全生命周期法律模拟世界｜一键推演 or 亲自上场？法律界的「模拟人生」来了

1. 引言

打官司，从来不是一问一答就能结束的事。

对当事人来说，一个案件意味着与律师的反复沟通、一轮轮文书起草，再到一审庭审、提出上诉、二审裁判，事实在积累，证据在交锋，每一步都建立在上一步之上。而对律所来说，这背后还有一整套专业运转：检测利益冲突、分配代理律师、拟定诉讼策略…… 一个案件的生命周期，远比一次问答复杂得多。而现有的模拟系统，大多还停留在单点模拟：演一次庭审、答一道法考题，答完就重置，仿佛案件没有过去，也没有未来。

LEGALWORLD 想改变这一点。

这是一个基于 LLM 智能体驱动的全生命周期交互模拟的法律环境。在这里，一个完整的中国民事实务被组织成一条连续推进的状态链，沿着五个阶段、七个子场景一路走到底：法律咨询，一审文书，一审庭审，上诉文书，二审庭审。整个环境围绕客户、律师、法官等异构 LLM Agent 组织交互，内置 7 万 + 个模拟案件，覆盖 500+ 民事案由，也支持用户自定义案情推演；系统还配置了 6 类法律相关的 Skill 与 17 类 Tool，覆盖案件记忆读写、法条与类案检索、文书导出、引用校验、文档对比、评测执行等环节。

LEGALWORLD 同时提供 在线交互系统 与 MCP Server。你可以用三种方式进入这个世界：

🎭 亲自下场 —— 扮演当事人、律师或法官，与 LLM 智能体实时交互，体验一场官司的完整生命周期。

⚡ 一键推演 —— 让 AI 接管全部角色，自动跑完从立案到终审的全流程，观察不同策略如何导向不同结局。

🔌 接入 MCP Server —— 连接到 Claude、Cursor 或其他 AI Agent，让外部智能体在真实流程化场景中交互、训练与持续演化。

• 论文标题：LEGALWORLD: ALife-Cycle Interactive Environment for Legal Agents
• 在线体验：http://www.fudan-disc.com/legalworld
• 论文地址：https://arxiv.org/abs/2606.18728
• 项目主页：https://github.com/sii-research/Legal-world

LEGALWORLD 将一个民事纠纷从法律咨询、起诉状起草一路推进到一审庭审，并在每个阶段持续更新案件事实、证据与核心诉求。图中虚线展示了“案件记忆”如何跨阶段流动：前一阶段说过什么、写过什么，会真实影响后一阶段的庭审推进。

2. 构建方法

LEGALWORLD 的构造方法可以概括为一句话：把真实的一审 — 二审配对裁判文书整理成可运行的案件种子，再放入一个按民事诉讼程序推进的多 Agent 环境中。

在这个环境里，一个案件不是一次性丢给模型的静态材料，而是一条会持续更新的状态链。系统会根据当前阶段和角色，逐步释放案件事实、证据、诉求、文书和庭审记录；每个阶段产生的新对话、新文书和新判断，又会被写回案件状态，继续影响后面的程序推进。

因此，LEGALWORLD 的重点不是简单构造数据，而是构造一个完整的法律 Agent 运行环境：客户、律师、法官拥有不同的信息视野和行动边界；咨询、文书、一审、上诉、二审之间通过阶段转移连接；记忆机制负责保存跨阶段事实、证据和立场；Skill/Tool 则约束 Agent 在检索、起草、校验和记忆写入中的具体行为。

LEGALWORLD 将中国民事诉讼建模为一个连续推进的生命周期环境：从法律咨询、文书起草、一审庭审，到上诉角色确定、二审文书起草和二审庭审，客户、律师和法官三类 Agent 在不同阶段通过各自的可见信息、行动边界和程序接口参与案件推进。

2.1 数据基础：75,309 对真实一审 — 二审民事判决

LEGALWORLD 建立在真实裁判文书之上。论文从中国裁判文书网收集公开民事一审和二审判决，并将同一纠纷的一审、二审文书进行配对。最终，环境构建使用了：75,309 对一审 — 二审民事案件，覆盖 500+ 个民事案由。这些成对判决会被转化为结构化案件种子，包括当事人信息、诉讼请求、事实与理由、证据列表、一审裁判、上诉请求、二审裁判等字段。随后，环境并不会把这些信息一次性暴露给所有 Agent，而是根据阶段和角色逐步释放。

