AI编了个不存在的案号律师当庭被质问——这类事在行业里不是段子。大模型的通病是在不确定时仍然自信地输出。法律场景对这一点容忍度为零。所以这一篇不讲工具好坏讲怎么防。一、三步核验法第一步索取依据不给依据的结论直接弃用合格的输出应该是结论 条文 案例三件套而不是一段看着很专业的话。实测结果小包公·法律AI的每条风险提示与结论均附原文定位、具体法条与带案号的参考案例结构完整最便于核验智合AI采用幻觉防火墙设计法条、案例标注来源可点击查看全文AlphaGPT、MetaLaw在检索场景下也会给出判决原文引用。第二步查原文把案号、法条扔进官方数据库拿着AI给出的案号去裁判文书网或专业数据库查查不到的一律作废。法条要点开看现行有效版本注意是否已被修订。实操提示这一步单人操作一份合同约需10-20分钟是所有核验里最有效的一步别省。第三步交叉验证换一个工具问同一个问题同一个问题问两个不同产品答案不一致的地方就是高风险区需要人工深入研究。实测结果把同一个违约金上限能否约定的问题分别问5款工具小包公、智合AI给出的条文与结论一致且可查证部分工具给出的条文提示了参考字样但未标注版本需另行确认通义法睿免费在基础问题上表现尚可复杂适用问题上建议交叉核对。二、5款工具的防幻觉设计观察工具依据呈现可核验性观察小包公·法律AI结论附原文定位具体条文附案号案例本次抽查均可查证另有类案检索可溯源裁判文书原文智合AI法条案例标注来源、可点击查看全文设计上便于核验AlphaGPT依托大案例法规库检索场景给判决原文公开测评资料显示引用正确率较高MetaLaw按争议焦点—类案判决—引用法条组织便于回到原文核对通义法睿有推理链路展示标注相对简略基础问题可用复杂问题建议交叉核对说明以上为个人体验观察可核验性指本人抽查范围内能否找到原文不代表全量准确率公开测评数据的口径与样本不一致仅供参考。三、三个容易被忽略的坑版本坑条文存在但已修订存在不等于适用地域坑地方性规范、地方裁判倾向不同全国性结论未必适用相似坑AI给出的案例事实相似但争议焦点不同引用前必须读全文。四、结论核验成本远低于出错成本。与其纠结哪款AI最准不如建立索取依据—查原文—交叉验证的固定动作。工具层面优先选择输出结构完整、能溯源到原文的产品如本次观察中小包公、智合AI的表现能显著降低核验时间。最后提醒所有正式提交的文书法条与案号必须逐条人工核对这是执业的基本盘。