导读:本期聚焦于南京网站建设创作的《AI法律咨询提示词模板:常见法律问题的信息收集与分析框架》,敬请观看详情。用AI做法律咨询时,最大的问题往往不是模型不够聪明,而是提问的人不知道该提供哪些信息。一份设计得当的提示词模板,能引导AI系统性地收集案情要素,比如当事人身份、时间线、证据材料、争议焦点等,再按照法律分析的框架逐层拆解问题。本文围绕劳动纠纷、合同违约、婚姻家事、消费维权等常见场景,讲解如何搭建信息收集型提示词模板,如何让AI按照三段论或要件分析法输出结构化结论,以及使用中需要注意的边界和风险,帮助你把AI变成一个靠谱的法律分析助手。

直接问AI“我的劳动合同被公司撕了怎么办”,得到的回答往往泛泛而谈,因为模型缺少做法律分析所需的关键事实。法律咨询的核心其实是信息收集:一个有经验的律师在给出意见之前,一定会先问清楚当事人身份、时间节点、书面证据、对方态度等要素。提示词模板的作用,就是把这套提问逻辑固化下来,让AI扮演一个严谨的法律接诊员,按步骤收集信息、归纳争议焦点,再套用法律分析框架给出结构化结论。这篇文章就来讲讲这类模板怎么写,以及几个高频法律场景下的具体用法。

AI法律咨询提示词模板:常见法律问题的信息收集与分析框架

为什么法律类提示词必须先收集信息再分析

法律分析和一般问答有本质区别。同一个问题,事实细节不同,结论可能完全相反。比如“公司拖欠工资三个月”,如果劳动者是在职状态,救济路径是投诉和仲裁;如果已经离职超过一年,还涉及仲裁时效抗辩的问题;如果工资里有提成部分,举证难度又会上升。模型在没有事实的情况下只能给出教科书式的通用回答,实用价值大打折扣。

信息收集型模板的思路是反向操作:不要求AI立刻给答案,而是要求它先扮演提问者。一个基础版本可以这样写:

你是一名经验丰富的法律咨询顾问。我不会一次性给出所有信息,请你按照以下步骤与我交流:
1. 先判断我的问题属于哪个法律领域(劳动、合同、婚姻家事、侵权、消费维权等);
2. 针对该领域,逐条向我提问,每次最多问3个问题,覆盖:当事人身份、关键时间点、书面证据、争议金额、对方态度;
3. 在你认为信息足够前,不要给出结论性意见;
4. 信息收集完成后,输出结构化分析:争议焦点、双方主张、适用的法律依据、可能的结果、下一步行动建议。
我的问题是:公司拖欠我三个月工资,我该怎么办?

这个模板的关键在于第3条,它强制模型克制住直接给答案的冲动。实践中可以再加一句“每次提问后等待我的回答,不要自行假设事实”,防止模型脑补剧情。很多回答失真,根源就在于模型替当事人假定了不存在的情节。

常见法律场景的信息收集清单设计

不同领域的必备事实要素差别很大,模板里最好直接内嵌一份收集清单,模型照单提问,效率会高很多。下面给几个高频场景的清单设计思路。

劳动纠纷场景要抓的核心要素包括:入职与离职时间、是否签过书面劳动合同、工资构成与发放方式、社保缴纳情况、拖欠或违法解除的具体事实、有无考勤和聊天记录等证据。对应的模板可以这样写:

你是劳动法方向的律师。请围绕以下清单向我收集信息,每轮提问不超过4个:
- 用工主体:公司全称、我的岗位、是否签订书面合同及签订时间
- 时间线:入职日期、问题发生日期、离职日期(如已离职)
- 报酬事实:约定工资数额与构成、最近几个月实发金额、发放方式
- 证据情况:有无工资条、银行流水、考勤记录、工作沟通记录
- 程序情况:是否已投诉、是否已申请仲裁、离职距今多久
收集完成后,请按“事实认定—争议焦点—法律依据—维权路径对比(协商/投诉/仲裁/诉讼)—时效提醒”的结构输出分析。

合同违约场景的清单重点则完全不同:合同签订主体与效力、关键条款原文、履行进度、违约行为的具体表现、损失计算依据、有无约定管辖或仲裁条款。婚姻家事场景关注婚姻存续时间、财产范围与来源、子女情况、有无过错情节。消费维权场景要弄清交易时间、金额、商品或服务的问题表现、商家沟通记录、是否涉及人身损害。把这些清单直接写进模板,模型的问题质量会明显提升,跑偏的概率也小很多。

