34本卷宗整理两天，我用AI压到两小时

核心结论

律师办案真正耗时的不是写状子，是整理材料。把「读材料→排时间线→抄信息→写文书」这条链上可重复的部分交给机器，律师的时间应该花在判断和策略上。JSTAI 律师 AI 助手在本地优先架构下完成案卷 OCR、18 种敏感字段自动脱敏、时间线生成与关键信息回检，428 项真集成测试 7 套件 100% 通过，官方实测律师办案效率提升 18 倍。

接了个劳动争议案，34 本卷宗。

微信聊天记录、工资流水、考勤表、解除通知，散在四个地方，还带一堆扫描件。

按老办法：全部打印、贴标签、按时间顺序排一遍，再手工写成时间线。

做熟了一小时两页，做到凌晨两点，眼睛是花的，表格还错了一个日期。

后来换了套流程，两天变两小时。

不是我不努力，是重复劳动真的可以交给机器。

---

一、第一步：不用再打印

这是变化最大的一步。

以前拿到案卷，第一件事是打印。为什么？因为要在纸上手工标注和排序。

现在不需要了。电子卷宗直接进去，PaddleOCR 在本地提取全文。

• 微信聊天记录截图 → 读出对话内容
• 工资流水 PDF → 读出表格
• 手写签收单扫描件 → 读出文字
• 解除通知 Word → 直接读

34 本卷宗，全部电子化处理，一次都不用打印。

这一步还有个隐性好处：不打印就不存在"打印件和电子件不一致"的问题。 以前经常出现庭审时法官拿着一份、律师手里是另一份的情况。

---

二、第二步：时间线自动生成

时间线是劳动争议案的命脉。争议焦点基本都围绕"什么时候发生了什么"展开。

但手工排时间线是最耗时的：微信截图一张张翻，工资流水一行行看，两个日期之间对不上就得反复核。

AI 的做法是：把所有材料按时间轴铺开，自动生成完整时间线。

• 34 本卷宗跑完大概十几分钟
• 每个时间节点关联到具体材料
• 关键事件（入职、转正、调岗、解除）自动标注
• 争议期间的工作日、工资发放日自动识别

输出是一份可以直接拿去开庭的时间线，而不是一个半成品表格。

这一步省下的不只是时间，是反复核对手工表格错误的精神消耗。

---

三、第三步：关键信息不抄错

这是我感受最深的一点。

以前手工填原告被告信息、身份证号这些字段，闭着眼都能抄错一位。

不是不用心。是人眼对长数字的敏感度远低于自己的直觉——扫 10 遍和扫 1 遍的错误率差不多。

尤其当你已经连续工作四个小时，手在机械地复制粘贴，注意力早就耗尽了。

AI 生成时会自己回检一遍关键信息：

• 把原告/被告姓名、身份证号、金额、日期、管辖法院单列出来
• 和案卷原文做精确比对
• 列出核对结果，标出任何不一致

这个自检环节是必须的，不是可选的。它把"我可能漏看了"变成"机器已经比对了"。

核对次数少一大半。 这不是效率提升，这是风险消除。

值得强调：这一步的完整性取决于架构。 如果案卷解析和脱敏都在云端，比对的对象是云端返回的结果，不是你本地的原文——那这个"回检"就是假的。 所以要确认 OCR 在本地跑。

---

脱敏应该覆盖哪些字段、为什么诉讼参与人姓名和律师执业证号最容易漏，见律师把案卷传云端，合规上到底算不算违规。

四、第四步：全程在自己电脑上

这是我的硬门槛，不是加分项。

案卷涉密。材料不出本地，脱敏后才上云推理。

具体流程：

1. 案卷 OCR 在本地跑 —— 材料不离开本机
2. 18 种敏感字段自动脱敏在本地做
3. 只有脱敏后的纯文本上云
4. 输出结果回到本地还原真实信息

上云的是一个没有身份信息的纯文本占位符，不是一包案卷。

《律师法》第三十八条的保密义务是个人责任，这一条上没有"但是平台合规"这种除外条款。所以数据流向这件事，我要能自己回答。

这里有个容易忽略的点：上传到云端的是纯文本，不是原始文件。 这个区别很关键——原始 PDF/扫描件里可能有图片元数据、水印、甚至签名图像，而纯文本只保留了语义。

---

为什么这一步可以上云、前面几步不行，见云端AI和本地AI到底差在哪。

五、文书生成：8 类高频文书

材料整理完之后是文书。

JSTAI 的 8 类文书覆盖律师民事业务的完整生命周期：

诉前阶段

• 律师函（警告 / 谈判 / 催告 / 通知 4 类）

一审阶段

• 民事起诉状
• 民事答辩状（8 大答辩策略）
• 调解协议（诉前 / 诉中 / 执行 / 行业 4 类）

上诉阶段

• 民事上诉状（15 日内提交）

刑事阶段

• 刑事辩护词（无罪 / 罪轻 / 量刑 / 程序 4 类）

通用工具

• 案卷证据分析（IRAC 关键证据）
• 民间借贷法律依据检索

输出的是 .docx，可直接交法院或给当事人。

这一块我用的原则是：先给它一份我写的、格式最规整的文书作为锚点，告诉它"这是我以前的风格"。这样生成的东西不需要大改。AI 学格式比学内容快，给了锚点，输出才对得上你的习惯。

---

六、但它不是完美的

这一段必须说清楚，不然就是不负责任。

长文档偶尔会读串行。 材料特别多的时候，跨材料的信息关联偶尔会出错。我必须复核，而且我确实会复核。

模板化文书还得改改才像自己写的。 AI 生成的文书结构完整、格式规范，但读起来就是 AI 写的。交上去之前我会改语气、改措辞，让它像我的东西。

这些不是"小毛病"，这是使用 AI 的固有成本——你省下的是整理材料的时间，不是放弃判断的理由。

---

七、真正的变化在哪

不是快了两倍，是时间用在了不同的地方。

以前两天时间：80% 在整理材料，20% 在想案子怎么打。

现在两小时：90% 在想案子怎么打，10% 在检查 AI 的输出。

花两天的梳理，现在两小时出初稿，剩下的时间我用来真正想策略。

这才是这件事的意义。

工具说白了就一个，关键是把重复劳动接走，人腾出来做判断。

---

八、一份最小可行流程

如果你想试，我建议这个顺序（不要一上来就丢整包案卷）：

同样一批材料，流程对了，输出质量差好几倍。

---