DeepSeek是2025年春节现象级的“爆款”产品，勤劳的法律人整个春节几乎毫不懈怠地在海边、在山上、在村里研究DeepSeek的使用方法，拥抱科技以求科技助力。免费的、算力强大的、说人话的DeepSeek的确带来又一次的震撼。我尝试和它进行了好几天的闲聊，并且不使用传统的检索方式，而用对谈的方式，看看它究竟能为法律实务工作者做什么，我并不期待它告诉我什么全新的信息，但我期待它完成更多地信息匹配、组合、连接，这对于准确适用法律很有价值。
简单不看全文的结论就是，由于司法活动特殊性，目前的AI对司法实务工作而言，仍然只是（更强大的）法条和案例检索工具、（不那么强大的）大数据分析预测工具，无他；面对科技创新，有必要保持开放的心态拥抱科技、提高效率，但更重要的是时刻保持司法工作者应有的冷静、克制，法律是滞后的，司法是保守的，司法规律应当被尊重。
【闲聊一】已经可以完成简单案件的法律适用
我找DeepSeek闲聊天，选取几个简单的刑事申诉案件，
张某上门找李某理论，二人发生口角，进而发生相互推搡，李某将张某推倒在地，张某被自己大衣内兜里随身携带的水果刀扎成重伤。请问，李某构成什么犯罪？故意伤害还是过失致人重伤？还是其他？
我特意预设了诱导的陷阱，DeepSeek的回答让我惊艳，它啰啰嗦嗦说了一大段话，我想这是它检索关键词并分析的过程，最后给我结论是：关键要看李某能否预见到张某携带刀具，如果没有特别的证据证明他能预见，那么本案就是意外事件。它只花了53秒完成了检索大前提、分析小前提、推导出结论的过程。
我又问了它一个虚假诉讼、一个违法发放贷款的案件，案情设置得略复杂一点（但都只限于法律适用），它都能抽丝剥茧地告诉我虚假诉讼的核心要件在于判断是否捏造民事法律关系，判断是否违法发放贷款则要明确当事人的具体审查义务来源和完成情况，如果通过常规手段无法识别虚假材料，则无法认定存在主观过错。
很好，这是机器深度学习法律条文和司法解释的结果，能够完成简单案件的法律适用，但是不仅法律工作者能够使用，如果当事人对案件进行过分抽象、简化，剔除特定要素，以所得到的AI结论来反诘检察官，可能释法说理的难度会更大，这也算是需要应对的挑战之一。
【闲聊二】很擅长套路式的回答
我继续有一搭没一搭地和DeepSeek闲聊，
你能为检察院的各项工作带来什么便利、变化，甚至挑战？
DeepSeek的回答相对泛泛，它说可以提升案件分析与处理效率，可以帮助证据分析与辅助决策，可以帮助法律文书生成、案件管理与追踪；带来的挑战则是数据隐私与安全，还可能造成技术依赖、影响人员培训，同时由于可能会存在算法偏见，需要将决策过程变得透明和便于理解等。
这样的回答显然不太让我满意，似乎什么都说了，又似乎什么都没说。后续几个闲聊的场景之下，DeepSeek也都采用了相同的沟通模板，第一谈效率优势（它很清楚自己的算力优势），第二谈细节优势（某些方面机器确实比人类细腻），第三谈局限性，第四谈展望未来，而且很善于拽词，但是我本身就不喜欢结构式表达，语言上也更偏好平实，所以比较无感，只感受到获取的有效信息并不算多。
【闲聊三】对自己有所高估
我又追问它，
你认为对提起公诉工作而言呢？
坦白说，这是检察院的核心业务，我想也许DeepSeek会更加被要求注重学习积累关于公诉业务的种种。DeepSeek经过14秒的深度思考，告诉我：
第一，它可以帮助检察官完成证据材料的智能预审，包括海量证据快速筛查、证据链完整校验、非法证据预警；同时，完成法律适用的精准匹配，包括罪名智能推荐、量刑情节自动提取、跨地域判例库联动。
第二，它可以完成起诉风险的动态评估、法律文书的智能生成。包括基于历史无罪判决案件特征，评估当前案件的证据情况，模拟辩方策略，提前生成预案，完成社会影响分析，生成法律文书初稿、核校法律文书。
