!封面
大模型生成正确法条和错误法条的方式完全一样——都是概率猜的。法律人要做的不是消除幻觉（做不到），而是建立一套"组合拳"把错误率降到可接受范围。这套组合拳四个组件：选对模型、建对知识库、设对审计规则、做对人工复核。
幻觉是怎么来的
有个律师朋友问我一个问题，非常有代表性。
他说：我用 ChatGPT 分析法律问题，它引用了民法典第 999 条。我去查了，民法典根本没有第 999 条。法条读起来非常像真的——表述风格、术语使用、条文结构都很规范，但内容是编的。
这个现象几乎所有用过 AI 的法律人都碰到过。很多人以为这是模型"不够聪明"或者"数据库太旧"。不是。
大语言模型的工作原理可以简单理解成：基于海量文本训练，学会了"在给定的上下文后面，最可能接什么文字"。它不是从数据库里检索答案，不是从法条库里调取条文，更不是在"思考"——是在"猜"。
关键在于：它猜出正确法条的方式，和猜出错误法条的方式，没有任何区别。两者基于同一套参数、同一种数学运算、同一个概率分布。只不过正确法条在训练数据中频率高、模式清晰，猜对概率更高。但本质上还是在猜。
这就是为什么幻觉不可消除。它不是技术缺陷，是生成式 AI 的基础运行机制。只要模型是"生成"而非"检索"，幻觉就永远存在。
但"不可消除"不等于"不可控制"。
组合拳一：选对模型
模型厂商在不断降低幻觉率。从原理上无法降到零，但不同模型之间的幻觉率差异显著。
训练数据质量更高、训练方法更精细、参数规模更大的模型，在事实准确性上通常更好。目前全球头部模型——Claude、GPT、Gemini——在法律类任务上的幻觉率已经比一年前低了很多。
但选模型有个陷阱：越强的模型，token 越贵。
做简单的法条查询，轻量模型就够了——比如查民法典第 584 条原文，不需要最强推理能力。但如果让 AI 分析复杂合同条款，涉及多个法域的交叉适用，就值得用更强的模型。
没有一刀切的答案。需要根据任务复杂度和容错率做选择。但有一个原则是确定的：在法律工作场景里，宁可多花一点钱用更可靠的模型，也不要省 token 成本而得到一个可能包含幻觉的结果。核对和纠错的成本，往往远高于模型费用的差额。
组合拳二：建对知识库
这是四环里最重要、也最被低估的一环。
幻觉之所以在法律场景里特别危险，是因为法律工作需要"引用真实存在的规范"。如果 AI 只是在泛泛讨论法律概念，幻觉的后果无非"说得不太对"。如果它在法律意见书里引用了一条不存在的法条，后果可能是灾难性的。
解决思路不是让 AI 变得更"老实"——没法让一个概率生成系统变得老实——而是不让它去猜。
具体做法：在 AI 的工作流里嵌入真实的法规和案例知识库。当 AI 需要引用法条时，不是让它基于训练数据凭空生成，而是让它去知识库里查询、抽取、引用。
就像让助理写法律意见书。不会让他"凭印象"援引法条——会让他去翻法典、查数据库、核条文。AI 也一样。给它接一个权威的法律数据库——北大法宝的 API、原点智库的 MCP——需要引用法条时，调用这个数据库去查，而不是用自己的"记忆"去猜。
从"生成"变成"查询+抽取"，错误概率从根本上降低。因为查询是确定性的——法条库里有的就有，没有就没有。
组合拳三：设对审计规则
即使有了知识库，AI 仍然可能犯错。可能查询了正确法条但引用时写错了条文编号，可能理解错了法条含义，可能在多个法条之间建立了错误的逻辑关联。
第三环是审计规则：AI 生成初稿后，自动触发"自我核查"。
审计规则做几件事：
- 法条反向核对：AI 回答中引用的每一条法条，自动去知识库反查——这条法条真实存在吗？条文内容和引用的内容一致吗？
- 案号验证：如果引用了案例，案号是否存在、案例名称是否匹配、裁判要点是否和引用内容一致。
- 逻辑一致性检查：AI 的结论和引用的法条/案例之间是否存在逻辑矛盾。
审计规则不是替代人工审核，是做第一轮粗筛——把最明显的错误（法条不存在、案号错误、逻辑矛盾）先过滤掉，让人的精力集中在需要专业判断的内容上。
这一步的本质：用确定性规则检查概率性输出。
组合拳四：做对人工复核
前三步做完，AI 产出质量已经比较高了。但最后审核必须是人。
有一个理念要明确：AI 可以产出高质量初稿，但终稿的责任人是人。哪怕终稿一字不改，也要一个字一个字过一遍。
这个"过一遍"和传统校对不太一样。传统校对找错别字和格式问题。AI 时代的人工复核重点看三样：
看引用。 每条引用的法条和案例，快速确认"这条确实存在、内容确实对"。不需要每条全文核对，但要有抽检。
看逻辑跳跃。 AI 特别擅长写出读起来很通顺、但逻辑中间有跳跃的内容。法律分析里一句话，前半句和后半句之间可能缺了必要的前提。这是人最容易看出来的问题，也是 AI 最容易产生的问题。
看遗漏。 AI 不会主动说"我漏掉了某个维度"。它只在给定上下文里给出它认为最好的答案。有没有没被考虑到的法律风险、有没有应该引但没引的法条——这些需要靠人的经验和知识来补充。
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 200">
