本地优先 · 证据不出本机 · 开源

把一堆杂乱的案件材料,整理成可定稿的法律文书

面向消费维权、法律咨询与民事诉讼:从邮箱或文件夹一键导入证据,自动分类、结构化、按规则查缺补漏,并生成起诉状、行政复议等文书初稿——全程在你本机运行,AI 只做辅助整理,最终判断仍归你。

4 类 文书初稿
8 类 证据自动归档
md / docx / xlsx / json 多格式导出
0 证据上云
01
导入
.eml 邮件 / 材料文件夹
02
分类归档
图片·录音·聊天·凭证·合同
03
结构化
摘要·时间线·证据目录
04
查缺
缺失证据清单 + 补证话术
05
生成文书
起诉状 / 复议 / 举报…
核心能力

不替代律师判断,但把重复劳动做到位

每一步都保留原始证据的只读副本,整理结果写入独立目录,证据到文书全程可追溯。

📥

多来源导入

支持 .eml 邮件(正文 + 附件)与普通材料文件夹;附件文件名经过路径安全清洗,恶意/转发邮件也无法越权写盘。

🗂️

证据自动分类

图片、录音、视频、聊天记录、付款凭证、合同协议、行政材料、其他——八类自动归档,目录名保持 ASCII,跨平台稳定。

🧾

文本与多模态提取

直接提取 txt/md/docx/eml 文本;图片与音视频生成待识别任务,预留 OpenAI 视觉 / 转写接口,按需补处理。

🔎

规则化查缺

按案由规则比对应有证据,输出缺失证据清单与给客户的补证话术——把"还差什么"变成可执行清单。

📝

文书初稿生成

民事起诉状、行政复议申请书、举报履职申请书、行政起诉状四类模板,证据引用可回溯,供人工审核定稿。

🔌

模型可选,无 key 也能跑

OpenAI / DeepSeek 适配器均为可选;没有 key 时用规则与模板跑通全流程,多模态任务留到 pending_tasks.md

民事起诉状
行政复议申请书
举报履职申请书
行政起诉状
隐私 · 边界

当事人的材料,凭什么交给一个工具?

因为它根本不往外传。整个流水线默认在你本机跑完,云端模型只在你显式配置 key 时、只对你选择的内容调用。

  • 证据原件只读,所有整理结果写入独立目录,绝不改动原始材料。
  • 无 key 时零外部调用——纯规则 + 模板本地完成。
  • AI 仅做辅助整理与草稿,不凭空补充事实或证据,不替代法律判断。
  • 附件落盘前做路径包含校验,杜绝 .eml 路径穿越。
# 一切都在本机这棵目录里
workspace/cases/<案号>_<案由>/
├─ 01_original_materials/ # 只读原件副本
├─ 02_classified/ # 八类归档
├─ case_summary.md
├─ timeline.md · evidence_index.xlsx
├─ missing_evidence.md
└─ drafts/ # 起诉状·复议·举报…
工作方式

一条命令,邮件进,文书出

借鉴成熟文书自动化(interview → assembly)的思路:先把非结构化材料标准化,再在结构化数据上做规则与模板,AI 只在需要语义理解处介入。

# 1. 安装(本地虚拟环境)
python -m venv .venv
.venv\Scripts\python -m pip install -e .

# 2. 生成一个示例案件
python -m legal_case.cli init-sample

# 3. 跑完整流程:导入 → 分类 → 结构化 → 查缺 → 生成文书
python -m legal_case.cli run \
  --input sample_case\inbox \
  --case-type consumer_fraud \
  --client-name 张三 --opponent-name 某教育咨询公司

# 输出在 workspace/cases/<案号>_<案由>/