LawCompass：从法律问答走向多智能体深度研究与证据溯源

arXiv 收录论文 LawCompass，提出一个以证据为支撑的法律助手，将传统多轮法律问答扩展为三项任务：法律问答、通过查询改写实现的结构化法条与判例检索，以及由多智能体工作流拆分复杂法律任务并生成研究报告的深度研究。论文称所有模块均保留显式引用链接，便于用户回到原始法律来源核验输出。

此前多数法律助手停留在多轮对话问答，难以完成需要系统性取证、多步推理和报告级整合的复杂任务。LawCompass 把可核验引用贯穿各模块，把法律 AI 的交付物从一次性答案推向后端可追溯的研究报告，评估方向也从答案对错转向证据链是否成立。

机制上用查询改写提升法条与判例检索的结构化程度，再用多智能体工作流把复杂法律任务拆解为可分工的子步骤，最后汇总为带引用的研究报告。显式引用链路是贯穿三个模块的约束，使每一步输出都能回指原始法律文本，从而支持人工复核而非单次生成。

对法律产品而言，交互形态可能从聊天框迁移到检索加研究加报告的组合流程，评测指标需加入引用可核验性与证据覆盖度。研发上需设计多智能体编排、引用传递与来源对齐，报告生成会拉长单次请求时延与 token 成本，但人工复核成本可能下降。

• 在法律产品中增加引用面板，让每条结论可点击回跳法条或判例原文，并标注证据来源与位置。
• 搭建针对法律任务的评测集，把引用准确率与证据覆盖度作为与答案正确率并列的指标。
• 将查询改写与多智能体报告生成封装为独立服务，供合同、合规等场景按需调用。
• 提供报告级导出能力，把多步研究结果整理为可审阅文档并保留完整引用链。

• 论文未披露评估所用数据集、基线系统及具体量化结果，性能优势难以判断。
• 多智能体工作流在复杂法律任务上的时延与调用成本没有说明。
• 引用链接的实际核验准确率以及是否存在幻觉引用，证据中未给出。
• 系统覆盖的法域、语言和法条判例来源范围尚不明确。