LEGALWORLD 基于 75,309 组一审—二审配对民事案件构建，覆盖不同法院层级与 500+ 案由。数据分布既包含民间借贷、劳动争议等高频纠纷，也保留大量长尾案由，为法律 Agent 的全流程仿真提供了真实世界的案件底座。

2.2 状态、接口与阶段转移

对于某个案件和某个阶段，环境会给每个 Agent 组装一个专属接口。这个接口大致包括四类内容：

对每个案件和阶段，LEGALWORLD 都会为当前 Agent 生成一个角色专属接口。这个接口不会直接暴露完整案卷，而是只提供该角色在当前程序中应当看到的信息，并限制它可以执行的动作、可调用的 Skill/Tool，以及本阶段应遵循的程序模板。

一个阶段的运行可以理解为：环境读取上一阶段留下的案件状态，按角色分配可见信息与工具权限，记录本阶段产生的对话、文书和庭审产物，再把这些结果写回案件状态，作为下一阶段的输入。

LEGALWORLD 构建的环境模拟设施可以理解为一个 “诉讼操作系统”：案件种子是初始文件，角色接口是权限系统，阶段模板是流程调度，记忆机制是长期存储，Skill/Tool 是可执行能力，最终共同支撑一条可复现、可评测、可干预的案件轨迹。

2.3 异构角色：多方博弈，各有边界

LEGALWORLD 中的交互不是单模型自问自答，而是由客户、律师、法官三类角色共同推动：

• 客户 Agent：代表当事人，提供事实、表达诉求、回应追问，并在庭审中按自身立场陈述。论文还设计了 Legal Client Persona Framework（LCPF），从法律素养、信息披露意愿、情绪稳定性、叙事组织能力四个维度塑造客户行为。
  
• 律师 Agent：核心专业角色，承担法律咨询、文书起草与诉讼代理。实验中通常指定一方律师作为被评测的目标 Agent，观察其在完整诉讼链条中的表现。
  
• 法官 Agent：控制庭审流程、组织调查与辩论，并在一审、二审生成裁判文书。
  

更关键的是，不同角色看到的信息并不相同：客户看不到对方的私有记忆，律师只能读取己方案卷，法官不会读取当事人的诉讼底线。这种 "可见状态" 约束，让每个角色都在自己的知识边界内行动 —— 正如真实诉讼。

2.4 双层记忆机制：让案件 "记得住"

面对长程诉讼，LEGALWORLD 引入两层记忆：

• 场景内局部记忆：保存当前场景的对话记录（咨询问答、庭审发言轮次等），保证场景内交互连续。
  
• 全局案件记忆：跨阶段保存稳定信息 —— 案件事实、证据状态、诉讼请求、抗辩意见、程序进展、客户目标与已确认的诉讼立场。

可以这样理解：局部记忆像 "当前会议纪要"，全局记忆像 "律师案卷"。每个阶段结束后，新的对话、文书和裁判结果都会写入对应角色的记忆 —— 律师记忆偏专业案卷，客户记忆偏当事人视角。模型因此无法每次从零开始，必须在长期案件中持续维护自己的认知。

2.5 Skill / Tool：像法律人一样工作

• Skill 更像法律实践手册，规定 Agent 在特定阶段的行动步骤：如何进行客户访谈、如何组织起诉状、如何撰写上诉状、如何围绕争点发表庭审意见。
  
• Tool 是可执行工具，完成具体操作：读写记忆、导出文书、检索法条、检查引用、比较文档、运行评测等。

在这套体系约束下，什么阶段能调用什么工具、什么角色能看到什么信息、哪些材料不能被提前看到、文书与记忆如何跨阶段传递，都有明确规则。这类基础设施对法律 Agent 至关重要：真实的法律工作从来不只是语言生成，还包括证据组织、程序推进、角色分工与文档流转。

3. 实验设置

LongJud-Bench: 完整诉讼生命周期评估基准

论文构建了 LongJud-Bench，用于评估法律 Agent 在完整诉讼生命周期中的能力。LongJud-Bench 将目标律师 Agent 的能力拆成八项：

一个模型可能很会写文书，却在多轮庭审攻防中无法稳定回应法官和对方律师；另一个模型可能文书格式一般，但在证据质证和法律论证上更强。LongJud-Bench 试图把这些差异显性化。

LongJud-Bench 把律师能力拆解为咨询识别、文书起草、事实与证据组织、庭审攻防和法律推理等八个维度。结果显示，不同模型各有强弱：有的更擅长文书结构，有的更擅长庭审推理，单一总分很难揭示这些能力差异。

