法律维权助手

基于 AI 的消费者维权智能咨询系统，帮助普通消费者了解维权流程、生成法律文书、推荐投诉平台。

在线体验：https://law.rxcloud.group

页面预览

智能咨询	文书工具

功能特性

• 智能对话咨询：通过对话逐步收集案件信息，提供专业的法律建议
• 法律依据分析：自动匹配相关法律条文（消保法、食安法等）
• 文书生成：一键生成投诉书、举报信、协商函、民事起诉状等法律文书（.docx 格式）
• 平台推荐：智能推荐最适合的投诉平台（12315、12345、黑猫投诉、法院等）
• 流程指导：详细的投诉流程步骤说明

技术栈架构

组件	技术	说明
后端框架	Python 3.9+ / FastAPI	异步路由、SSE 流式响应
AI 模型	智谱 GLM-4-Plus (zhipuai SDK)	流式生成、结构化信息提取
文书生成	python-docx	模板化法律文书生成
前端	Jinja2 + 原生 HTML/CSS/JS	SSE EventSource、DOMParser 安全渲染
知识库	JSON 文件 (RAG)	法律条文、投诉流程、平台规则
会话存储	Supabase PostgreSQL (JSONB)	有状态对话持久化
文档存储	Supabase Storage	.docx 文件云存储
部署	Vercel Serverless / Docker	无服务器 + 容器双模式

AI Agent 设计架构

系统核心是一个基于 有限状态机（FSM） 的对话 Agent，通过 6 个对话阶段引导用户完成维权全流程：

核心设计要点

• FSM 状态管理：6 个阶段（greeting → situation_analysis → case_summary → guidance → document_preparation → follow_up），通过字段收集阈值和关键词匹配触发状态转换
• Prompt Engineering：每个阶段有独立的提示词模板，动态注入会话上下文（已收集信息、缺失字段、法律条文）
• 结构化信息提取：LLM 在自然语言回复中嵌入 <!--EXTRACTED_JSON--> 注释块，Agent 通过正则解析提取结构化数据，更新 case_info
• 知识库注入（RAG）：根据案件类型从 JSON 知识库中检索相关法律条文、投诉流程、平台信息，注入到 LLM 提示词中
• 对话历史窗口：仅保留最近 10 条消息作为上下文，平衡信息量与 token 消耗

Agent 逻辑执行流程

每条用户消息的完整处理链路：

关键执行路径

1. 信息收集阶段：构建上下文 → LLM 流式生成 → 正则提取 JSON → 更新 case_info → 判断是否满足最小字段集 → 自动触发案件总结
2. 案件总结阶段：关键词检测用户意图（确认/修改/其他）→ 确认则注入法律知识生成维权指导，修改则回退到信息收集
3. 文书生成阶段：检查文书必需字段 → 缺失则 LLM 追问 → 齐全则触发 python-docx 模板生成 → 上传到 Supabase Storage

对话流程

系统采用六阶段对话流程，引导用户从问题描述到文书生成：

API 接口与文书类型

部署架构

项目结构

law-agent/
├── main.py                      # FastAPI 入口
├── config.py                    # 配置管理
├── requirements.txt             # 依赖列表
├── vercel.json                  # Vercel 部署配置
├── api/index.py                 # Vercel Serverless 入口
├── Dockerfile                   # Docker 镜像配置
├── docker-compose.yml           # Docker Compose 编排
├── .env                         # 环境变量（API Key）
│
├── app/
│   ├── dependencies.py          # 共享服务实例
│   ├── routers/
│   │   ├── chat.py              # 对话 API (SSE 流式)
│   │   ├── document.py          # 文书生成 API
│   │   └── platform.py          # 平台推荐 API
│   │
│   ├── services/
│   │   ├── agent.py             # 核心 Agent 逻辑
│   │   ├── llm.py               # 智谱 GLM 封装
│   │   ├── document_generator.py # 文书生成
│   │   ├── platform_recommender.py # 平台推荐
│   │   ├── knowledge.py         # 知识库加载
│   │   ├── session_store.py     # Supabase 会话存储
│   │   └── doc_storage.py       # Supabase 文档存储
│   │
│   ├── models/
│   │   ├── schemas.py           # 数据模型
│   │   └── enums.py             # 枚举定义
│   │
│   └── prompts/
│       ├── system_prompts.py    # 系统提示词
│       ├── consultation.py      # 咨询提示词
│       └── document_prompts.py  # 文书生成提示词
│
├── knowledge/
│   ├── laws/                    # 法律条文（5部法律）
│   ├── processes/               # 投诉流程（5个平台）
│   ├── platforms/               # 平台信息与推荐规则
│   └── templates/               # 文书模板（6种）
│
├── templates/
│   └── index.html               # 前端页面
│
├── static/
│   ├── css/style.css
│   ├── js/chat.js
│   └── generated/               # 生成的文书存放目录
│
└── docs/
    └── images/                  # 文档图示

