全生命周期法律模擬世界｜一鍵推演 or 親自上場？法律界的「模擬人生」來了

1. 引言

視頻鏈接：https://mp.weixin.qq.com/s/E3e8Sp0BTQ0Nu_gyRXEUHA

打官司，從來不是一問一答就能結束的事。

對當事人來說，一個案件意味著與律師的反復溝通、一輪輪文書起草，再到一審庭審、提出上訴、二審裁判，事實在積累，證據在交鋒，每一步都建立在上一步之上。而對律所來說，這背后還有一整套專業運轉：檢測利益沖突、分配代理律師、擬定訴訟策略…… 一個案件的生命周期，遠比一次問答復雜得多。而現有的模擬系統，大多還停留在單點模擬：演一次庭審、答一道法考題，答完就重置，仿佛案件沒有過去，也沒有未來。

LEGALWORLD 想改變這一點。

這是一個基于 LLM 智能體驅動的全生命周期交互模擬的法律環境。在這里，一個完整的中國民事實務被組織成一條連續推進的狀態鏈，沿著五個階段、七個子場景一路走到底：法律咨詢，一審文書，一審庭審，上訴文書，二審庭審。整個環境圍繞客戶、律師、法官等異構 LLM Agent 組織交互，內置7 萬 + 個模擬案件，覆蓋 500+ 民事案由，也支持用戶自定義案情推演；系統還配置了6 類法律相關的 Skill 與 17 類 Tool，覆蓋案件記憶讀寫、法條與類案檢索、文書導出、引用校驗、文檔對比、評測執行等環節。

LEGALWORLD 同時提供在線交互系統與MCP Server。你可以用三種方式進入這個世界：

親自下場—— 扮演當事人、律師或法官，與 LLM 智能體實時交互，體驗一場官司的完整生命周期。

?一鍵推演—— 讓 AI 接管全部角色，自動跑完從立案到終審的全流程，觀察不同策略如何導向不同結局。

接入 MCP Server—— 連接到 Claude、Cursor 或其他 AI Agent，讓外部智能體在真實流程化場景中交互、訓練與持續演化。

• 論文標題：LEGALWORLD: ALife-Cycle Interactive Environment for Legal Agents
• 在線體驗：http://www.fudan-disc.com/legalworld
• 論文地址：https://arxiv.org/abs/2606.18728
• 項目主頁：https://github.com/sii-research/Legal-world

LEGALWORLD 將一個民事糾紛從法律咨詢、起訴狀起草一路推進到一審庭審，并在每個階段持續更新案件事實、證據與核心訴求。圖中虛線展示了“案件記憶”如何跨階段流動：前一階段說過什么、寫過什么，會真實影響后一階段的庭審推進。

2. 構建方法

LEGALWORLD 的構造方法可以概括為一句話：把真實的一審 — 二審配對裁判文書整理成可運行的案件種子，再放入一個按民事訴訟程序推進的多 Agent 環境中。

在這個環境里，一個案件不是一次性丟給模型的靜態材料，而是一條會持續更新的狀態鏈。系統會根據當前階段和角色，逐步釋放案件事實、證據、訴求、文書和庭審記錄；每個階段產生的新對話、新文書和新判斷，又會被寫回案件狀態，繼續影響后面的程序推進。

因此，LEGALWORLD 的重點不是簡單構造數據，而是構造一個完整的法律 Agent 運行環境：客戶、律師、法官擁有不同的信息視野和行動邊界；咨詢、文書、一審、上訴、二審之間通過階段轉移連接；記憶機制負責保存跨階段事實、證據和立場；Skill/Tool 則約束 Agent 在檢索、起草、校驗和記憶寫入中的具體行為。

LEGALWORLD 將中國民事訴訟建模為一個連續推進的生命周期環境：從法律咨詢、文書起草、一審庭審，到上訴角色確定、二審文書起草和二審庭審，客戶、律師和法官三類 Agent 在不同階段通過各自的可見信息、行動邊界和程序接口參與案件推進。

2.1 數據基礎：75,309 對真實一審 — 二審民事判決

LEGALWORLD 建立在真實裁判文書之上。論文從中國裁判文書網收集公開民事一審和二審判決，并將同一糾紛的一審、二審文書進行配對。最終，環境構建使用了：75,309 對一審 — 二審民事案件，覆蓋 500+ 個民事案由。這些成對判決會被轉化為結構化案件種子，包括當事人信息、訴訟請求、事實與理由、證據列表、一審裁判、上訴請求、二審裁判等字段。隨后，環境并不會把這些信息一次性暴露給所有 Agent，而是根據階段和角色逐步釋放。

