AI法律助手项目

这是一个基于人工智能的法律助手系统，核心是llw项目——一个完整的基于案件文书的AI对话式DEMO。其他子项目主要用于AI辅助案件文书整理功能的开发和实现。项目采用前后端分离架构，支持多种技术栈实现。

🏗️ 项目架构

ai-law/
├── llw/               # 🎯 核心项目：基于案件文书的AI对话式DEMO
│   ├── DataCrawl/     # 法律文档数据爬取和预处理
│   ├── llw-front/     # AI对话前端界面
│   └── llw-server/    # RAG后端服务 (LangChain4j + 向量数据库)
├── api-server/        # 📁 案件文书整理API服务器 (Node.js)
├── front/             # 📁 案件文书整理前端应用 (React)
├── java-server/       # 📁 案件文书整理API服务器 (Spring Boot)
├── server/            # 📁 AI聊天服务器 (LangChain)
└── data/             # 数据存储目录

📦 子系统介绍

🎯 核心项目：LLW - AI对话式法律助手 (llw/)

这是项目的核心部分，一个完整的基于案件文书的AI对话式DEMO系统。

📊 数据处理层 (llw/DataCrawl/)

技术栈: Python

负责法律文档的预处理和数据准备：

• 📄 支持PDF、DOCX、TXT等多种格式解析
• 🔍 OCR文字识别功能
• 📝 文档内容分割和向量化预处理
• 🗂️ 批量文件处理和格式转换

包含的案件文书样本:

• 中华人民共和国刑法修正案（十二）
• 最高人民法院司法解释文件
• 典型民事判决书案例

💬 AI对话前端 (llw/llw-front/)

技术栈: React 18 + Ant Design + Ant Design X

提供直观的AI对话界面，专门针对法律案件文书查询优化：

• 智能对话界面
• 案件文书检索展示
• 法律条文引用显示
• 响应式设计

🧠 RAG智能后端 (llw/llw-server/rag/)

技术栈: Spring Boot 3.4 + LangChain4j + 多数据库架构

这是AI对话的核心引擎，实现了完整的RAG（检索增强生成）架构：

🔍 智能检索能力:

• Milvus向量数据库: 语义相似度检索
• Neo4j图数据库: 法律条文关系分析
• PostgreSQL: 结构化数据存储
• MongoDB: 文档元数据管理
• Redis: 对话上下文缓存

🤖 AI对话能力:

• 支持Ollama本地大模型部署
• 支持OpenAI API集成
• 中文法律语义理解（BGE-Small-ZH嵌入模型）
• 基于案件文书的智能问答

---

📁 辅助项目：案件文书整理系统

以下项目主要用于AI辅助案件文书整理功能的开发：

1. Node.js API服务器 (api-server/)

技术栈: Node.js + TypeScript + Express + MongoDB

为案件文书整理提供后端API支持：

• 文件上传和存储管理
• 文档元数据处理
• 归档分类系统
• RESTful API接口

2. React前端应用 (front/)

技术栈: React 19 + Vite + Ant Design

案件文书整理的管理界面：

• 📊 仪表板: 案件统计和概览
• 📁 智能归档: 文档自动分类
• 📋 案件管理: 案件信息维护
• 📄 文档管理: 文书上传和编辑
• 👥 客户管理: 当事人信息管理
• 📅 日程管理: 案件时间节点跟踪

3. Java API服务器 (java-server/)

技术栈: Spring Boot 3.4.4 + MongoDB

企业级的案件文书处理服务：

• Spring Boot架构设计
• 文档解析和处理（Apache Tika）
• MongoDB数据持久化
• 文件类型识别和转换

4. AI聊天服务器 (server/)

技术栈: Node.js + TypeScript + LangChain + SQLite

轻量级的AI对话服务：

• 基于LangChain的对话管理
• Ollama本地模型集成
• 对话历史存储
• 法律知识库查询

🚀 快速开始

🎯 体验核心AI对话DEMO

环境要求

• Java 17+
• Node.js 18+
• Python 3.8+
• PostgreSQL (推荐)
• MongoDB
• Redis
• Milvus (向量数据库)
• Neo4j (可选)
• Ollama (本地AI模型)

启动LLW核心系统

1. 准备数据

cd llw/DataCrawl
pip install -r requirements.txt
python test.py  # 处理法律文档数据

2. 启动RAG后端服务

cd llw/llw-server/rag
./mvnw spring-boot:run

3. 启动AI对话前端

cd llw/llw-front
npm install
npm start

📁 开发案件文书整理功能

启动辅助开发环境

1. 启动React管理界面

cd front
npm install
npm run dev

2. 启动Node.js API服务

cd api-server
npm install
npm run dev

3. 启动轻量级AI聊天

cd server
npm install
npm run dev

4. 启动Java API服务 (可选)

cd java-server/ai_law_api_server
./mvnw spring-boot:run

🗄️ 数据库

项目使用多种数据库来满足不同的需求：

• SQLite: 存储对话历史和法律条文 (data/laws_document.db, server/db/laws.db)
• MongoDB: 文档元数据和用户数据
• PostgreSQL: 关系型数据存储 (RAG服务)
• Milvus: 向量数据库，用于语义搜索
• Neo4j: 图数据库，用于法律关系分析
• Redis: 缓存和会话管理

🔧 开发工具

• 构建工具: Webpack, Vite, Maven
• 测试框架: Jest, Spring Boot Test
• 代码规范: ESLint, TypeScript
• 容器化: 支持Docker部署
• 文档处理: Apache Tika, PDFBox

✨ 核心特色

🎯 LLW AI对话DEMO的亮点功能

1. 🤖 智能案件文书问答: 基于真实法律文档的精准问答
2. 🔍 语义检索: Milvus向量数据库支持的语义相似度搜索
3. 📊 知识图谱: Neo4j构建的法律条文关系网络
4. 🧠 RAG架构: 检索增强生成，确保回答准确性
5. 🌐 多模型支持: 同时支持Ollama本地模型和OpenAI API
6. 🎨 现代化界面: 基于Ant Design X的对话式交互

📁 案件文书整理系统特性

1. 📂 智能归档: AI辅助的文档自动分类
2. 📄 多格式支持: PDF、DOCX、图片等格式的智能解析
3. 👥 协作管理: 多用户案件协作处理
4. 📅 时间轴跟踪: 案件进展的可视化管理
5. 🔒 安全存储: 企业级的文档安全保护
6. 📱 响应式设计: 支持移动端访问

🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目。

📄 许可证

本项目采用MIT许可证，详见各子项目的许可证文件。

---

🎯 项目重点

• 核心价值: llw/ 目录包含完整的基于案件文书的AI对话式DEMO
• 开发支持: 其他目录提供案件文书整理功能的开发框架和工具
• 技术栈: 融合了现代前端、企业级后端、AI大模型等多种技术

作者: Lee Jinhao
项目类型: AI法律助手系统
核心功能: 基于案件文书的智能对话DEMO + 文书整理开发框架
最后更新: 2025年9月