第三，必须坦言，技术赋能不足以解决证据审查的“算法黑箱”困境，不能回应司法裁量权的边界之争，同样地还可能由于技术依赖而造成自主审查能力的退化。
第四，它畅想了未来，认为AI可以辅助初筛，使检察官集中精力攻克重大疑难复杂案件，甚至可以利用大数据分析特定法官的裁判风格、制定更有针对性地出庭预案。
这份答案，它至少抓住了单个证据（审查）、证据链（印证）、排除非法证据的几个关键环节，提出了帮助完成法律文书初稿、实现繁简分流的思路，也非常坦诚地承认在证据关联性分析上、模仿裁量权上还没有太学会。它关于这个问题的回答，比较像一个满怀憧憬的大学生，对实务了解的不算太多，但相信自己可以大干一场。更具体一点，我想它可能在某些方面高估自己了，纷繁复杂的案件细节足以让它算到崩溃，它可以适应海量，但是它不能准确地完成筛查，因为人类自己都没有提炼出适用一切情形的判断规则，又如何训练它呢？
【闲聊四】掌握的信息超出预期
我还想知道它对于检察院的“小众业务”了解多少，有什么想法可以碰撞。于是我继续追问它，
那么，DeepSeek可以给检察院的刑事申诉审查工作带来什么帮助呢？
它思考15秒后告诉我，因为你之前问了相关问题，所以我想我这次的回答要在原有框架下、结合特殊性进行分析（我理解意思是提醒它自己不要自相矛盾、不要明显重复）。
第一，可以提升效率，破解“申诉积压”的难题。包括AI帮助完成申诉材料的智能初筛，解析申诉类型、标记优先级；完成矛盾点的自动标注。
第二，帮助强化审查精度，实现从“粗放复查”到“靶向突破”。包括对新证据进行实质审查，判断“新证据”是否足以推翻原审事实认定；利用图像篡改检查等技术识别证据真伪；重建诉讼时间轴，排除非法证据，识别未随案移送的证据。
第三，局限则在于算法的预测结果可能引发投机性申诉，技术依赖导致审查惰性、导致AI无法发现的错误被忽略，如果训练数据是错误的则AI学习结果也是错误的。
第四，对未来的设想是可以识别申诉书中的“情绪化表述”自动生成标准回复模板进行心理安抚，共享数据发现系统性错误，对接舆情风险。
这次的回答，我认为它表现出了更丰富的知识结构，它了解申诉无门槛、申诉案件可能存在积压难题，在此基础上提出了繁简分流、区分优先级的处理思路。
从DeepSeek的回答看，它真的知道自己能做点什么吗？或者知道司法实践需要什么、以及它能完成什么吗？从交谈情况看，我想它怕是对自己有所误会。概括地说，经过深度学习的AI能够完成“有逻辑的重复性劳动”，但是不擅长针对特定情况的“查漏补缺”，而每一个司法案件都是充满了特定的漏和缺，事先无法想象、无法穷尽，所以AI只能够完成初步辅助工作。以刑事申诉案件为例：
1. 关于申诉材料的智能初筛。
它认为自己能够完成申诉类型自动分类，实践中，申诉类型是交叉的，申诉理由往往不仅仅包括事实认定错误、法律适用错误、程序错误的单一选项，申诉理由是综合的，目标都是改变原裁判或决定，所以对申诉类型的分类意义作用不大，案件也无法作单一分类。它认为自己能完成的重复申诉识别，目前非智能化的案件管理系统也能够识别重复申诉。
对申诉材料的形式审查，生成补充材料提示清单，我想AI可以完成。
2. 关于在案证据矛盾点的识别与标注。
AI可以完成初级的甄别，比如明显的时间线冲突，认定的犯罪行为时间与不在场证据的时间矛盾等。但是，新证据能否推翻在案证据，AI可能无法完成，因为这涉及到对新证据的评价，对原案证据印证情况的评价，新证据往往与既有在案证据不同，它的来历、它在原审中为何未被提取、它的变化过程，它与在案证据不一致的原因，都需要综合分析。
