目前服务部署在单台小机器上,全站检索约 50 次/秒、ask 约 20 个并发;请控制并发(建议 ≤ 5),收到 429 按 Retry-After 退避。 详情 →

法律

概览

二十多个法域的法规,按条检索,带译文与条级抽取。

状态
live
文档 id
law_id 如 刑法
引用格式
[中华人民共和国刑法 第266条]

常用调用

找法条POST /v1/law/search {"query": "刑法第266条"} → 法名+条号直接定位;也可以写问题 "网络诈骗怎么判"
读一条GET /v1/law/read/<检索结果的 id> → id 形如 chn:law:中华人民共和国刑法~296,默认读这一条(原文 + 中英译 + 抽取);level=full 连前后条
读一部法GET /v1/law/read/刑法 → 默认 level=detail:摘要、章节、关键条款;全文 level=full(分页),一章 level=full&section=<章 id>
法条 + 判例一起问POST /v1/law/ask {"query": "网络刷单诈骗未遂一般怎么判", "effort": "low"}

覆盖到哪,差在哪。刑事判决已齐,民事也补灌完了,但相对公开出来的全部裁判文书,这仍是其中一部分,而且进来的顺序跟着 enrichment 队列走,不是随机抽的。每个 Law / Cases 响应都带 coverage,把里面的 note 抄进 agent 的 tool description,结论就会带上该有的限定。

翻页到 1000 为止。Law 与 Cases 的 offset + top_k 不能超过 max_window,超了返回 400。要更多结果,用筛选收窄,而不是往后翻。美国判决意见里不在向量层的那部分(tier=b)只能按关键词检索。

法条能找到判例,判例也能找回法条。每份判决的法律依据都归一成 CN/刑法/266 这样的 law_refs。由法条找判例用 extra=cases,由判例回到法条用 extra=laws。

细则
  • law_id 接受 doc_id(jpn:law:労働基準法)或中文法名/简称(刑法、劳动合同法)。
  • query 里写「刑法第266条」这种法名+条号会先走精确定位。
  • 默认 scope=national,不含地方法规(地方法规大量复制国家法条文,是最大干扰源)。
  • 译文与抽取都是模型生成,引用以原文 text.src 为准;needs_review=true 的条译文长度异常。
  • level=brief / detail 里的 knowledge_fill 是模型凭常识补的元数据,不是原文依据。

读

GET/v1/law/read/{law_id}
三档深浅,不传就是 detail。免费样例:刑法。

三档

深浅credits返回
brief1一部法的卡片:三语标题、机关、类型、层级、状态、日期、一句话、领域、条数
detail (默认)2brief + 摘要、章节树(每章一句)、关键条款、术语表、义务/罚则、典型问题、路由提示(~1–3k tok)
full5全文,按条分页(offset / limit;看 truncated / next_offset)

侧面

同一份文档的另一个侧面,与 level 二选一。

侧面credits返回
cases2法条 → 引用它的判决:引用计数 + 列表(给 query 按相关性排,否则按年份倒序)

参数

参数类型说明
law_id (path) 必填 string 文档 id(law_id)。
level brief · detail · full= detail 读多深。
extra cases 改读某个侧面,与 level 二选一。
format json · md · html= json 响应形态。
offset integer= 0 (level = full)
limit integer= 200 (level = full)
section_id string 章 id,见 level=detail 的 structure (level = full:只读这一节)
article string id 是检索结果的 law_id~n 时不用给 (extra = cases)
query string (extra = cases)
nature string= all criminal | civil | all (extra = cases)
top_k integer= 10 (extra = cases)

示例

{ "domain": "law", "id": "刑法", "level": "detail", "view": "head", "data": { … } | "text": "…", "token_count": 1834, "meta": { … } }
检索结果可以直接读。law_id~n 这样的 id 就是一条法条,三档也跟着收窄:卡片、这一条(原文 + 译文 + 抽取)、连同上下文。
旧写法 GET /v1/law/doc/{id}?view=… 仍然可用。

批量读

POST/v1/law/read
最多 50 个 id,同一档。查不到的 id 返回 error: "not_found",不扣费。

参数

参数类型说明
ids 必填 string[] 文档 id 列表。
level brief · detail · full= detail 所有 id 共用的档。
extra cases 改读某个侧面。

示例

{ "domain": "law", "level": "detail", "docs": [ { "id": "…", "data": { … } }, { "id": "…", "error": "not_found" } ], "meta": { … } }

Facets

GET/v1/law/facets?field={field}
某个过滤字段的合法值,agent 不用猜;预聚合字段带计数,声明的枚举没有。免费、不需要 key。