<rect width="600" height="200" fill="#fff" rx="6"/>
<!-- 4 boxes in a row with arrows -->
<rect x="15" y="50" width="125" height="80" rx="4" fill="#1a1a1a"/>
<text x="77" y="78" text-anchor="middle" font-size="13" font-weight="700" fill="#fff">选模型</text>
<text x="77" y="100" text-anchor="middle" font-size="10" fill="#ccc">概率生成不可消除</text>
<text x="77" y="116" text-anchor="middle" font-size="10" fill="#ccc">按任务选模型层级</text>
<text x="148" y="93" text-anchor="middle" font-size="16" fill="#999">→</text>
<rect x="160" y="50" width="125" height="80" rx="4" fill="#333"/>
<text x="222" y="78" text-anchor="middle" font-size="13" font-weight="700" fill="#fff">建知识库</text>
<text x="222" y="100" text-anchor="middle" font-size="10" fill="#ccc">从"生成"变"查询"</text>
<text x="222" y="116" text-anchor="middle" font-size="10" fill="#ccc">接权威法律数据库</text>
<text x="293" y="93" text-anchor="middle" font-size="16" fill="#999">→</text>
<rect x="305" y="50" width="125" height="80" rx="4" fill="#666"/>
<text x="367" y="78" text-anchor="middle" font-size="13" font-weight="700" fill="#fff">设审计</text>
<text x="367" y="100" text-anchor="middle" font-size="10" fill="#eee">反向核对法条案例</text>
<text x="367" y="116" text-anchor="middle" font-size="10" fill="#eee">逻辑一致性检查</text>
<text x="438" y="93" text-anchor="middle" font-size="16" fill="#999">→</text>
<rect x="450" y="50" width="135" height="80" rx="4" fill="#c41e3a"/>
<text x="517" y="78" text-anchor="middle" font-size="13" font-weight="700" fill="#fff">人工复核</text>
<text x="517" y="100" text-anchor="middle" font-size="10" fill="#fff">看引用 / 看逻辑跳跃</text>
<text x="517" y="116" text-anchor="middle" font-size="10" fill="#fff">看遗漏 / 最终责任</text>
<!-- Bottom text -->
<text x="300" y="175" text-anchor="middle" font-size="12" fill="#999">每一步降低一个数量级的错误率，四步叠加 → 生产级可用</text>
</svg>一个重要的心理转变
很多法律人对 AI 幻觉的态度是"零容忍"——只要出过一次错，再也不用了。可以理解，法律工作容错率低。但因为幻觉而完全排斥 AI，等于因为汽车会出事故而继续骑马。
正确的态度：知道它会在哪里出错、为什么会出错、怎么降低出错率、最终核查怎么做。
跟带新手助理的逻辑一样。不会因为助理犯过一次错就开掉他。会教他、给他工具、设检查机制、最后自己把关。AI 也一样——能力很强但偶尔会胡说八道的新手助理。任务不是取代它，是管好它。
作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。四明山法师 AI 夜校（legalAGI.cn）发起人。