所以，AI在破解“申诉积压”难题这一版块中的作为是相当有限的，但是申诉案件确实亟须繁简分流，所以AI和人类的深度合作值得期待，这需要跨学科的交融，一方不停地说我们要什么，另一方不停地说你什么意思。
3. 法律适用错误检测。
AI信心满满地认为它可以自动识别作出原裁判、决定时有效的法律与现行法律的差异，提示因法律变化引发的再审必要性。再审案件通常适用行为时的法律，并且从旧而不再从轻，这样的比较意义不大，AI理解了从旧兼从轻，没有记住什么时候从旧不从轻。至于通过对案例库进行比对，分析裁判在定罪量刑上的偏离程度，《人民检察院办理刑事申诉案件规定》第45条规定抗诉要求“量刑明显不当”，明显不当通常要求跨越刑格，这样的分析基于刑法规定即可完成，且具有个案的特定性，大数据分析没有更多优势。
4. 新证据的实质审查。
AI专门再次提到了新证据，我想这是来源于对再审事由的学习，它认为自己可以进行证据之间的关联分析，比如微信聊天记录和犯罪金额的对应性，可是分析这样简单、直白的模型借助不了大数据，如果从司法伦理上不能节约人工复核这一步骤，也并不能节约人工成本。
5. 标准化回复模板。
AI认为，它通过识别申诉书中的“情绪化表述”，可以进行模板式安抚，不得不说，这个想法很“AI”，申诉人不太可能“接受”这样的机器安抚。
分析AI的想法，同时要关注司法的特殊性。司法追求绝对的精准性，认定事实的细节要绝对准确，不能是趋势或者可能性（即便只能认识到可能性也要依据程序法的规则来给出确定的答案），法律适用要绝对准确，定罪量刑要绝对准确，司法工作者行使裁量权也是在给定的框架下、依据法的原理原则来进行，这就决定了司法工作永远无法依赖AI、信赖AI，只能把AI当作一个过程性工具，就如同各大“使用指南”中准确定位的那样，它应当被安放在“法律信息检索”课程之下。
通过和DeepSeek交流，以及分析AI的学习训练原理发现，它可以是一款强大的检索工具，用来检索关联法条、比对法条、检索案例，甚至对比案例的差异，但是遇到纷繁复杂的案件中的各种细节“变量”时，由于AI所学习到的资料都是不同的（没有绝对一致的案情和裁判），无法保证AI学习资料的准确性，也无法保证AI分析的准确性，AI仍然只能作为一款检索工具，完成基础的辅助工作，它在法学理论研究领域的作用可能甚于司法实务领域。同时从技术上看，AI最大的优势在于占有海量数据，并以此进行分析，大数据的价值在于分析和预测，它对于司法实务的作用集中在类似于虚假诉讼案件的分析判断、违法线索的初步筛查上，但是，海量数据总体提供一种趋势或者可能性，而司法是被动的、保守的，前沿的预测远远谈不上对司法的影响、冲击。
保守的法律工作者认为，法律是保守的，司法也是保守的，如何理解保守？在民事上是被动的不告不理，在刑事上是刑法适用的克制、谦抑，在程序上是程序法定，在司法管理上是尊重应有的司法规律。
我问DeepSeek你赞同司法的保守性吗？
它对我表示了深深的认同，我想这是基于对大量法学论文的学习而形成的正确观念。它认为司法体现出浓郁的保守性，例举了从成文法的可预测性，到判例法的遵循先例，到程序法定，更重要的是司法的克制性和中立性，司法应当避免过于锋芒与激进，避免卷入过分争议的社会议题带来结果的动荡，而应当适度等待社会意识的共识等等，由此维护法律的权威与社会预期。
保守的法律工作者甚至认为，法律的滞后性、司法的保守性所固有的弊端是我们不得不承受的。社会创新、技术革新、观念更新对社会治理提出的挑战，可能并不应当由司法来迅速回应，司法难堪此任，一旦结果反复危害更甚。