LEGALWORLD 基于 75,309 組一審—二審配對民事案件構建，覆蓋不同法院層級與 500+ 案由。數據分布既包含民間借貸、勞動爭議等高頻糾紛，也保留大量長尾案由，為法律 Agent 的全流程仿真提供了真實世界的案件底座。

2.2 狀態、接口與階段轉移

對于某個案件和某個階段，環境會給每個 Agent 組裝一個專屬接口。這個接口大致包括四類內容：

對每個案件和階段，LEGALWORLD 都會為當前 Agent 生成一個角色專屬接口。這個接口不會直接暴露完整案卷，而是只提供該角色在當前程序中應當看到的信息，并限制它可以執行的動作、可調用的 Skill/Tool，以及本階段應遵循的程序模板。

一個階段的運行可以理解為：環境讀取上一階段留下的案件狀態，按角色分配可見信息與工具權限，記錄本階段產生的對話、文書和庭審產物，再把這些結果寫回案件狀態，作為下一階段的輸入。

LEGALWORLD 構建的環境模擬設施可以理解為一個 “訴訟操作系統”：案件種子是初始文件，角色接口是權限系統，階段模板是流程調度，記憶機制是長期存儲，Skill/Tool 是可執行能力，最終共同支撐一條可復現、可評測、可干預的案件軌跡。

2.3 異構角色：多方博弈，各有邊界

LEGALWORLD 中的交互不是單模型自問自答，而是由客戶、律師、法官三類角色共同推動：

• 客戶 Agent：代表當事人，提供事實、表達訴求、回應追問，并在庭審中按自身立場陳述。論文還設計了 Legal Client Persona Framework（LCPF），從法律素養、信息披露意愿、情緒穩定性、敘事組織能力四個維度塑造客戶行為。
• 律師 Agent：核心專業角色，承擔法律咨詢、文書起草與訴訟代理。實驗中通常指定一方律師作為被評測的目標 Agent，觀察其在完整訴訟鏈條中的表現。
• 法官 Agent：控制庭審流程、組織調查與辯論，并在一審、二審生成裁判文書。

更關鍵的是，不同角色看到的信息并不相同：客戶看不到對方的私有記憶，律師只能讀取己方案卷，法官不會讀取當事人的訴訟底線。這種 "可見狀態" 約束，讓每個角色都在自己的知識邊界內行動 —— 正如真實訴訟。

2.4 雙層記憶機制：讓案件 "記得住"

面對長程訴訟，LEGALWORLD 引入兩層記憶：

• 場景內局部記憶：保存當前場景的對話記錄（咨詢問答、庭審發言輪次等），保證場景內交互連續。
• 全局案件記憶：跨階段保存穩定信息 —— 案件事實、證據狀態、訴訟請求、抗辯意見、程序進展、客戶目標與已確認的訴訟立場。

可以這樣理解：局部記憶像 "當前會議紀要"，全局記憶像 "律師案卷"。每個階段結束后，新的對話、文書和裁判結果都會寫入對應角色的記憶 —— 律師記憶偏專業案卷，客戶記憶偏當事人視角。模型因此無法每次從零開始，必須在長期案件中持續維護自己的認知。

2.5 Skill / Tool：像法律人一樣工作

• Skill更像法律實踐手冊，規定 Agent 在特定階段的行動步驟：如何進行客戶訪談、如何組織起訴狀、如何撰寫上訴狀、如何圍繞爭點發表庭審意見。
• Tool是可執行工具，完成具體操作：讀寫記憶、導出文書、檢索法條、檢查引用、比較文檔、運行評測等。

在這套體系約束下，什么階段能調用什么工具、什么角色能看到什么信息、哪些材料不能被提前看到、文書與記憶如何跨階段傳遞，都有明確規則。這類基礎設施對法律 Agent 至關重要：真實的法律工作從來不只是語言生成，還包括證據組織、程序推進、角色分工與文檔流轉。

3. 實驗設置

LongJud-Bench: 完整訴訟生命周期評估基準

論文構建了 LongJud-Bench，用于評估法律 Agent 在完整訴訟生命周期中的能力。LongJud-Bench 將目標律師 Agent 的能力拆成八項：

一個模型可能很會寫文書，卻在多輪庭審攻防中無法穩定回應法官和對方律師；另一個模型可能文書格式一般，但在證據質證和法律論證上更強。LongJud-Bench 試圖把這些差異顯性化。

LongJud-Bench 把律師能力拆解為咨詢識別、文書起草、事實與證據組織、庭審攻防和法律推理等八個維度。結果顯示，不同模型各有強弱：有的更擅長文書結構，有的更擅長庭審推理，單一總分很難揭示這些能力差異。

