基于 Agent-RAG 的知识产权法律辅助系统

把知识产权法条、司法解释与案例组织成可检索的知识库，通过问题路由、混合检索和证据引用，学习法律辅助问答系统的完整流程。

• 技术与任务大模型与智能体 · 自然语言处理
• 应用方向信息与人工智能 · 经管与人文社科

项目亮点

• 关键词检索与语义检索怎样互补
• 智能体如何决定查什么
• 检索效果应怎样评价

数据与任务

法律问答的难点在于：回答听起来流畅，还必须能找到适用的法条与案例。这个项目把知识产权问题拆成检索、证据组织和回答生成，让读者沿着引用回到原始材料，理解一个回答为什么这样形成。

先说清楚，它到底在做什么

资料包括法律、司法解释、指导性案例、典型案例和裁判文书，经过整理得到约 8,600 个检索片段、748 条法条记录和 250 份案例画像。不同资料承担不同角色：法条帮助确定规范，案例帮助理解裁判场景，问题路由决定应优先寻找哪类证据。

搞懂它，你能在面试里讲清楚什么

关键词检索与语义检索怎样互补

BM25 擅长抓住法律术语与条号，向量检索能关联表达不同但含义相近的问题。项目比较 BGE、Jina 等检索路线，通过加权 RRF 合并排序，观察不同方法覆盖了哪些相关材料。

智能体如何决定查什么

路由模块先识别问题所需的法条、案例或综合分析，再调用对应检索工具。图结构补充法条与案例之间的关联；生成环节围绕检索到的证据组织答案，保留引用位置。

检索效果应怎样评价

84 个测试问题用于比较各路线。现有实验中 BM25 是表现最好的单路方案，混合检索扩大了召回覆盖。答辩时可以据此解释精确命中、覆盖范围与回答依据之间的取舍。

怎样阅读实验与配图

从资料组成、索引规模到检索测试，配图把法律问题如何变成可计算的检索任务串起来。阅读时可以沿一个知识产权问题，依次检查路由选择、返回片段和最终引用。系统定位于法律资料检索与辅助分析。

面试与答辩可以怎样准备

为什么既有向量检索还要保留 BM25？

法条、案例画像和普通文本片段分别适合什么问题？

怎样判断引用确实支持生成的回答？

配套讲解材料围绕整体思路、关键步骤与结果解读展开，并提供面试问答与简历表达参考。准备时可以先按流程说明输入和输出，再选一个样例解释方法，最后用结果图回答具体问题。简历描述结合实际参与内容调整，配图可以放入 PPT 模板组织汇报。

配套资料

技术文档从任务背景、数据组织讲到模型与实验，再结合图表解释结果，包含面试问答和项目表达参考。下面展示正文选页，便于了解讲解内容与图文组织。

代码覆盖数据处理、核心方法和实验分析。下面是实际源码中的关键函数节选，可以结合文档中的流程与公式阅读，再沿输入、计算与输出理解具体实现。

适合谁

计算机、人工智能、法学与知识产权方向，尤其适合希望把 RAG 方法与专业资料组织结合起来的同学。 项目资料可用于学习、选题交流与面试答辩准备；沿着数据、方法、实验和解释逐步掌握，形成能够独立讲清楚的项目经历。