向量检索服务 Milvus 版：通过阿里云Milvus知识库搭建法律案例检索应用

方案说明

整体链路与通过阿里云Milvus知识库搭建智能客服问答应用完全一致：控制台定义标签 → 按标签批量导入资料 → 发布版本 → SDK 检索（可按标签过滤）→ 大模型生成带来源标注的回答 → Flask 提供问答页面。工程代码（kb_client.py、upload.py、app.py、templates/index.html、start.sh）请直接复用该文，本文只说明法律场景需要改动的部分：案件标签（含数值类型标签）、检索参数、提示词约束，以及必须补充的空结果处理。

建议第一版只选择一个罪名或一个合规主题的 10~50 篇材料，验证后再扩大范围。整体耗时约 25~40 分钟，其中文档解析耗时取决于资料数量与大小。

前提条件

• 已创建 Milvus 知识库并记录知识库 ID（形如 kd-803ae9b10cc31）。

• 已使用主账号创建 RAM 用户、勾选使用永久 AccessKey 访问，并授予系统策略 AliyunMilvusFullAccess。

• 已准备支持 OpenAI chat/completions 协议的大模型地址与 API Key。

• 本地已安装 Python 3.8 或以上版本，并已按上文教程建好工程目录。

• 已完成资料的授权与脱敏检查，详见法律场景注意事项。

步骤一：定义案件标签

在知识库详情页的基本信息下方单击标签 > 管理，添加以下四个标签。字段类型在标签名输入框右侧的下拉框中选择，可选 string、int64、list、float32、bool。

把裁判年份定义为 int64 并不能用于范围查询。检索接口目前不支持整型范围表达式，定义为 int64 的作用是服务端会把字符串数字转换成整数，从而让 =、in、not in 正常工作。因此「近三年的案例」这类需求只能由客户端先算出年份列表，再用 in 传入，例如 [2024, 2025, 2026]；不要在示例中使用 ≥ 或 ≤。年份跨度很大时没有等价的高效写法，需要拆成多次查询。

关于标签类型与取值，有两点需要注意：

• int64 类型的标签，在 documents.jsonl 中可直接写 JSON 数字（如 2025），过滤时 value 传数字或字符串均可命中。

• 标签值允许为空字符串。法规、合规制度没有审理法院，可写 "court": ""，控制台会显示为 court=，且后续可用 court = "" 作为过滤条件精确命中这类资料。

步骤二：准备资料与导入清单

1. 把资料放进 documents/ 目录，支持 PDF、DOCX、Markdown、TXT 等格式。案号、法院、裁判日期应保留在正文或文件名中——实测把案号写在正文首行后，可以用案号直接检索到对应文书。

2. 创建 documents.jsonl，为每篇资料标注资料类型、法院、案由与裁判年份。

   {"path": "documents/criminal-case-001.md", "metadata": {"docType": "裁判文书", "court": "某某市第一人民法院", "caseType": "合同诈骗", "judgmentYear": 2025}}
   {"path": "documents/criminal-case-002.md", "metadata": {"docType": "裁判文书", "court": "某某市第二人民法院", "caseType": "合同诈骗", "judgmentYear": 2023}}
   {"path": "documents/law-excerpt.md", "metadata": {"docType": "法规", "court": "", "caseType": "刑事", "judgmentYear": 2024}}
   {"path": "documents/compliance-policy.md", "metadata": {"docType": "合规制度", "court": "", "caseType": "合规", "judgmentYear": 2024}}

3. 裁判文书需要保留案情、裁判理由与结论的上下文，可在知识库详情页的处理策略中单击创建策略调整切片粒度。最大分段长度的单位是字符（默认 512），建议设置为 770~1150 字符（约相当于 512~768 tokens），尽量让"争议焦点 + 裁判理由"落在同一个切片内。

4. 建议同一案由下同时导入结论不同的案例。法律检索的价值恰在于呈现分歧：实测导入两份结论相反的合同诈骗判决后，模型会同时引用并明确指出"一案认定构成共同犯罪，另一案因缺乏通谋证据不认定"，比只导入单一结论的资料更有参考价值。

