為什麼律師需要 AI 法律研究助手：法Q 的設計理念

律師研究判決的時間，七成耗在搜尋、比對、整理；真正分析判斷的時間不到三成。法Q 不打算取代律師判斷，是想把那七成的雜活壓縮到開庭前二十分鐘可以做完的程度。做法是三件事：跨對話案件記憶、起訴書與判決書雙語料庫、法官與法條的結構化檢索。

律師的研究時間，到底耗在哪

做了幾年律師工作後我發現，一件案子接下來研究的時間，有大概七成是在搬資料 — 上司法院系統打關鍵字、翻判決字號、抄重點、比對見解、整理到 Word 裡。真正用腦判斷的部分反而很短。

問題出在三個地方。

第一，司法院裁判書系統的搜尋功能不夠聰明。打「酒駕」會跳出幾萬筆，篩條件後還是兩三千筆。律師需要的不是「所有包含這個關鍵字的判決」，而是「最相關的二十筆」。

第二，看完一篇判決要記住，看下一篇又忘了上一篇怎麼說。事務所共用的案件管理系統大多只記到「案件層級」，研究筆記散落在個人 Notion、紙本、Email 草稿裡。隔幾個月再回頭研究類似案件，等於從零開始。

第三點最關鍵 — 比較不同法官的判決傾向、整理同類案件的量刑落點，這種跨判決的分析，現有工具基本上做不到，只能靠經驗。資深律師之所以厲害，常常不是因為比較會背法條，而是因為「碰過、看過」。新進律師沒這個積累；年輕事務所沒這個資料庫。

法Q 想解的三個痛點

法Q 後端收錄 190 萬筆 1996–2025 年的司法院裁判書，再加上地檢署的檢察書類（起訴書、聲請簡易判決處刑書、追加起訴書等），前端 iOS app 用對話介面操作。聚焦三件事。

一、跨對話案件記憶

很多律師（包含我自己）平常用 AI 工具研究案件時最痛的，是「上次問過的事這次又要重新問一遍」。法Q 內建跨對話案件召回，你可以這樣問：

「之前王先生離婚那個案子，我們研究到哪個階段了？」

AI 會自動撈出你過去問過的相關對話，列出案件大綱、爭點、引用過的判決。這個功能是針對律師的工作模式設計的 — 你的案件不會在五十次對話之後消失。

二、起訴書 + 判決書雙語料庫

刑事辯護有個很實務的需求：要看「檢方怎麼起訴」配對「法院最後怎麼判」，才能拼出完整案件脈絡。法Q 同時收錄裁判書與檢察書類，可以用案號或案由把兩端串起來。

實務上看下來，從起訴書到判決書的「落差」最常出現在量刑 — 檢方求刑與法院實際判決的差距。這部分過去要一筆一筆查，現在可以直接看趨勢。

三、法官與法條的結構化檢索

承審法官的判決傾向，是律師接案時最想知道的事。法Q 抽取每筆判決的法官姓名作為 metadata，可以用語意搜尋問：「李法官最近審理的詐欺案件，量刑落點如何？」— 系統會撈出該法官近期審結的案件並整理見解。

法條面向也類似。直接問「刑法第 339 條近五年地院判決」，會回傳依年份統整的趨勢。

一個實際工作流：詐欺案件的事前研究

舉個律師工作的具體場景。手上有一件普通詐欺案，要做事前研究：

實務上要研究的問題大概是這幾個：同類案件量刑落點（地院 vs 高院）、承審法官過去判決傾向、自首與和解等減刑因子的實際影響、對造律師如何攻防。

用傳統研究方式，這四件事大概要花一整天。用法Q 的流程比較像這樣：

1. 問「最近三年地院對刑法 339 條的量刑落點」— 系統回大約 30 秒，整理出年度分布與顯著減刑因子。
2. 問「{承審法官姓名} 過去審理的詐欺案件如何處理」— 法官 metadata 查詢，列出近期判決與量刑。
3. 問「自首在實務上對量刑的影響程度」— 跨判決見解整理。
4. 以上資料會自動關聯到這個案件的對話中。下次再問「之前那件詐欺案件研究到哪了」可以直接接上。

大概 20 分鐘。剩下的時間做真正的判斷。

AI 不能做什麼

最後講邊界 — 也是律師同業最關心的部分。法Q 不會做下面幾件事：

• 不替你下判決。AI 不會說「這案件你會贏」或「應該認罪」。判斷是律師的職責，工具只整理材料。
• 不杜撰判決字號。每筆引用的 jid 都對應到司法院系統的真實判決。問到沒有的東西，會明白說「目前資料庫沒有相關判決」。
• 不寫書狀。法Q 是研究工具，不是書狀生成器。書狀的攻防策略仍需律師親自下筆。
• 不能取代律師判斷。本質上是把搬資料的時間壓縮，讓研究與判斷的時間占比反過來。

如果你是律師、法務或法律研究者，歡迎下載試試。登入後每天 5 次免費，足夠判斷對工作有沒有幫助。