我们调整一下场景：用户A（当事人）和律师A的对话录音 → 提取关键信息 → 检索相似裁判文书 → 计算胜诉概率 → 展示结果和案例。

实现步骤需要调整如下：

1. 语音转文字：首先需要将录音转换为文字。
2. 关键信息提取：从对话文本中提取案件的关键要素（如案由、争议焦点、证据情况等）。
3. 相似案例检索：根据提取的关键要素，在裁判文书库中查找相似案例。
4. 胜诉概率分析：基于相似案例的判决结果，计算胜诉概率。
5. 结果展示：展示胜诉概率和相似案例的说明。

下面我们详细说明每一步的实现方法：

---

1. 语音转文字

• 工具选择：可以使用阿里云、讯飞或OpenAI的Whisper等语音识别API。
• 在Dify中的实现：
  • 在Dify中创建一个“语音转文字”的HTTP请求节点，调用语音识别API。
  • 输入：用户上传的录音文件（MP3/WAV等格式）。
  • 输出：对话文本（JSON格式的文本结果）。

---

2. 关键信息提取

• 使用LLM（如DeepSeek R1）提取结构化信息：
  • 设计Prompt，让LLM从对话文本中提取关键信息：
    markdown

    复制代码查看全部

    请从以下律师与当事人的对话中提取案件信息：
    <对话内容>
    
    提取要求：
    1. 案件类型（如：劳动纠纷、离婚、合同违约等）
    2. 核心争议点（不超过3个）
    3. 关键证据（如：合同、转账记录、证人证言等）
    4. 当事人诉求
    5. 对方当事人情况（如有）
    
    按JSON格式输出：
    {
      "case_type": "...",
      "dispute_points": ["...", "..."],
      "evidences": ["...", "..."],
      "demand": "...",
      "opponent_info": "..."
    }

• 在Dify中的实现：
  • 添加一个“文本生成”节点，使用上述Prompt处理上一步的对话文本。
  • 输出：结构化的案件信息（JSON）。

---

3. 相似案例检索

• 前提：已有一个裁判文书向量数据库（如Milvus、Elasticsearch），其中每个文书都有对应的向量（通过Embedding模型生成）。
• 步骤：
  a. 生成查询向量：将上一步提取的关键信息（如将JSON中的核心争议点、案件类型等拼接成文本）通过Embedding模型转换为向量。
  b. 向量检索：在向量数据库中查找与查询向量最相似的裁判文书（通常使用余弦相似度）。
• 在Dify中的实现：
  • 添加“HTTP请求”节点，调用自建的检索API（该API连接向量数据库）。
  • 输入：关键信息的文本（或直接传入Embedding向量）。
  • 输出：相似裁判文书的ID列表（及相似度分数）。

---

4. 胜诉概率分析

• 计算逻辑：
  • 从检索到的相似案例中，统计原告（或与当事人相同立场方）的胜诉率。
  • 公式：胜诉概率 = (胜诉案例数 / 总案例数) * 100%
  • 注意：可根据相似度分数对案例进行加权（例如，相似度高的案例权重更高）。
• 在Dify中的实现：
  • 添加“代码执行”节点（Python）或“HTTP请求”节点（调用后端计算服务）进行胜诉概率计算。
  • 输入：检索到的相似案例的判决结果（需预先在数据库中存储每个案例的胜负标签）。
  • 输出：胜诉概率（百分比）。

---

5. 结果展示

• 生成报告：
  • 使用LLM生成自然语言的报告，包括胜诉概率和相似案例说明。
  • 示例Prompt：
    markdown

    复制代码查看全部

    根据以下分析结果生成报告：
    - 胜诉概率：{{probability}}%
    - 最相似案例（案号：{{case_id}}）：
       案由：{{case_type}}
       判决结果：{{result}}
       相似点：{{similarity_reason}}
    
    报告要求：
    1. 用通俗语言解释胜诉概率
    2. 简要说明参考案例的判决理由
    3. 给出法律建议（如证据补充建议）

• 在Dify中的实现：
  • 添加“文本生成”节点，使用上述Prompt，将前面步骤的结果作为变量输入（如probability、case_id等）。
  • 输出：最终报告（Markdown格式）。

---

Dify工作流总览

---

技术栈推荐

---

注意事项

1. 录音处理：
   • 确保录音清晰，多人对话需区分说话人（可用ASR的说话人分离功能）。
2. 数据安全：
   • 用户对话录音涉及隐私，转文字后立即删除原始录音，文本数据加密存储。
3. 结果可靠性：
   • 需在界面上注明：“本分析基于历史公开案例，仅供参考，实际诉讼结果受多种因素影响”。
4. 性能优化：
   • 相似案例检索可能较慢，建议设置超时限制，并采用异步处理（Dify支持异步工作流）。

通过以上步骤，您可以在Dify中构建端到端的解决方案。如果已有裁判文书数据库，开发重点将放在Dify工作流编排和Prompt优化上；若尚未建立数据库，需先完成数据爬取、清洗和向量化（此部分工作可能在Dify外部进行）。

我们优先实现核心功能：通过案情描述文本在裁判文书库中匹配相似案例，计算胜诉概率，并展示结果和案例说明。
由于暂时不需要语音转文本，我们可以直接输入案情描述文本进行测试。

