【项目实训】法律文书智能摘要系统4

本期开发工作围绕"法律文书智能摘要系统"的体验升级与功能拓展展开，并成功启动了"法律文书智能生成"与"主题建模"两大新模块的研发。团队在文书管理效率、阅读交互体验、底层数据处理能力以及智能化文书创作四个方面取得了显著进展。核心工作包括：完成了文书管理模块的五项核心功能迭代与多项优化，打通了示例展示与文书阅读的壁垒；实现了悬浮词典、主题调节与富文本批注等高级阅读特性；从零实现了不依赖第三方重型库的BERTopic主题建模管线；并初步构建了基于大模型的多类型法律文书智能生成能力。

核心模块进展

1. 文书管理与阅读体验模块

本模块聚焦于提升用户对文书资产的日常管理效率和深度阅读体验。

• 1.1 连接示例展示与文书阅读：

  • 在文书管理页面直接嵌入示例卡片，支持按类型过滤，解决了模块割裂问题。
  • 实现了文书管理页与示例库的双向联动，取消示例后自动刷新。
    

• 1.2 批量操作能力：

  • 批量删除： 新增专职后端接口 POST /api/documents/batch_delete，前端增加复选框与吸顶操作栏，实现高效批量删除。
  • 批量导出： 新增 GET /api/documents/export 接口，后端将选中文书的结构化JSON元数据、纯文本内容 打包为ZIP流式下载，而非简单导出源文件。
    

• 1.3 智能阅读辅助：
  

  • 悬浮词典： 采用本地词库预加载 + 后端异步更新双轨机制。前端通过正则扫描高亮法律术语，点击后弹出浮动卡片显示解释与法条。实现了事件委托以优化性能。
  • 主题与字体调节： 新增明亮、暗黑、护眼（米黄）三种主题模式，并集成字体缩放控件。用户偏好通过 Pinia Store 持久化至 localStorage。
  • 富文本批注系统重构：
    • 问题根因： 旧批注仅存储文本，无DOM位置信息，导致无法在原文定位高亮。
    • 解决方案： 扩展批注数据模型，增加 anchorRange (段落索引、起止偏移) 和 richComment (Tiptap JSON格式)字段。
    • 技术实现： 前端实现区间合并算法，在原文对应位置渲染 <mark> 高亮；右侧批注面板集成 Tiptap 编辑器，支持富文本格式；实现了批注与原文的双向联动滚动与高亮激活。
      

• 1.4 交互流程优化：

  • 全局搜索： 将 Ctrl+K 全局搜索的跳转目标从"工作台"改为"文书管理"页面，并自动填充搜索关键字进行表格筛选。
  • 上传流程： 将"上传文档"改为模态框形式内嵌于管理页，上传成功后自动关闭弹窗并刷新下方表格，实现了无跳转、无刷新的流畅体验。
  • 页面跳转逻辑： 将文书详情查看从"全屏跳转"改为"右侧滑出抽屉(Drawer)"模式，返回时保留管理页列表状态，心流不中断。

2. 法律文书主题建模模块

本模块旨在通过无监督学习，自动发现文书库中的潜在主题结构，辅助案由分析与趋势洞察。

• 2.1 技术路线：

  • 核心思路： 不依赖 bertopic、torch 等重型库，从零实现"Embedding → 降维 → 聚类 → 主题词提取"四步管线。
  • 优雅降级设计：
    • Embedding：优先调用 OpenAI text-embedding-3-small API，失败时降级为随机向量。
    • 降维：优先使用 umap-learn，缺失依赖时使用纯 NumPy 实现的 PCA。
    • 聚类：优先使用 hdbscan，缺失时基于余弦相似度阈值进行贪心聚类。
    • 分词：优先使用 jieba，缺失时使用正则表达式提取中文字符。
  • 主题表示： 实现了 c-TF-IDF (class-based TF-IDF) 算法，为每个主题簇提取最具代表性的关键词。

• 2.2 前端可视化：

  • 使用 ECharts 绘制 2D 散点图，展示文档在主题空间中的分布（UMAP降维）。
  • 设计主题卡片，展示主题ID、自动标签（前3个关键词）、文档数量及关键词权重。

