2025年7月14日起，最高人民法院、司法部、中华全国律师协会联合印发的67类起诉状答辩状示范文本官方通知在全国法院全面推广使用。立案端的体验明显变好了：诉讼请求、事实理由、程序要素被拆成可以勾选和填空的结构化字段，法院也能更快提炼争议焦点。但对承办批量案件的律师和法务来说，压力并没有消失，只是换了一个位置——从"能不能把文书写清楚"，变成"能不能把每一格都填对，并且在有限的人手里填完"。要素式起诉状的推广，本质上是一次工作量在法院与代理人之间的再分配。

要素式起诉状为什么改变了律所的工作量分布

示范文本把起诉、答辩应当记明的当事人信息、诉讼请求、事实与理由、证据等内容要素化，把"写作"变成了"填表"。表面上门槛降低了，实际上是把过去藏在文书段落里的法律判断，提前暴露成一个个必须做出选择的格子。

批量案件里这一点尤其明显。物业费纠纷、金融借款与消费金融追偿、劳动争议、保险代位求偿、知识产权批量维权——同一案由、同一模板、几十到几百件。过去助理写一份起诉状，判断散落在行文中，措辞还可以模糊处理；现在每一格都要给出确定答案：案由怎么选、请求权基础是合同还是侵权、诉讼请求如何拆分、利息从哪天起算、违约金与资金占用费能否并列、每一项证据对应哪个要素。一个格子留空或填错，带来的不是文笔问题，而是立案环节的退回补正。

人工逐格填表的三个隐性成本

成本一：退回补正吃掉的是周转率

最高法在解读示范文本时提到，此前文书样式较为简单，常出现退回补充补正、诉讼请求需要进一步明确，甚至多次开庭的情况。要素化之后，这类问题被前移到了提交之前：要素是否完整、诉请是否可执行、金额与证据能否对应，都会在立案环节被直接检验。对批量业务而言，补正不是一次沟通，而是一整批案子的节奏被打乱。

成本二：口径漂移让同类案件结果不一致

批量案件最怕"同一批案子写出不同版本"。三名助理分别填写，利息算法、诉请表述、证据编号习惯各不相同，等到谈判、调解或开庭时，对方只要抓住口径不一致，就会质疑主张的严谨性。文书层面的口径漂移，最终会转化为赔偿金额与和解空间上的差异。

成本三：律师的时间被切成碎片

更隐蔽的成本落在律师身上。要素式文书看似"助理就能填"，但真正需要判断的恰恰是那些格子，于是律师不得不逐格复核。复核并没有省下时间，只是把工作从"写"换成了"看"，而且是在大量低信息密度的表格里找问题，注意力消耗更大。

AI 如何完成要素式起诉状的批量生成

批量案件的文书工作有一个结构性特点：案件事实同构、要素高度重复，但每个要素都必须精确。这正是可以交给机器的部分。以 AI 律师助手的案件要素提取与文书生成工作流为例，它处理要素式文书的方式可以拆成三层。

第一层：从材料到要素，把填空变成提取与校验

合同、订单、对账记录、权属证明、聊天记录等案件材料上传后，系统提取当事人主体、金额、日期、履行情况等事实要素，并与证据清单建立对应关系。需要人工判断的部分——例如请求权基础的选择、诉讼请求的拆分方式——会以待确认项呈现，而不是被静默填上。缺项与冲突项被显式标出，这一点比"生成得快"更重要。

第二层：从要素到文书，生成可复核的结构化初稿

要素确认后，系统按示范文本的体例生成起诉状或答辩状初稿，诉请金额、利息计算、证据目录与事实要素保持一致。文书中引用的法律依据与类案保留来源信息，便于提交前逐条回溯，这与 AI检索的案例不存在怎么办？律师的核验与提交流程强调的核验逻辑是同一件事：可提交的前提是可溯源。

第三层：一致性校验与异常项提示

批量场景真正难的不是生成，而是"批量之后依然一致"。系统会对同一批次文书做交叉校验：金额、日期、主体名称、证据编号是否前后统一，缺失要素是否被遗漏，哪些案件需要单独处理。异常项被单独列出，律师的注意力因此集中在少数需要判断的案件上。这种从逐格填表走向可复核判断的路径，与专利侵权比对表怎么做：从逐格填表到可复核判断中拆解的方法一致：把表格从体力活变成判断的可视化。

需要说明的是，这类能力的难点不在生成，而在把案件材料、律所或企业既有的口径、要素标准与人工确认串成一条可复核的链路。换一个更强的通用模型，并不能自动解决要素缺失、口径漂移和批次一致性——那属于工作流问题，不属于模型问题。

实际效果：一份要素式文书的时间去哪了

把上述流程放进真实的批量业务，变化通常体现在三处。

第一是单份文书的时间结构。传统做法下，一份要素式起诉状从整理材料到填写完成通常需要1至3小时，其中大半时间花在把材料信息抄进表格、反复确认金额与日期。由系统完成提取与初稿后，单份文书的处理时间可以压缩到十几分钟，且时间集中在确认而非誊抄。

第二是产能与分工。助理从"填表工"转为"校验与补证"，同一批案件的人均月产出明显提升；律师不再逐格复核，而是处理异常项与策略判断。对以批量案件为主要业务的团队，这种变化直接体现在人均创收与接案能力上。

第三是提交质量。要素完整性、金额与证据对应、批次内口径统一都在提交前完成校验，退回补正的概率随之下降。批量业务最怕的"整批返工"，多数源于要素层面的小问题，而不是法律论证本身。

至于责任边界，官方立场是清晰的。《最高人民法院关于规范和加强人工智能司法应用的意见》确立了"辅助审判原则"，人工智能不得代替裁判者作出决定，辅助结果只能作为参考。对律所而言，这意味着 AI 生成的是可复核的初稿，实体判断与签发始终由承办律师负责——把核验做成流程内的固定动作，而不是事后补救。

常见问题

要素式起诉状怎么写才不容易被退回补正？

核心是要素完整、内部自洽：当事人信息与主体资格材料一致，诉讼请求可执行、可计算，金额与利息算法在事实、诉请、证据三处保持一致。与其在提交后补正，不如在提交前做一次要素与证据的交叉校验。

要素式起诉状可以用AI生成吗？生成后还需要逐条核对吗？

可以生成初稿，但不能跳过核对。AI 擅长从材料中提取要素、按体例成文并检查一致性；案由选择、请求权基础、诉请拆分与和解策略属于律师判断。把核对集中在关键要素与引用来源上，比逐字重读更有效率。

批量案件里，AI 能覆盖多少类案由的要素式文书？

覆盖范围取决于示范文本的成熟度与材料的结构化程度。批量业务中事实同构、材料格式统一的案由（物业、金融借款、劳动争议、知识产权维权等）适配度最高；事实高度个性化或证据形态特殊的案件，更适合用 AI 处理标准化部分，由律师补充判断。