让 AI 别编法条：三步核验法

通用大模型在法律场景最典型的事故不是“答得不好”，而是答得很像对的：条号对、表述顺、逻辑通，但翻开法典发现根本没有这一条，或者这一条早已被修订。

这不是模型“不认真”，而是它的工作原理决定的：它预测的是“下一句最像什么”，不是“哪一条真的存在”。所以核验不能靠提醒自己小心，要有固定动作。

第一步：定位原文，不接受转述

凡是模型给出的法条，一律要求它输出条文原文，而不是“根据某某法第 X 条规定，当事人可以……”。转述无法核验，原文可以逐字比对。

指令：请引用你依据的具体条文原文（含法律名称、条号、完整条文），不要转述。如果你不确定条号，请说明不确定，不要猜测。

拿到原文后，去权威数据库（国家法律法规数据库、北大法宝 等）检索同一法条，逐字比对。三个常见偏差要注意：条号错位、款项张冠李戴、把司法解释的内容说成法律条文。

第二步：查效力状态，这一步最容易被跳过

条文真实存在，不等于现在有效。需要确认四件事：

• 是否已被修订或废止。同一部法律可能整体修订过，旧版条号与新版本不对应。
• 是否有司法解释作了新的解释。条文没变，但适用规则变了。
• 是否处于过渡期。新规公布但尚未施行，或对特定行为有“从旧兼从轻”安排。
• 是否为上位法或特别法所排除。同一事项有专门规定时，一般法条文可能不适用。

专业数据库通常标注“现行有效/已修改/已废止”，并把历次修订版本并列展示。这一栏不看，前面所有工作都白做。

第三步：比对适用条件，而不是只看法条结论

法条是“构成要件＋法律效果”的结构。模型最容易出错的地方，是只记住了法律效果，忽略了构成要件。

指令：请把该条文拆成构成要件与法律效果两部分，逐项对照本案事实，说明每一项是否满足，不满足的说明理由。不要直接给结论。

拆成要件之后，事实与规范的对应关系就暴露出来了。很多看似“有法条支持”的主张，问题恰恰出在某个要件不成立。

把核验做成习惯，而不是靠自觉

建议在团队里定三条硬规则：

• AI 产出的任何法条引用，进入正式文书前必须回库核验一次，并在稿件上留核验痕迹（谁核的、哪天核的）。
• 涉及“现行有效”的判断，以数据库标注为准，不以模型口述为准。
• 案例引用同理：案号、法院、裁判日期、是否被改判，四项缺一不可。

顺带一提：检索工具和对话工具要分开用

对话模型擅长组织语言、拆解问题、生成检索思路；专业数据库擅长给出可核验的条文与判决。正确的组合是：用对话模型设计检索路径，用专业库取原文，再回到模型做整理。反过来——让对话模型直接“告诉我法条”，就是把最容易出错的环节交给了最不适合的工具。

站内 法律 AI 分类下的工具都支持来源标注与原文跳转，检索时优先选这类能回溯的工具，核验成本会低很多。