confidence≥0.8
- escalate：有可定位的硬缺口（如引用法条存疑），入库但标记[待复核]，提供人工复核入口
- best_effort：未达标但无法定位具体缺口（如说理不充分但无硬伤），按当前最优结果入库，标注置信度供用户判断
这一设计避免了两个极端："不完美就拒收"导致库的覆盖度不足，"不完美也硬收"导致用户误信低质量判例。用置信度标注替代二元判断，让 AI 和用户都能根据 confidence 值决定如何使用该判例。
6.4 为什么这一步是 AI 数据库和普通文书库的分水岭
1.2 节描述的第二种"伪 AI 数据库"——做了训练但不知道自己做得有多差——其根本问题就是没有这一步。他们用大模型做了 embedding 和提炼，但没有校验环节：不知道裁判要旨提炼得准不准、法条引用有没有过时、案号是不是真的。
我们的做法是：每篇判例入库前必须过质量门，三个硬条件直接拦截，三态终态标注置信度。AI 检索时可以根据 confidence 值决定返回哪篇——用户问"有没有确定答案"时只返回 passed，问"有没有争议观点"时可以返回 escalate。
这就是 1.3 节第三个标准"AI 能不能信任这篇判例"的工程答案：不是 AI 自己判断可不可信，而是入库时就经过了质量门校验。
七、为什么不是固定数字：规则密度的覆盖度指标
7.1 为什么不预设固定数量
本文不预设一个固定的判例数量。合理规模应由两个动态指标决定：
指标一：案由覆盖率。 以人民法院案例库的 383 个三级案由分类为基准，统计每个三级案由下的判例数量。一个案由下至少有 3–5 篇高规则密度判例，才算"覆盖"。当 90% 以上的常见案由实现覆盖时，库的规模即达到实用标准。
指标二：控制性判例密度。 在每个已覆盖的案由下，统计"控制性判例"——即经权威渠道发布、或被该案由下其他判例频繁引用的判例——的数量。每个案由有 3–5 个控制性判例，即可支撑该案由的类案检索。
7.2 为什么这两个指标比"总数"更有意义
衡量数据库"够不够用"的标准不应该是"收了多少"，而是：常见案由有没有覆盖到（案由覆盖率）？每个案由下有没有控制性判例（控制性判例密度）？
如果这两个指标达标了，不管总数是 2 万还是 5 万，库就是可用的。如果不达标，收了 10 万篇也没用——因为缺的是规则密度，不是文书数量。
7.3 与全量库的关系
本文不否定全量库的价值。全量库有其不可替代的功能：长尾覆盖（极低发案由上权威来源可能没有收录）、统计分析（裁判趋势、量刑分布）、发现新规则（下级法院判决中孕育着尚未被最高法确认的新规则）。
但全量库的这些功能，服务的是"人研究"和"统计分析"，不是"AI 直接消费"。全量库和精选库不是互斥的，是"体"和"用"的辩证关系：全量库是体，提供完整的司法面貌；精选库是用，提供 AI 可直接消费的规则。
在 AI 发展的现阶段，从工程技术、token 成本和客户需求三个维度看，优先建设精选库是相对优解——全量库上做 AI 加工的成本和质量不确定性都太高，而精选库可以在现有技术条件下做到规则密度接近 100%。
7.4 动态演进
数据库建设不是一次性工程。随着新的指导性案例发布、新的司法解释出台、新的案由出现，库需要持续更新（同 4.6 节）——判例的效力状态不是静态的，AI 数据库需要持续维护时效性。
八、讨论与局限
8.1 本文的边界：只讨论垂直应用智能体
本文讨论的是垂直应用智能体的数据库建设——即服务于律师类案检索、裁判规则引用等具体场景的法律 AI 产品。通用大模型的法律能力与垂直数据库是两个问题；法律研究型用户（法学教授、博士生）可能需要全量数据做统计分析，不是本文的目标场景；法院内部系统有其独立的案例库建设规范，本文讨论的是商业法律 AI 产品如何建设自己的数据库。
8.2 基层司法面貌的覆盖问题
本文的一个已知短板是：L1–L8 的权威来源主要来自最高法和各高院，收录的案例倾向于"有规则价值"的案件，而基层法院大量的日常纠纷——小额借贷、邻里纠纷、劳动争议——在这些来源中覆盖不足。
应对方案是 L9（裁判文书网筛选补充），但 L9 的规则密度低于 L1–L8——这是精选库路径的固有成本：用规则密度换覆盖度，用质量换数量。这个权衡是否合理，取决于产品的目标用户。
8.3 技术假设的局限
本文引用的几个技术数字——"指导性案例上 75% 准确率""普通判决书上 50% 以下"——来自 NeoLegal 实验室的内部测试，样本量有限，测试方法也未经过同行评审。绝对精度可能有偏差，但方向性结论（全文送入大模型不如结构化要旨可靠）是稳健的。