在Dify中实现这个功能，我们可以分为以下几个步骤：

1. 准备数据：将裁判文书数据导入到Dify的知识库中，并确保开启了向量化（Embedding）功能。
2. 构建工作流：创建一个Dify工作流，包括以下节点：
   • 用户输入：案情描述
   • 文本处理：将案情描述转换成向量（Dify自动处理）
   • 知识库检索：在裁判文书库中检索相似案例
   • 计算胜诉概率：根据检索到的案例结果计算胜诉概率
   • 生成报告：整合检索结果和胜诉概率，生成分析报告
3. 配置提示词：用于提取信息、生成报告等步骤。

具体实现：

步骤1：准备裁判文书知识库

• 在Dify中创建一个知识库，例如“裁判文书库”。
• 上传裁判文书数据（可以是文本文件、PDF等），每份文书作为一个文档。
• 在文档中，需要确保包含以下关键信息（可以通过预处理提取）：
  • 案号
  • 案由
  • 判决结果（明确谁胜诉）
  • 案情摘要
  • 其他关键信息（如争议焦点、证据等）
• 注意：由于我们后续需要计算胜诉概率，所以文书库中的每个案例都需要明确标注“胜诉方”（例如，原告胜诉或被告胜诉）。

步骤2：创建Dify工作流

工作流设计如下：

具体节点配置：

1. 用户输入节点：

   • 接收用户输入的案情描述文本。

2. 知识库检索节点：

   • 选择“裁判文书库”作为检索知识库。
   • 输入查询内容：用户输入的案情描述。
   • 设置检索参数：Top K（例如5），表示返回最相似的5个案例。
   • 输出：返回相似案例的列表，包括每个案例的内容和相似度得分。

3. 计算胜诉概率节点（使用代码工具或LLM）：

   • 输入：检索到的相似案例列表（每个案例包含内容，其中应包含判决结果）。
   • 处理逻辑：
     • 统计这些相似案例中原告胜诉的比例（假设当前案件也是以原告为视角）。
     • 计算胜诉概率：胜诉概率 = (原告胜诉案例数 / 总案例数) * 100%
     • 注意：这里简单以比例计算，实际中可能需要加权（如相似度得分作为权重）或更复杂的模型。
   • 输出：胜诉概率数值和相似案例列表（用于下一步展示）。

4. 生成报告节点（使用提示词模板）：

   • 输入：胜诉概率、相似案例列表（包括每个案例的案号、案由、判决结果、案情摘要等）。
   • 提示词设计：
     markdown

     复制代码查看全部

     你是一名法律助手，根据用户提供的案情描述和检索到的相似案例，生成一份胜诉分析报告。
     
     用户案情描述：
     {{用户输入}}
     
     胜诉概率：{{胜诉概率}}%
     
     参考案例：
     {% for case in cases %}
     - 案号：{{case.case_id}}
       案由：{{case.case_type}}
       相似度：{{case.similarity_score}}
       判决结果：{{case.judgment_result}}
       案情摘要：{{case.summary}}
     {% endfor %}
     
     请总结分析，并重点解释胜诉概率的构成，以及最相似的案例的情况。

   • 输出：生成的分析报告。

步骤3：测试与优化

测试时，直接输入一段案情描述，观察工作流输出。

示例输入：

预期输出：

1. 检索到类似劳动纠纷案例（如未签劳动合同的案例）。
2. 计算胜诉概率（例如80%）。
3. 生成报告，包括胜诉概率和参考案例说明。

注意事项：

1. 裁判文书库的质量：案例库需要足够大且覆盖相关案由，否则检索效果不佳。
2. 判决结果的提取：在知识库文档中，需要明确标注胜诉方（原告或被告）。如果原始文书没有，需要预处理提取。
3. 相似度计算：Dify的检索节点默认使用向量相似度（如余弦相似度），这依赖于Embedding模型的质量。
4. 胜诉概率计算：这里使用了简单统计，实际中可能要考虑更多因素（如案例时间、地域、法院层级等），后续可优化。

改进方向：

• 加权胜诉概率：相似度得分越高的案例，其权重越大。
• 多维度分析：除了胜诉概率，还可以分析赔偿金额范围等。

通过Dify的可视化工作流，我们可以快速搭建这个功能，并进行迭代优化。

我们拿到了一份裁判文书数据的样例（2011年01月），从数据结构看包含14个字段。为了后续在Dify中有效使用这些数据进行相似案例匹配，我们需要先进行数据清洗。以下是关键清洗步骤：

---

数据清洗目标

1. 提取结构化特征：便于向量化检索
2. 去除无效内容：提高文本质量
3. 统一关键字段：确保检索准确性
4. 构建标签体系：支持胜率计算

---

清洗步骤分解

1. 字段精简（保留核心字段）

2. 文本内容清洗（针对"全文"字段）

3. 当事人解析（示例）

4. 判决结果编码

从"全文"中提取：

5. 建立标准化案由

参考《民事案件案由规定》：

---

清洗后数据结构（建议CSV格式）

---

特殊问题处理

1. 数据缺失：

   • 关键字段缺失率>30%时丢弃该记录
   • 非关键字段用"未知"填充

2. 长文本优化：

   • 使用文本摘要模型（如BART-CN）压缩"全文"字段
   python

   复制代码查看全部

3. 地域清洗规则：

   python

   复制代码查看全部

---

下一步建议

1. 清洗后导入Dify知识库时：
   • 选择key_facts+claims作为向量化字段
   • 添加元数据：case_type, province, judgment.winner
2. 在检索条件中可加入过滤：
   python

   复制代码查看全部

完成清洗后，该数据集即可用于构建Dify法律助手。建议先清洗1000份文书测试检索效果，重点检查相似案例匹配准确率。