豆包大模型需结构化输入、角色约束和上下文锚定才能实现法律实务可用性，因其天然缺乏法律语义坐标系，必须人工注入逻辑链与禁令规则。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
豆包大模型 本身不提供开箱即用的法律问答能力，直接提问《民法典》第584条赔偿范围，大概率返回泛泛而谈的解释，甚至混淆违约与侵权责任边界。必须通过结构化输入、角色约束和上下文锚定三者协同，才能让输出具备法律实务可用性。
为什么法律问答不能直接调用 chat 接口就完事
法律问题天然要求「事实→要件→法条→结论」的强逻辑链，而通用大模型在无约束下会： - 把「合同未约定违约金」默认类推为「可主张实际损失」，忽略举证责任分配规则； - 将「微信聊天记录」直接等同于「电子证据原件」，跳过《最高人民法院关于民事诉讼证据的若干规定》第14条对真实性、完整性、关联性的审查要求； - 对「管辖异议被驳回后能否上诉」这类程序性问题，混用《民事诉讼法》第130条与第154条，给出错误结论。 这些不是模型「不懂」，而是缺乏法律语义空间的坐标系。必须靠人工注入结构，才能激活它的推理潜力。
uploadFile + extractFields 是法律文书解析的刚性起点
上传起诉状、判决书等文本型PDF或DOCX后，uploadFile 返回的文件ID只是入口，关键在后续指令是否能精准锚定法定要素：
- 不要用「总结这份判决书」——模型会自由发挥，遗漏「本院认为」段落中隐含的裁判尺度；
- 必须用字段级提取指令，例如：请逐项提取：原告全称、被告全称、案由、诉讼请求金额、法院认定的事实摘要（限200字内）、判决主文内容（原文逐字复述）；
- 若原文未载明某项（如「诉讼请求金额」在诉状中写为「依法判令赔偿损失」而无具体数字），必须显式要求填「未载明」，避免模型自行补全；
- 提取结果出来后，务必人工核对主体名称、金额、日期是否与原文完全一致——哪怕一个括号位置不同，都可能影响后续法律适用。
用 COSTAR 框架构造提问，不是写作文
COSTAR 不是模板套话，而是把法律人思维转成模型可执行的指令流：
- Context：限定场景，如「我系某银行信用卡中心合规岗，正在审核用户投诉催收电话频次是否违规」；
- Objective：明确输出目标，如「判断该行为是否违反《银行业保险业消费投诉处理管理办法》第22条」；
- Steps：拆解动作，如「1. 定义‘频繁催收’的法定标准；2. 核查用户提供的通话记录时间戳；3. 计算24小时内拨打次数；4. 对照条款中‘不得连续拨打’的具体时限」；
- Tone：设定表达风格，如「仅引用条文原文+司法解释编号，不加主观评价」；
- Audience：指定读者，如「面向一线客服人员，需用白话说明操作口径」；
- Response：约束格式，如「分三行：【结论】是/否；【依据】条文编号+原文；【操作建议】一句话动作指引」。
漏掉任一环节，模型就会滑向经验主义表达。
法律智能体 ≠ 法律机器人，角色预设必须带「禁令」
在豆包网页版或App创建智能体时，光写「你是一名律师」远远不够：
- 必须加入明确禁令，例如：禁止虚构法条；禁止推测当事人主观意图；禁止对未提供证据的事实作认定；禁止提供执业建议（如‘你应该起诉’）；
- 角色描述里要绑定具体法源，如「熟悉《民法典》合同编第五章、《民事诉讼法》第六章及《最高人民法院关于适用〈中华人民共和国民事诉讼法〉的解释》第104–116条」；
- 开场白第一句必须是强制声明：请以‘银行消费金融合规助理’身份回答，仅依据我提供的合同文本与监管通报作答；
- 如果用户后续追问超出材料范围的问题（如「如果对方破产怎么办」），模型应返回未提供破产相关事实与证据，无法作出法律判断，而不是展开破产法分析。
法律系统的确定性，恰恰来自对「不可为」的清晰划界。
