AI检索的案例不存在怎么办？过去，案例检索的难点是“找不到”；现在，AI能在几秒内给出结构完整、论理顺畅、甚至与本案争点“完美契合”的判例，难点反而变成了“找来的案例是真的吗”。当一份代理意见里出现不存在的案号，风险不会停留在检索工具里，而会落到签字提交的人身上。本文把AI检索案例核验拆成可执行的四道关卡，并说明这类核验如何被嵌进日常的检索与文书工作流。
为什么AI检索的案例会变成执业风险
案例检索长期是诉讼律师最耗时的环节之一。检索、筛选、摘要、比对、组织检索报告，一个复杂案件的类案研究常占用数小时甚至数天，其中大量时间消耗在机械阅读上。AI进入这一环节后，效率提升非常直观：用自然语言描述案情，就能获得候选类案、争议焦点归纳与裁判规则摘要。
问题随之而来。北京市通州区人民法院审理的一起股权代持纠纷中，原告代理人庭后提交的书面意见援引了两个“高度契合”的案例，承办法官核查后发现，其中一个案号对应的真实案件是一起民间借贷纠纷，与书面意见描述的事实毫无关联——这些案例由AI生成，代理人未经核实即直接复制提交，法院最终未采纳该部分意见，并在判决书中对代理人提出批评（相关报道）。
这条新闻揭示了风险的传导路径：幻觉发生在检索环节，代价却由提交文书的人承担。最高人民法院《关于统一法律适用加强类案检索的指导意见（试行）》要求承办法官依托中国裁判文书网、审判案例数据库等进行类案检索，并对检索的真实性、准确性负责；当事人及其代理人提交指导性案例作为诉辩理由的，法院应当在裁判文书说理中回应是否参照并说明理由。换言之，提交的每一个案例都可能被逐条核验，而核验失败，损失的是专业信用。
所以，AI检索的案例不存在怎么办，答案不是换一个更聪明的模型，而是让AI检索案例核验成为流程中的固定动作。
AI检索案例核验的四道关卡
把核验做成流程，而不是靠“感觉这个案例很像真的”，需要四道彼此衔接的关卡。
第一关：原文回溯，从摘要回到裁判文书
AI给出的通常是摘要、裁判要旨或“案情—争点—结论”的提炼，而可提交的依据必须是裁判文书原文。核验的第一步，是把每条候选案例回溯到真实文书：案号、法院、审级、裁判日期与文书全文，缺一不可。任何无法回溯到原文的“案例”，无论论述多工整，都只能视为待核实信息。
第二关：案号校验，识别规律化的生成痕迹
AI生成的案号常有可识别的痕迹：编号多采用“12345”“1234”“111”这类连续整数，而真实案号的案件编号按受理顺序自然生成，兼具随机性。此外，AI生成案例常刻意模糊当事人姓名，以“甲”“乙”等代称出现。这些特征不是结论性证据，但足以触发人工复核。
第三关：事实比对，越“完美”越要警惕
大模型的生成逻辑基于概率与语境匹配。提问者把案情描述得越具体，AI给出的“类案”就越贴合需求，呈现明显的人为定制化特征。审判一线的经验也印证了这一点：如果检索出的案例与待决案件在事实、争点、裁判逻辑上高度重合，几乎不需要论证就能佐证主张，反而应当慎重处理。真实类案在细节上总会有偏差，而这些偏差恰恰是判断相似性的关键材料。
第四关：留痕复用，把核验变成团队标准
核验的价值不止于避免一次错误。检索路径、平台、时间、候选案例的取舍理由、最终引用案例的原文出处，都应随检索报告留档。这套逻辑与其他法律工作完全一致：合同审查中，审查意见可追溯决定了快审是否真正可控；电子证据领域，截图能否被采信同样取决于取得过程是否可验证。案例核验也是如此——可复核的留痕让检索成果能被团队复用，而不是每次从零开始。
智律云 AI Copilot 如何把AI检索案例核验嵌进起草链路
核验之所以常被跳过，往往不是律师不重视，而是流程本身不提供抓手：案例来自一个界面，文书写在另一个工具，核查还要回到裁判文书网手工比对，三个环节割裂，在时间压力下，“先提交再说”就成了默认选项。
智律云 AI Copilot 的思路，是让检索、核验与文书生成发生在同一条链路里。检索环节，系统在给出类案的同时提供可追溯的来源信息与置信度标识，让每条结论都有明确的法律条文与判例引用可查，而不是一段无法溯源的文字；文书生成环节，起诉状、代理词、法律意见书中引用的案例与事实主张保持对应关系，修改记录与引用来源可回溯，便于提交前逐条复核；平台还提供来源审计能力，对引用来源的有效性与时效性进行核验，降低引用已失效或被改判案例的概率。
需要说明的是，这类能力的目标不是替律师做判断，而是把核验从“事后补救”变成“流程内的默认动作”。AI 律师助手的案例检索、文书生成与引用核验工作流，因此更接近一套可审计的作业规范，而非一个更快的搜索框。
AI检索案例核验的实际效果：从提心吊胆到可交付
对律所和企业法务而言，核验前置带来的收益可以分三层衡量。
第一是时间结构的变化。检索与核验合并后，一份类案检索报告的制作时间可以从数小时压缩到一小时以内；节省下来的不是“读案例”的时间，而是“反复确认这个案例是否真实存在”的重复劳动。
第二是返工与风险的下降。过去，风险常在提交后才暴露——对方当事人质疑、法官核查，甚至庭审现场被要求说明案例出处；把核验前置，等于把这些不可控时刻从流程里移除。
第三是可复用性。留痕完整的检索成果会成为团队资产：相似争议再次出现时，可以从既有检索报告出发，而不必重新经历一遍从关键词到摘要的循环。
真正让律师犹豫的往往不是AI的能力边界，而是责任边界。当核验流程清晰、每个引用都能回溯到原文时，“用AI检索”便从需要辩护的选择，变成可以写进工作规范的常规动作。
常见问题
AI检索的案例不存在怎么办？
不要在正式文书中引用无法回溯到裁判文书原文的案例。先把可疑案例标记为待核实，通过中国裁判文书网等权威渠道按案号逐一检索；若查无此案，或案号对应的案件与描述事实不符，应立即从检索结论和文书中剔除，并复核同批次的其他案例。
AI检索案例核验必须人工逐条完成吗？
不必全部，但关键节点必须由人负责。原文回溯、案号校验、来源时效审计中的机械部分可以借助工具完成；而某一案例是否构成类案、是否值得引用、如何组织论证，属于律师的专业判断，不能外包给模型。
AI检索的案例看起来完美契合，可以直接采用吗？
不建议直接采用。生成式模型会根据提问细节定制输出，越“完美契合”的案例越应触发复核：核对案号规律、检查当事人是否被模糊处理、比对文书原文与摘要是否一致。核验的成本，远低于事后被质疑的成本。