LegalHi · 法律大模型挑战赛 · 初赛方案

方案概述

本方案针对法律行业大模型挑战赛道，提出了一套 “边执行边思考” 的解题框架。整体思路是：先将用户问题初步分类，然后动态分解为若干子问题，每一步遵循 “思考-行动-观察” 的循环，逐步求解并整合结果，最终生成完整答案。该方法有效解决了法律场景下的长文本推理、多步骤论证和复杂信息整合难题。

核心思路

采用 “边执行边思考” 的递进式求解策略：

• 首先将原始问题分解为第一个子问题；
• 解决该子问题后，将结果合并回原问题上下文；
• 继续分解下一个子问题，重复 “思考 → 行动 → 观察” 循环，直至所有子任务完成。

这种模式模拟了人类律师处理案件的思维方式，能够分步收集信息、交叉验证，保证答案的准确性和逻辑完整性。

代码结构与模块说明

• main.py：程序入口，负责问题初步分类并启动“边执行边思考”流程。
• data/：存放输入数据及中间文件。
• output/：存放最终生成结果。
• tool_register/：工具注册文件夹，定义官方提供的 API 接口及数据表结构。
• prompt.py、tools_class.py：大模型执行具体任务时的提示词模板，引导模型按正确逻辑思考与调用工具。
• produce_report.py：专门处理“整合报告”类复杂问题，聚合多方信息生成结构化报告。
• produce_sue.py：专门处理“民事诉讼”类复杂问题，模拟诉讼流程并生成法律文书。

模型资源（核心）

运行指南

在项目根目录下执行以下命令即可启动程序：

依赖安装

项目所需依赖已整理在 requirements.txt 中，一键安装：

主要依赖包括：transformers、torch、flask 等（具体请参考 requirements.txt）。

方案亮点

• 动态任务分解：将复杂法律问题拆解为可独立解决的子问题，降低单次推理难度。
• 工具化调用：通过 tool_register 统一管理外部 API 与数据表，实现知识检索与结构化查询。
• 模块化设计：针对不同法律任务（报告整合、民事诉讼）分别封装，便于扩展与维护。
• 思考-行动-观察闭环：模拟人类解决问题的认知过程，提升答案的可解释性与可靠性。

总结与展望

本方案在初赛中取得了良好效果，验证了“边执行边思考”框架在法律大模型任务中的有效性。后续可进一步优化子问题分解粒度、引入更丰富的法律知识库，并探索多模型协作来提升复杂案例的处理能力。