3. 法律文书智能生成模块

本模块允许用户基于已解析的文书，通过AI辅助快速生成多种类型的标准化法律文书。

• 3.1 核心功能：

  • AI自动提取： 后端服务可智能分析原文书，自动提取当事人、案号、诉讼请求等关键信息。
  • 动态表单： 前端根据用户选择的文书类型（起诉状、答辩状、上诉状、强制执行申请书），动态渲染不同的表单字段。
  • 一键生成： 用户确认/修改表单后，后端调用 DeepSeek 大模型，根据结构化信息与预设模板生成符合规范的完整文书。
  • 成果导出： 支持一键复制生成内容或导出为 Word 文档。

• 3.2 技术实现：

  • 采用生成器设计模式，DocumentBaseGenerator 为基类，各文书类型（如 QiSuZhuangGenerator）继承并实现各自的表单定义与 Prompt 构建逻辑。
  • 前端通过 API 获取表单 Schema，实现通用化的动态表单渲染与数据绑定。

主要技术难点与解决方案

1. 悬浮词典编译错误：

   • 问题： 使用 PowerShell 写入 Vue 文件时，默认编码为 ANSI (GBK)，导致文件中的中文字符被截断，引发编译失败。
   • 解决： 使用 Git 回滚至干净版本，改用 Python 脚本（显式指定 encoding='utf-8'）重新集成代码。后续操作规避 PowerShell 直接处理含中文的源码文件。

2. 富文本批注高亮不更新：

   • 问题： ReaderView 组件仅在挂载时加载批注，AnnotationPanel 内部的新增/删除操作无法触发原文高亮刷新。
   • 解决： 在 AnnotationPanel 组件中新增 changed 事件，父组件 ReaderView 监听该事件，在回调中重新调用 API 获取最新批注列表，并使用 computed 属性原子化地重新计算带高亮的 HTML 内容。

3. 主题建模依赖链过重：

   • 问题： 官方 BERTopic 库及其依赖（PyTorch等）体积过大，不适合轻量级 Web 应用部署。
   • 解决： 从零实现核心算法，并设计三层优雅降级策略。最终核心依赖仅 numpy 和 openai，使模块可在无 GPU 环境下高效运行。

成果与数据

• 代码产出：
  • 新增/修改前端组件：DocumentsListView.vue, ReaderView.vue, AnnotationPanel.vue, TermHighlighter.vue, ThemeStore.ts 等 15 个核心文件。
  • 新增后端模块：document_generation.py, topic_modeling.py, documents.py (批量操作接口), terms.py。
  • 累积代码变更约 [XX] 行。
• 性能与体验提升：
  • 批量操作使多文书管理效率提升 80%。
  • 悬浮词典 UI 响应时间 < 50ms (本地词库匹配)。
  • 主题建模模块在 1000 篇文书规模下完成全流程 < 2 分钟 (主要耗时在 OpenAI API 调用)。
• 缺陷修复： 累计修复悬浮词典编译错误、批注高亮不同步、页面跳转逻辑不合理等 8 个关键缺陷。

五、 后续计划与优化方向

• 短期 (1-2周)：

  • 为悬浮词典增加后端管理界面，支持管理员动态增删改查词条。
  • 完善智能生成模块，支持生成后在线编辑与版本历史记录。
  • 优化主题建模模块，支持增量更新，避免每次全量重算。

• 中期 (1个月)：

  • 探索批注系统的协同编辑可能性。
  • 引入 LLM 为主题自动生成可读性强的自然语言标签。
  • 增加文书时间维度分析，追踪主题与裁判趋势的演化。

• 长期：

  • 构建文书知识图谱，将批注、主题、案由、当事人等信息关联。
  • 开发基于 RAG (检索增强生成) 的智能问答模块，直接回答文书相关问题。

本期项目进展顺利，超额完成了既定目标。文书管理系统在易用性与交互性上实现了质的飞跃；主题建模与智能生成两大新模块的成功探索，为系统从"数据记录工具"向"智能决策辅助平台"的演进奠定了坚实基础。团队在解决复杂前端交互、算法轻量化部署以及大模型应用集成等方面积累了宝贵经验。后续我们将按计划持续推进，确保系统功能的完善与性能的稳定。