此外，本文假设大模型的长文本推理能力在短期内不会有质的飞跃。如果未来某代大模型可以可靠地从 3,000 字判决书中直接提取裁判规则，"入库前提炼要旨"这一步的必要性会下降。但在可见的技术路径中，结构化加工仍然是当前性价比最高的方案。
8.4 与全量库的协同：本文未解决的问题
精选库和全量库应该怎么协同？可能的方案包括双层架构（精选库第一路、全量库第二路覆盖长尾）、精选为主全量为辅（找不到权威规则时提示降级）、动态扩展（自动扩展到全量库检索）。这些方案各有利弊，需要更多工程实践验证——本文只提出了问题，没有给出完整答案。
8.5 数据时效性
本文引用的人民法院案例库 5,566 件数据采集于 2026 年 9 月，指导性案例 279 件截至 2026 年 2 月。这些数字会随时间增长，本文的分析框架不依赖于具体数字，而依赖于"幂律分布"和"规则密度"这两个结构性判断。
九、结语
习近平总书记指出："一个案例胜过一打文件。"（2021 年 3 月在福建考察时的讲话）
这句话的深层含义是：法律的生命不在于纸面上的条文，而在于条文如何被具体适用。判例库建设的终局，不是把 1.6 亿份裁判文书都搬进数据库，而是让每一篇入库的判例都成为 AI 可直接消费的规则。
从"人读的文书库"到"AI 可消费的规则库"，需要三个根本转变：
第一，从"收多少"转向"规则密度"。 一个数据库的价值，取决于每篇文书中 AI 可以直接消费的结构化规则信息占比。1.6 亿篇没有提炼的文书，对 AI 来说不如 3 万篇有裁判要旨的判例。
第二，从"AI 自己判断效力"转向"制度既定的效力层级"。 中国司法制度已经把判例分成了"应当参照""可以参考""仅供查阅"三个效力等级。AI 数据库不需要自己发明一套信任度评分——自己发明分级，既不可靠，也不必要。
第三，从"入库后用户辨别质量"转向"入库前质量门校验"。 把未经校验的数据交给 AI，等于把黑箱交给用户。入库前设置质量门——三个硬条件直接拦截，三态终态标注置信度——才能让 AI 的检索结果值得信任。
这三个转变背后，是一个更根本的判断：当前市场上大多数自称"法律 AI"的产品，其数据库不是为 AI 设计的。前者有数据没加工，后者有加工没校验。我们在垂直应用智能体的数据库建设实践中验证了本文提出的路径：以制度既定的效力层级为骨架，以规则密度为衡量标准，以入库前质量门为质量保障。这一路径的核心不是"精选比全量好"，而是"数据库是否为 AI 设计"——这才是区分真正的法律 AI 和伪法律 AI 的分水岭。
"一个案例胜过一打文件。"让每一个案例都被 AI 准确理解、正确引用、标注效力——这是高质量判例库的终极目标。
参考文献
[1] 最高人民法院. 关于案例指导工作的规定[Z]. 2010-11-26 发布，2020 年修正（法释〔2020〕18 号）；本文引用修正版第九、十条。
[2] 最高人民法院. 关于统一法律适用加强类案检索的指导意见（试行）[Z]. 2020-07-27.
[3] 最高人民法院. 人民法院案例库建设运行工作规程[Z]. 2023.
[4] 最高人民法院相关部门负责人. 就征集人民法院案例库参考案例答记者问[EB/OL]. 2023-12.
[5] 马超, 于晓虹, 何海波. 大数据分析：中国司法裁判文书上网公开报告[J]. 中国法律评论, 2016(4): 195-246.
[6] 曹士兵. 中国法院年度案例丛书序言[M]//中国法院2017年度案例. 北京: 中国法制出版社, 2017.
[7] 国家法官学院案例开发研究中心. 中国法院年度案例[M]. 北京: 中国法制出版社, 2012-2026.
[8] 国家法官学院. 中国审判案例要览[M]. 北京: 人民法院出版社, 1992-2026.
[9] 最高人民法院. 最高人民法院公报[Z/OL]. gongbao.court.gov.cn.
[10] NeoLegal 实验室. 法律 RAG 检索的工程化[R]. NeoLegal Technical Report, 2026.
[11] NeoLegal 实验室. 法律 AI 多 Agent 协作白皮书[R]. NeoLegal Technical Report, 2026.
[12] NeoLegal 实验室. ASEP 多 Agent 协同架构[R]. NeoLegal Technical Report, 2026.
附录：完整分类统计数据
本文引用的 88 个二级分类、383 个三级分类全量分布表收录于白皮书原文 PDF（含每个二级/三级分类的篇数、占比与三级分类数），可通过 NeoLegal 实验室渠道索取。其中行政类 28 个二级分类无三级细分，各计 1 个占位类目；占比按入库口径 5,566 篇计算。