参数

参数类型说明
field 必填 jurisdiction · law_type · status · domain · norm_type 有 facets 的过滤字段。
limit integer= 50 最多返回多少个值。

示例

{ "domain": "law", "field": "…", "values": [ { "value": "…", "count": 3120 } ], "meta": { … } }

问registered key+ /stream

POST/v1/law/ask
法条 + 判决联合 agentic 问答:先找依据条文、读原文,再看同类判决怎么判;回答带 [法名 第N条] / [案号] 引用,多 sources.laws / sources.cases / coverage。effort low / medium / high 对应 50 / 100 / 200 credits。加 /stream 走 NDJSON,第一个事件一定是 billing。首个 answer_delta 之前失败会退款。

参数

参数类型说明
query 必填 string 1–2000 字符。问得具体;要数字就直接问数字。
scope auto · law · case · both= auto 只查法条 / 只查判决 / 都查
jurisdiction string ISO3,默认不限(模型按问题判断)
effort low · medium · high= low 检索轮数,也决定价格:50 / 100 / 200 credits。套餐限制最高档。
verbose bool= false 返回工具调用轨迹(流式时多 tool_call / tool_result / thinking 事件)。
top_k integer= 10 预取候选数。
stream_answer bool= true 仅流式:false 时只发一个 answer 事件。
max_rounds integer 0–8,覆盖 effort 预设。
force_answer_after number 秒;强制切入作答阶段。
max_answer_tokens integer= 4096 触顶时置 answer_truncated。
language string 回答语言,默认跟随 query。

示例

{ "answer": "… [中华人民共和国刑法 第266条] …", "sources": [ … ], "stats": { "rounds": 1, "elapsed_s": 6.2, "answer_truncated": false }, "coverage"?: { … }, "meta": { "credits": { "charged": 50, … } } }
回答里可能出现人名。判决正文要 cases:fulltext 授权,但它读的抽取字段不需要,而当事人姓名就在抽取字段里——所以答案里可能带着自然人姓名。拿到的内容按个人信息对待。
引用是真的——answer 里的每个 id 都存在于本垂域(格式 [中华人民共和国刑法 第266条])。sources 是召回集,不是引用列表。answer_truncated 表示不完整。

案例

中国判决书:刑事已齐,民事补灌也完成了。相对公开出来的全部裁判文书,这仍是其中一部分,每个响应都用 coverage 说清楚。

状态
live
文档 id
uuid 如 8a1c3791-0cce-4094-9b28-a9a600b657c7
引用格式
[(2018)闽0181刑初1319号]

常用调用

找判例POST /v1/cases/search {"query": "网络刷单诈骗 未遂", "filters": {"province": "浙江省", "judge_year": {"gte": 2018}}}
读一份判决GET /v1/cases/read/<uuid> → level=detail(默认):事实、争议、说理、判项、法条、金额,全部是抽取字段;判决正文(level=full / section / preview)要 cases:fulltext 授权,普通 key 403
某条法条的判例POST /v1/cases/search {"query": "…", "filters": {"law_refs": ["CN/刑法/266"]}}
找美国判例POST /v1/cases/search {"query": "qualified immunity police", "filters": {"country": "us", "court_level": "scotus"}}
读一份美国判例GET /v1/cases/read/us:577203 → id 以 us: 开头就按美国判例读(holding、争点、处理结果、引用号)
细则
  • 中国:刑事 265 万篇抽取完整,语料主体是 2014–2019(2020–2021 几乎为空);民事/行政/执行 1,483 万篇已补灌完(2026-10-07)。美国(country=us):只有 A 层 344 万篇,B 层长尾约 663 万未入库。每个响应带 coverage。
  • query 里的案号会先精确定位。
  • 中国判决的正文默认不提供:裁判文书原文里有自然人姓名、出生日期和住址,本接口只给解析后的结构化层(level=brief / detail)。level=full / section / preview 要一把带 cases:fulltext 授权的 key,没有就是 403,不扣费。
  • level=brief / detail 的判项、刑期、事实、说理都是模型从判决书抽取的(sentencing 由判项正则派生);正式引用请回中国裁判文书网核对原文。
  • country=us 的 id 形如 us:577203,读的时候不用再传 country;全文(level=full / section / preview)暂不可用,等判例全文库搬进 PG。
  • 美国判例的 holding / 争点 / 处理结果是模型抽取的;正式引用请回 CourtListener 原文。
  • 问答走 /v1/law/ask(scope=case,目前只覆盖中国判决)。

读

GET/v1/cases/read/{uuid}
三档深浅,不传就是 detail。免费样例:8a1c3791-0cce-4094-9b28-a9a600b657c7。

