🔍
三路并行增强检索
Query 改写 + HyDE 假设文档 + 原始查询，三路并行策略显著提升召回精度，覆盖更多相关法规文档
Appearance
平邑街道团结社区居民诉求 AI 法规助手
面向法律政务场景深度优化的「长上下文 + 混合检索」智能引擎，专为精准溯源设计
Skip to content
核心技术架构
Query 改写
LLM 将口语化问题改写为多个法律专业术语查询，从主体、行为、后果、责任等多角度检索
HyDE 假设文档
先生成「假设性法规回答」，再用假设答案检索，因为假设答案与真实法规语义更接近
重排序精排
对检索结果进行精细化重排序，确保最相关的法规条文排在最前面
结构化输出
答案包含摘要、国法依据、地法依据、建议，清晰明了，便于理解和执行
为什么不用 DeepSeek、通义法睿和原生 RAG？
DeepSeek 等通用大模型
擅长推理，但易产生「幻觉」
通用大模型在法律场景下无法精准命中具体法条和公文条款，生成内容可能与实际法规存在偏差，难以满足政务工作对准确性的严格要求
通义法睿等法律大模型
缺乏地方公文训练数据
法律大模型主要基于国家级法律法规训练，对市级、区县级地方性公文、政策文件覆盖不足，无法有效解决基层政务场景的检索需求
原生 RAG 方案
上下文缺失，断章取义
传统 RAG 的固定切分方式容易破坏法条完整性，导致引用缺失、语义断裂，无法提供完整的法规原文溯源，影响答案的权威性和可信度
智能文档治理（ETL 四策略）
开创性地将文档按照检索结果最优分为四类，针对不同文档特征采用最佳切分策略
策略 A
主体责任语义切分
适用：职责分工清单
LLM 识别责任主体（公安局、环保局、街道...），按主体物理切割，防止搜「环保」召回「公安」内容
策略 B
层级下钻切分
适用：长篇法律法规
按章→节→条逐级下钻，自动补全父级路径（如「xx法 > 第三章 > 第一节」），确保片段独立可读
策略 C
滑窗切分
适用：会议纪要、讲话稿
针对无结构长文，滑动窗口切分，保留 200 token 重叠确保语义连续
策略 D
整篇保留
适用：短文档（<3000字）
短文档不切分，整篇入库，保持文档完整性
MCP Agent 工具扩展
Function Calling 架构
支持 MCP（Model Context Protocol）协议，LLM 自动判断是否需要调用外部工具，实现智能体能力扩展
文档导出
对话内容一键导出为 Word 文档，支持多种公文格式模板
自定义 MCP 服务
支持接入自定义 MCP 服务器，扩展更多工具能力
工具调用日志
完整记录每次工具调用，便于追溯和审计
Few-Shot Prompt 热配置
所有 Prompt 模板支持后台热配置，无需改代码即可调优，灵活适应不同场景需求
摘要生成 Prompt
指导 LLM 提取法规核心要素：管理对象、量化指标、执行部门
HyDE Prompt
生成高质量假设性法规答案，提升检索召回精度
Query 改写 Prompt
多角度专业术语转换，从主体、行为、后果、责任等维度改写
答案生成 Prompt
结构化输出：摘要 + 国法依据 + 地法依据 + 建议
文档导出 Prompt
Few-Shot 示例指导生成正式公文，支持多种格式模板
法律政务精准溯源
每个回答附带法规原文引用，国法/地法分类清晰
多类型文档混合检索
法律法规、政策文件、会议纪要、职责清单统一入库
长上下文支持
完整法规条文阅读，不丢失上下文