让AI输出结构化分析的三种框架

信息收集只是第一步,分析环节同样需要框架约束,否则模型容易写成科普文章。法律圈常用的三段论可以简化为:法律要件—事实涵摄—结论。让模型按这个格式输出,条理会清晰很多。

请严格按照要件分析法输出,格式如下:
【争议焦点】用一句话概括双方的核心分歧
【要件拆解】列出处理此类问题需要满足的法律要件,逐条说明
【事实对应】将我提供的案件事实逐条对应到上述要件,指出哪些满足、哪些存疑、哪些缺失
【法律依据】引用具体法律条文,并注明条文序号
【风险提示】指出我的证据薄弱点和对方可能的抗辩
【行动建议】给出可执行的下一步方案,按成本从低到高排序

事实对应这一栏尤其重要。它会逼着模型把事实和法条逐项匹配,而不是笼统地说“你有权主张赔偿”。当某些要件缺失时,模型会明确提示“此点信息不足”,这本身就是很有价值的反馈,你可以据此补充材料再追问。另外建议加上一句“对不确定的法律问题,请明确标注不确定性,不要编造条文序号”,因为模型偶尔会生成看似权威实则不存在的条文引用,这一点必须警惕。

使用边界与注意事项

再好的提示词也不能改变一个事实:AI的法律分析只能作为参考,不能替代执业律师的意见。涉及重大利益的诉讼策略、正式法律文书的起草、证据的合法性判断,这些环节仍需专业人士把关。模板里可以主动加一条免责声明,比如“本分析仅供参考,重要事项请咨询执业律师”,既是提醒自己,也让模型保持克制的语气。

其次是隐私问题。向AI描述案情时,尽量隐去真实姓名、身份证号、具体住址等信息,用“甲方”“我方公司”“张某”之类的代称即可,法律分析不受影响,但个人信息泄露风险可以大幅降低。案件如果在诉讼过程中,还要注意不要公开尚未质证的敏感材料。

最后是时效意识。劳动仲裁一般有一年的申请时效,普通民事诉讼时效通常为三年,行政复议和行政诉讼的期限更短。建议在模板中固定加入“请优先检查本案涉及的所有时效问题”这一条,让模型在每个分析的开头就做时效体检。很多本来有理的案子,就是拖过了时效才陷入被动,这一点比任何分析技巧都值得写进模板里。

AI法律咨询提示词模板法律分析框架修改时间:2026-09-14 01:27:05

免责声明:已尽一切努力确保本网站所含信息的准确性。网站作品多为原创整理与精心创作,观点力求客观中立。本站旨在免费分享,内容仅供个人学习、研究或参考使用。若引用了第三方作品,版权归原作者所有。如内容涉及您的权益,请联系我们进行处理Email:chomcom@qq.com。
引用或转载本作品时,请注明当前出处:https://www.ipipp.com/html/20260914/56373.html,基于非商业用途的前提下,欢迎转载或二创本作品。
内容垂直聚焦
专注技术核心技术栏目,确保每篇文章深度聚焦于实用技能。从代码技巧到架构设计,为用户提供无干扰的纯技术知识沉淀,精准满足专业提升需求。
知识结构清晰
覆盖从开发到部署的全链路。AI、前端、编程、数据库、服务器、建站、系统层层递进,构建清晰学习路径,帮助用户系统化掌握开发与运维所需的核心技术。
深度技术解析
拒绝泛泛而谈,深入技术细节与实践难点。无论是数据库优化还是服务器配置,均结合真实场景与代码示例进行剖析,致力于提供可直接应用于工作的解决方案。
专业领域覆盖
精准对应开发生命周期。从前端界面到后端编程,从数据库操作到服务器运维,形成完整闭环,一站式满足全栈工程师和运维人员的技术需求。
即学即用高效
内容强调实操性,步骤清晰、代码完整。用户可根据教程直接复现和应用于自身项目,显著缩短从学习到实践的距离,快速解决开发中的具体问题。
持续更新保障
专注既定技术方向进行长期、稳定的内容输出。确保各栏目技术文章持续更新迭代,紧跟主流技术发展趋势,为用户提供经久不衰的学习价值。