三档

深浅credits返回
brief1卡片(~150 tok):案号、案由、法院、审级、日期、一句话、争议焦点、法条、量刑
detail (默认)2全部结构化字段(~500 tok):指控/争议焦点/事实/情节/说理/判项/当事人/法条/金额
full 需授权5全文(均值 2.5k 字,p95 5.5k)。需 cases:fulltext 授权

侧面

同一份文档的另一个侧面,与 level 二选一。

侧面credits返回
laws2判决引用的法条,带可直接读的 law 链接

参数

参数类型说明
uuid (path) 必填 string 文档 id(uuid)。
level brief · detail · full= detail 读多深。
extra laws 改读某个侧面,与 level 二选一。
format json · md · html= json 响应形态。
section string (level = full:只读这一节)需 cases:fulltext 授权。
characters integer= 3000 (level = full:只读前 N 字)需 cases:fulltext 授权。

示例

{ "domain": "cases", "id": "8a1c3791-0cce-4094-9b28-a9a600b657c7", "level": "detail", "view": "head", "data": { … } | "text": "…", "token_count": 1834, "meta": { … } }
cases:fulltext 是 key 上的一个授权,不是垂域。中国判决的正文(整篇 / 分段 / 前 N 字)。默认不开:裁判文书原文带当事人姓名、出生日期和住址,抽样 400 篇里 58% 有未脱敏真名。不需要正文的话 level=detail 已经有全部抽取字段。标了「需授权」的地方没有它就是 403,也不扣费——空 scopes 等于所有垂域,但不含任何授权。要开通去控制台的 API keys 页申请。
旧写法 GET /v1/cases/doc/{id}?view=… 仍然可用。

批量读

POST/v1/cases/read
最多 50 个 id,同一档。查不到的 id 返回 error: "not_found",不扣费。

参数

参数类型说明
ids 必填 string[] 文档 id 列表。
level brief · detail · full= detail 所有 id 共用的档。
extra laws 改读某个侧面。

示例

{ "domain": "cases", "level": "detail", "docs": [ { "id": "…", "data": { … } }, { "id": "…", "error": "not_found" } ], "meta": { … } }

Facets

GET/v1/cases/facets?field={field}
某个过滤字段的合法值,agent 不用猜;预聚合字段带计数,声明的枚举没有。免费、不需要 key。

参数

参数类型说明
field 必填 enum · 12 有 facets 的过滤字段。
limit integer= 50 最多返回多少个值。

示例

{ "domain": "cases", "field": "…", "values": [ { "value": "…", "count": 3120 } ], "meta": { … } }

问registered key+ /stream

POST/v1/cases/ask
判决问答:走 law 域的同一个 agent(它本来就是「先找依据条文、再看同类判决怎么判」的联合形态),默认 scope=case 只查判决;回答带 [案号] 引用,sources.cases / coverage 同 law。effort low / medium / high 对应 50 / 100 / 200 credits。加 /stream 走 NDJSON,第一个事件一定是 billing。首个 answer_delta 之前失败会退款。

参数

参数类型说明
query 必填 string 1–2000 字符。问得具体;要数字就直接问数字。
scope auto · law · case · both= case 只查判决(默认)/ 连法条一起查
effort low · medium · high= low 检索轮数,也决定价格:50 / 100 / 200 credits。套餐限制最高档。
verbose bool= false 返回工具调用轨迹(流式时多 tool_call / tool_result / thinking 事件)。
top_k integer= 10 预取候选数。
stream_answer bool= true 仅流式:false 时只发一个 answer 事件。
max_rounds integer 0–8,覆盖 effort 预设。
force_answer_after number 秒;强制切入作答阶段。
max_answer_tokens integer= 4096 触顶时置 answer_truncated。
language string 回答语言,默认跟随 query。

示例

{ "answer": "… [(2018)闽0181刑初1319号] …", "sources": [ … ], "stats": { "rounds": 1, "elapsed_s": 6.2, "answer_truncated": false }, "coverage"?: { … }, "meta": { "credits": { "charged": 50, … } } }
回答里可能出现人名。判决正文要 cases:fulltext 授权,但它读的抽取字段不需要,而当事人姓名就在抽取字段里——所以答案里可能带着自然人姓名。拿到的内容按个人信息对待。
引用是真的——answer 里的每个 id 都存在于本垂域(格式 [(2018)闽0181刑初1319号])。sources 是召回集,不是引用列表。answer_truncated 表示不完整。

美国成文法

美国 53 个法域的成文法、规章与法院规则,逐条可读。

状态
live
文档 id
law_id 如 uslaw:CFRANN_2024_T42_P2_S2_33
引用格式
[42 C.F.R. § 2.33]
更新于
2026-08