快速开始

方式一：本地运行

1. 安装依赖

python3 -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows

pip install -r requirements.txt

2. 配置 API Key

复制环境变量模板并填入你的智谱 AI API Key：

cp .env.example .env

编辑 .env 文件：

ZHIPUAI_API_KEY=your_api_key_here
GLM_MODEL=glm-4-plus

获取 API Key：访问 open.bigmodel.cn 注册并创建 API Key

3. 启动服务

python main.py

服务启动后访问 http://localhost:8000

方式二：Vercel + Supabase 云部署

1. 创建 Supabase 项目

前往 supabase.com 创建项目，然后执行以下 SQL 创建会话表：

CREATE TABLE sessions (
    session_id TEXT PRIMARY KEY,
    data JSONB NOT NULL,
    updated_at TIMESTAMPTZ DEFAULT NOW()
);

在 Supabase Storage 中创建名为 documents 的存储桶（设为公开）。

2. 部署到 Vercel

# 安装 Vercel CLI
npm i -g vercel

# 部署
vercel --prod

3. 配置环境变量

printf '%s' "your_zhipuai_api_key" | vercel env add ZHIPUAI_API_KEY production
printf '%s' "glm-4-plus" | vercel env add GLM_MODEL production
printf '%s' "https://xxx.supabase.co" | vercel env add SUPABASE_URL production
printf '%s' "your_supabase_anon_key" | vercel env add SUPABASE_KEY production

注意：使用 printf '%s' 而非 echo 避免尾部换行导致 API Key 无效。

配置完成后重新部署：vercel --prod

方式三：Docker 部署

1. 配置环境变量

cp .env.example .env
# 编辑 .env 填入 API Key

2. 构建并启动

docker-compose up -d

服务启动后访问 http://localhost:8000

常用命令

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

# 重新构建
docker-compose up -d --build

API 接口

方法	路径	说明
POST	/api/chat/start	创建对话会话
POST	/api/chat/message	发送消息（SSE 流式响应）
GET	/api/chat/history/{session_id}	获取对话历史
POST	/api/document/generate	生成法律文书
GET	/api/document/download/{file_id}	下载文书 (.docx)
GET	/api/document/types	文书类型列表
POST	/api/platform/recommend	获取平台推荐
GET	/health	健康检查

支持的纠纷类型

• 商品质量问题：假货、损坏、与描述不符
• 虚假宣传：夸大宣传、虚假广告
• 退款纠纷：拒绝退款、拖延退款
• 食品安全：过期、变质、不卫生
• 服务质量问题：服务态度差、服务缩水

支持的文书类型

文书	用途
投诉书	向市场监督管理局投诉
举报信	举报商家违法行为
协商函	向商家发送正式协商函
民事起诉状	向法院提起诉讼
证据清单	整理维权证据
索赔函	正式索赔函件

投诉平台推荐

系统会根据案件情况智能推荐：

1. 12315 平台 - 政府权威渠道，有执法权
2. 12345 热线 - 政务服务便民热线
3. 黑猫投诉 - 新浪旗下媒体平台，舆论压力大
4. 消费者协会 - 免费调解服务
5. 人民法院 - 最终法律手段

注意事项

• 本系统仅供参考，不构成正式法律意见
• 复杂案件建议咨询专业律师
• 生成的文书请检查后使用，补充个人信息

License

MIT