4. 實驗結果

4.1 環境模擬可靠性驗證

217 位法律背景評審共給出 18,992 條評分，結果顯示 LEGALWORLD 在階段真實性和角色一致性上都接近 9 分。也就是說，系統生成的不只是“像法律文本”的內容，而是在程序推進、角色立場和交互邏輯上都較符合真實訴訟場景。

這張圖展示了人類評審分數與 Claude-Sonnet-4.6 自動評審分數之間的差異分布：64.4% 的評分差異落在 ±1 分以內。整體上，人類評審略更寬松，而 LLM-as-Judge 更保守，因此可以作為穩定的自動評測器來支撐大規模實驗。

如果一個模擬環境本身不可信，那么基于它的 Agent 評測也很難成立 —— 因此，論文首先驗證了 LEGALWORLD 的環境可靠性。研究邀請 217 名具有法律背景的評估者，收集了 18,992 條人工評分：LEGALWORLD 在階段真實性上的平均得分為 8.96 / 10，角色一致性為 8.98 / 10，73% 的評分不低于 9 分，而低于等于 6 分的僅占 4.5%，說明評估者整體認可其訴訟軌跡在程序推進與角色行為上的可信度。此外，論文還對比了 LLM-as-Judge 與人工評分的差異：LLM 評分整體更保守，尤其在階段真實性上給分更低，但在角色一致性上與人工評分較為接近 —— 這意味著后續用 LLM-as-Judge 做大規模評測時，可將其視為一種相對嚴格的自動評估方式。

4.2 不同 LLM 基座模擬結果：

熱力圖直觀展示了六個模型在咨詢、文書起草和庭審代理中的能力分布

論文比較多個大模型作為目標律師 Agent 放入 LEGALWORLD，在 LongJud-Bench 上比較它們的表現，得出了一個有意思的結論：沒有單一模型在所有能力上都領先。有的模型在文書起草、當事人識別和立場保持上更強，有的在一審庭審的證據攻防與法律說理上更突出，而較弱模型在庭審代理能力上會明顯掉隊 —— 這說明法律 Agent 的能力不是一個扁平分數，而是由多個專業子能力組成，只看平均分可能掩蓋真正重要的差異。更值得關注的是，庭審環節仍是當前模型的共同難點：相比文書起草，庭審要求模型在多輪對話中即時整合案件記憶、對方觀點、法官提示和證據材料，既要守住既有立場，又要隨庭審進程靈活回應 —— 這種長程、動態、對抗式的能力，正是當前法律 Agent 最需要提升的地方。

4.3 技能積累探索

基于完整案件軌跡生成 Reflective Legal Skill 后，模型在離婚后財產、民間借貸和勞動爭議三類高頻案由上均獲得提升，平均總分提高約 3.7 分，展示LEGALWORLD 的長流程交互軌跡本身也可以成為法律 Agent 訓練信號

LEGALWORLD 生成的完整訴訟軌跡，能否反過來成為 Legal Agent 的訓練信號？論文為此做了一個探索性實驗 ——Reflective Legal Skill（RLS）：當一個案件結束后，讓律師 Agent 回顧整條訴訟軌跡，總結出可復用的法律實踐規則，經去重和篩選后，這些規則會成為后續同類案件中的可選 Skill。結果顯示，在三個高頻民事案由上，加入反思 Skill 后，LongJud-Bench 總分從 61.56 提升至 65.29，平均提升 3.73 分；不僅用于生成反思的案件有提升，在未參與反思的同案由 held-out 案件上也出現了正向遷移。這揭示了 LEGALWORLD 的訴訟生命周期軌跡不僅能用于評測，也可能成為改進法律 Agent 的高質量過程數據。

5. 結語

LEGALWORLD 給法律 Agent 研究提出了一個重要方向：不要只看模型在單個問題上的表現，而要看它能否在一個案件的完整生命周期中持續工作。真實訴訟是有記憶、有因果的。第一天的咨詢、第一份文書、第一次庭審陳述，都會影響后續程序如何展開。因此，法律智能體的評測也應當從 "單點" 走向 "長程交互"。這或許是法律 Agent 走向實用化之前，必須經過的一關。

現在，這個法律世界已經向所有人開放。參與一場訴訟，或者旁觀一場推演 —— 看看 AI 離 "辦案" 還有多遠。

作者介紹

論文的第一作者來自上海創智學院和復旦大學聯培博士生左松函和復旦大學博士生岳圣斌，他們的研究方向為語言模型智能體和社會模擬。項目由上海創智學院全時導師、復旦大學大數據學院魏忠鈺教授指導。