常用调用

找条文POST /v1/us_law/search {"query": "disclosure of patient records without consent", "filters": {"jurisdiction": "federal", "status": "in_force"}}
读一条GET /v1/us_law/read/uslaw:CFRANN_2024_T42_P2_S2_33 → 摘要、规范类型、受约束主体、罚则、交叉引用
只看州法POST /v1/us_law/search {"query": "data breach notification", "filters": {"jurisdiction": ["ca", "ny"]}}

50 州、华盛顿特区、波多黎各与《美国法典》的成文法、规章与法院规则——判例早就在了,缺的是这一侧。州法的交叉引用上游很稀疏;92.8 万条标为已废止,引用前先看 status。

细则
  • 许可:CC BY 4.0 (open_us_law)(展示与再分发须按许可署名)。
  • 一条 = 一个 section/条款,不是一部法。level=detail 里的 excerpt 是原文节选,不是全文。
  • status=superseded 有 92.8 万条(多数是 CFR 历史年度版);引用前按 status=in_force 过滤。
  • 摘要、规范类型、主题是模型生成的;引用与数额核对过原文,但正式引用请回原文。
  • subjects 是开放标签(3.9 万种),适合看不适合筛。
  • 检索库里没有正文:level=full 暂不可用(条文全文在 NAS open_us_law,检索库里是摘要 + 节选(excerpt))。

读

GET/v1/us_law/read/{law_id}
三档深浅,不传就是 detail。免费样例:uslaw:CFRANN_2024_T42_P2_S2_33。

三档

深浅credits返回
brief1卡片:做取舍够用的字段(检索结果里那张)
detail (默认)2全部结构化字段(规则字段 + 模型字段,模型字段在 _enrich.fields 里列名)
full5全文(建设中:条文全文在 NAS open_us_law,检索库里是摘要 + 节选(excerpt))

参数

参数类型说明
law_id (path) 必填 string 文档 id(law_id)。
level brief · detail · full= detail 读多深。
format json · md · html= json 响应形态。

示例

{ "domain": "us_law", "id": "uslaw:CFRANN_2024_T42_P2_S2_33", "level": "detail", "view": "head", "data": { … } | "text": "…", "token_count": 1834, "meta": { … } }
旧写法 GET /v1/us_law/doc/{id}?view=… 仍然可用。

批量读

POST/v1/us_law/read
最多 50 个 id,同一档。查不到的 id 返回 error: "not_found",不扣费。

参数

参数类型说明
ids 必填 string[] 文档 id 列表。
level brief · detail · full= detail 所有 id 共用的档。

示例

{ "domain": "us_law", "level": "detail", "docs": [ { "id": "…", "data": { … } }, { "id": "…", "error": "not_found" } ], "meta": { … } }

Facets

GET/v1/us_law/facets?field={field}
某个过滤字段的合法值,agent 不用猜;预聚合字段带计数,声明的枚举没有。免费、不需要 key。

参数

参数类型说明
field 必填 jurisdiction · doc_group · kind · status · norm_types · penalty_types 有 facets 的过滤字段。
limit integer= 50 最多返回多少个值。

示例

{ "domain": "us_law", "field": "…", "values": [ { "value": "…", "count": 3120 } ], "meta": { … } }

问registered key+ /stream

POST/v1/us_law/ask
本域的 agentic 问答:模型按自描述把问题翻成检索(筛选 + 关键词),读详情后作答,引用写成 [us_law: <标题>];/stream 为 NDJSON,answer_delta 是边生成边发的真实片段。effort low / medium / high 对应 50 / 100 / 200 credits。加 /stream 走 NDJSON,第一个事件一定是 billing。首个 answer_delta 之前失败会退款。

参数

参数类型说明
query 必填 string 1–2000 字符。问得具体;要数字就直接问数字。
effort low · medium · high= low 检索轮数,也决定价格:50 / 100 / 200 credits。套餐限制最高档。
verbose bool= false 返回工具调用轨迹(流式时多 tool_call / tool_result / thinking 事件)。
top_k integer= 10 预取候选数。
stream_answer bool= true 仅流式:false 时只发一个 answer 事件。
max_rounds integer 0–8,覆盖 effort 预设。
force_answer_after number 秒;强制切入作答阶段。
max_answer_tokens integer= 4096 触顶时置 answer_truncated。
language string 回答语言,默认跟随 query。

示例

{ "answer": "… [42 C.F.R. § 2.33] …", "sources": [ … ], "stats": { "rounds": 1, "elapsed_s": 6.2, "answer_truncated": false }, "coverage"?: { … }, "meta": { "credits": { "charged": 50, … } } }
引用是真的——answer 里的每个 id 都存在于本垂域(格式 [42 C.F.R. § 2.33])。sources 是召回集,不是引用列表。answer_truncated 表示不完整。