步骤三：配置检索参数与提示词

在 config.json 中按法律场景调整 aliyun.knowledge_base_version、retrieval 与 scenario。

{
  "aliyun": {
    "knowledge_base_version": "LATEST_PUBLISHED"
  },
  "retrieval": {
    "page_size": 8,
    "candidate_count": 80,
    "min_score": 0.25,
    "semantic_weight": 0.4,
    "enable_query_expansion": true,
    "rerank_model_name": "qwen3-rerank",
    "tag_filter": {
      "relation": "and",
      "conditions": [
        {"field": "docType", "op": "=", "value": "裁判文书"}
      ]
    }
  },
  "scenario": {
    "title": "法律与合规案例检索",
    "system_prompt": "你是法律资料检索助手，不提供最终法律意见。只依据检索资料归纳事实、争议焦点、裁判观点和依据，逐项标注[来源N]；不同案例结论不一致时分别陈述；检索资料为空或与问题无关时，只回复“资料不足，建议人工复核”，禁止引用任何未出现在检索资料中的法律法规、司法解释或案例。",
    "image_enabled": false,
    "sample_questions": [
      "虚构履约能力骗取货款时，如何判断合同诈骗共同犯罪？",
      "交通肇事后自首对量刑有哪些影响？",
      "哪些案例讨论了主犯和从犯的区分？"
    ]
  }
}

参数说明：

• semantic_weight=0.4：法律检索大量使用案号、罪名与法律术语，语义权重调低、关键词权重相应提高。实测用完整案号提问可精确命中对应文书。可通过检索结果中的 scoreDetails（含 keywordScore 与 semanticScore 两项）校准该值。

• candidate_count=80 并启用 qwen3-rerank：扩大候选集后由重排模型做类案相关性排序。需注意重排分数与向量分数不是同一量纲，与 min_score 叠加时可能过滤掉一部分结果，调参时建议先固定其中一项。

• knowledge_base_version 建议保持 LATEST_PUBLISHED，详见下方说明。

def llm_answer(question: str, results: list[dict[str, Any]]) -> str:
    if not LLM.get("enabled", True):
        return "大模型未启用；请查看下方检索结果。"
    if not results:
        return "知识库中没有检索到与该问题相关的资料，无法作答。建议补充相关材料后重试，或转人工复核。"
    ...

步骤四：上传、发布与验证

1. 上传资料（MetaFields 对整批生效，脚本会先按标签分组再分批提交）。

   python upload.py --manifest documents.jsonl

2. 到控制台数据管理页确认资料状态为处理完成。上传接口返回成功仅表示已提交异步解析。

3. 在版本管理页单击发布版本，完成向导后确认新版本状态为已发布。若按钮置灰，请先删除不再需要的旧版本（注意上文关于版本上限的说明）。

4. 启动服务并验证。

   python app.py

   curl -sS http://127.0.0.1:7860/api/ask \
     -H 'Content-Type: application/json' \
     -d '{"question":"虚构履约能力骗取货款时，如何判断合同诈骗共同犯罪？"}'

按以下五条验收：

• 页面能正常打开，提交问题后同时返回答案与检索来源。

• 回答中的 [来源N] 能在下方来源区找到对应的资料切片。

• 用完整案号提问，能精确命中对应的裁判文书。

• 提问知识库未覆盖的内容时，返回"资料不足"提示，且不出现任何法条引用。这一条务必实测，是本场景最关键的验收项。

• 补充资料并重新发布版本后，页面能检索到新内容。

法律场景注意事项

• 只使用有权公开和处理的资料，上传前完成授权检查。裁判文书如包含个人信息，应先脱敏——资料切片会作为上下文发送给大模型，属于数据出域。

• 页面应有常驻免责声明。示例页面只写了"回答由已发布知识库内容生成"，建议改为明确提示"本结果仅为资料检索辅助，不构成法律意见，请由专业人员复核"。

• 同案由下保留结论不同的案例，并在提示词中要求分别陈述，避免模型把个案结论表述为通则。

• 按资料类型建立独立入口。例如对外咨询入口用 docType = 法规 限定只检索公开法规，内部研判入口再放开裁判文书。

• 检索结果中的 tags 字段不会回显写入的法院与裁判年份，它与 AddDocuments 的 MetaFields 是两个不同的字段，也没有参数可以开启返回，为空不代表上传失败。需要在回答中标注这些信息时，按检索结果的 documentId 关联 documents.jsonl 后再拼进上下文。

• 线上部署不要继续使用 Flask 开发服务器，应改用生产 WSGI，并补充密钥管理、鉴权、审计与限流。

常见问题