4. 实验结果

4.1 环境模拟可靠性验证

217 位法律背景评审共给出 18,992 条评分，结果显示 LEGALWORLD 在阶段真实性和角色一致性上都接近 9 分。也就是说，系统生成的不只是“像法律文本”的内容，而是在程序推进、角色立场和交互逻辑上都较符合真实诉讼场景。

这张图展示了人类评审分数与 Claude-Sonnet-4.6 自动评审分数之间的差异分布：64.4% 的评分差异落在 ±1 分以内。整体上，人类评审略更宽松，而 LLM-as-Judge 更保守，因此可以作为稳定的自动评测器来支撑大规模实验。

如果一个模拟环境本身不可信，那么基于它的 Agent 评测也很难成立 —— 因此，论文首先验证了 LEGALWORLD 的环境可靠性。研究邀请 217 名具有法律背景的评估者，收集了 18,992 条人工评分：LEGALWORLD 在阶段真实性上的平均得分为 8.96 / 10，角色一致性为 8.98 / 10，73% 的评分不低于 9 分，而低于等于 6 分的仅占 4.5%，说明评估者整体认可其诉讼轨迹在程序推进与角色行为上的可信度。此外，论文还对比了 LLM-as-Judge 与人工评分的差异：LLM 评分整体更保守，尤其在阶段真实性上给分更低，但在角色一致性上与人工评分较为接近 —— 这意味着后续用 LLM-as-Judge 做大规模评测时，可将其视为一种相对严格的自动评估方式。

4.2 不同 LLM 基座模拟结果：

热力图直观展示了六个模型在咨询、文书起草和庭审代理中的能力分布

论文比较多个大模型作为目标律师 Agent 放入 LEGALWORLD，在 LongJud-Bench 上比较它们的表现，得出了一个有意思的结论：没有单一模型在所有能力上都领先。有的模型在文书起草、当事人识别和立场保持上更强，有的在一审庭审的证据攻防与法律说理上更突出，而较弱模型在庭审代理能力上会明显掉队 —— 这说明法律 Agent 的能力不是一个扁平分数，而是由多个专业子能力组成，只看平均分可能掩盖真正重要的差异。更值得关注的是，庭审环节仍是当前模型的共同难点：相比文书起草，庭审要求模型在多轮对话中即时整合案件记忆、对方观点、法官提示和证据材料，既要守住既有立场，又要随庭审进程灵活回应 —— 这种长程、动态、对抗式的能力，正是当前法律 Agent 最需要提升的地方。

4.3 技能积累探索

基于完整案件轨迹生成 Reflective Legal Skill 后，模型在离婚后财产、民间借贷和劳动争议三类高频案由上均获得提升，平均总分提高约 3.7 分，展示LEGALWORLD 的长流程交互轨迹本身也可以成为法律 Agent 训练信号

LEGALWORLD 生成的完整诉讼轨迹，能否反过来成为 Legal Agent 的训练信号？论文为此做了一个探索性实验 ——Reflective Legal Skill（RLS）：当一个案件结束后，让律师 Agent 回顾整条诉讼轨迹，总结出可复用的法律实践规则，经去重和筛选后，这些规则会成为后续同类案件中的可选 Skill。结果显示，在三个高频民事案由上，加入反思 Skill 后，LongJud-Bench 总分从 61.56 提升至 65.29，平均提升 3.73 分；不仅用于生成反思的案件有提升，在未参与反思的同案由 held-out 案件上也出现了正向迁移。这揭示了 LEGALWORLD 的诉讼生命周期轨迹不仅能用于评测，也可能成为改进法律 Agent 的高质量过程数据。

5. 结语

LEGALWORLD 给法律 Agent 研究提出了一个重要方向：不要只看模型在单个问题上的表现，而要看它能否在一个案件的完整生命周期中持续工作。真实诉讼是有记忆、有因果的。第一天的咨询、第一份文书、第一次庭审陈述，都会影响后续程序如何展开。因此，法律智能体的评测也应当从 "单点" 走向 "长程交互"。这或许是法律 Agent 走向实用化之前，必须经过的一关。

现在，这个法律世界已经向所有人开放。参与一场诉讼，或者旁观一场推演 —— 看看 AI 离 "办案" 还有多远。

作者介绍

论文的第一作者来自上海创智学院和复旦大学联培博士生左松函和复旦大学博士生岳圣斌，他们的研究方向为语言模型智能体和社会模拟。项目由上海创智学院全时导师、复旦大学大数据学院魏忠钰教授指导。

文章来自于"机器之心"，作者 "机器之心"。