司法保守，刑事申诉案件的办理可能在此基础上更加保守。刑事申诉位于已完成的刑事诉讼程序之后，可能是完整的审判程序之后，也可能是完整的作出检察决定的程序之后。刑事申诉，是当事人对检察院诉讼终结的刑事处理决定或者法院已经发生法律效力的刑事裁判不服，向检察院提出的申诉。检察院通过办理刑事申诉案件，纠正错误的决定、判决和裁定，维护正确的决定、判决和裁定，保护当事人的合法权益，促进司法公正，维护社会和谐稳定，保障国家法律的统一正确实施。刑事申诉案件大多案发年代不新近（案发久远的可以到上个世纪五六十年代）、诉讼程序复杂，同时，由于刑事申诉案件没有审查级别和期限的限制，个案复杂程度差异也非常大，有的案件相对简单明确，有的案件证据情况非常“不好”，还有必要放在当时特定的条件下进行分析，比如“两个基本”。
我们办案观察发现，办理刑事申诉案件有几个难点和要点，来具体看看AI能帮助完成哪些。
第一，需要甄别内容庞杂的申诉理由，从中把握实质。
当事人为了“保险起见”，其申诉理由通常试图涵盖所有“门类”，包括事实认定错误、法律适用错误、程序违法、枉法裁判、出现新证据。归纳申诉理由、聚焦案件焦点问题的过程，AI就无法胜任，因为AI难以在人类的“斗智斗勇”中抓住实质。
“三个善于”要求我们首先从纷繁复杂的法律事实中准确把握实质法律关系，而不是眉毛胡子一把抓，把握实质法律关系本身就是一个逐渐聚焦的过程。比如有的当事人提出侦查检察审判人员都在制造假证据“害他”，也没有就此提出线索或证据，我们审查聚焦的重点就不能是“害他”本身，而应当是取证的程序是否合法，证物保管的程序是否合法，在案证据能否相互印证、排除合理怀疑。
第二，需要审查原审、原案事实认定是否正确。
事实证据是刑事诉讼中的基础、关键问题，也被实践证实为错案的普遍致错因素。把好事实证据关、案件质量关，回应“案件事实证据经得起法律检验”的要求，方能落实尊重和保障人权，防止和纠正冤错案件。从既往纠正冤错案件的事实证据错误“分型”看，可以提炼为“确定犯罪嫌疑人缺乏证据证明”“收集证据合法性不能排除合理怀疑”“以口供组织证据体系”“无视无罪证据和被告人辩解”，这些错误类型提示了重要的申诉案件审查方向，这些经验我们还没有来得及告诉AI，我们还在不断总结提炼。
那么，
首先，审查的思路应当是强化单一证据审查和证据印证的实质结合。
证据的关联性审查应当被强化，在定案关键环节（主要是锁定确定犯罪嫌疑人的环节）突出关联性审查，比如，核实报警记录和报警人的证言（核实案件来源），公安机关出具的抓获经过、破案报告（又要注意效力层级不同，仅作为辅助分析，与其他证据区别对待），与案件侦破密切相关的现场勘查笔录、鉴定意见等的内在一致性，最终判断审查确定犯罪嫌疑人时是否产生了方向性错误，以此作为刑事申诉审查的前提和基础。这是一个复杂的过程，既涉及到对单一证据的评价、评级，也涉及到证据内在联系的判断，尤其是内在一致性问题，相对复杂。
同时，合法性审查的延续应注重与证明力评估相结合；证据印证应当着重把握排除证据之间的矛盾和能否得出唯一结论。
比如，办理刑事申诉案件发现，在原审被告人申诉的案件中，绝大多数申诉人会将“侦查机关以刑讯逼供等非法方法收集证据、应予排除”作为申诉理由。
刑事申诉程序通常需要对此进行审查、回应，对此类问题的审查大致有几种结果：一是审查全案没有发现刑讯逼供的线索更不要说证据，这种情况AI可以独立判断、确认取证合法性；二是虽然不能查实存在以非法方法收集证据，但是取证的合法性高度存疑，确有必要有针对性地审查所收集证据的真实性，也就是虽不能直接判断排除，但应当强化相应证据的审查，需要及时进行方向性调整；同时，AI面对各类小小瑕疵时可能又将陷入迷惑，比如同录与供述不对应、疲劳讯问、讯问场所不符合规定等，AI 可能会提出大量的细节瑕疵，采信还是排除，这是个大问题；三是调查证实以非法方法收集证据，应予排除。这里的审查既涉及到方向性调整，又涉及到瑕疵甄别判断，无论承办人还是当事人可能都不能放心将它交给AI判断。
