基于Next.js与GPT的AI法律文书生成器：私有化部署与Prompt工程实践

1. 项目概述：当AI成为你的“法律顾问”

最近在GitHub上看到一个挺有意思的开源项目，叫“AI维权律师”。简单来说，它就是一个基于ChatGPT API搭建的Web应用，你只需要在网页上描述你遇到的纠纷或侵权问题，它就能帮你生成一份结构清晰、逻辑严谨的“起诉状”草稿。对于很多不熟悉法律条文、不知道如何下笔写法律文书的普通人来说，这玩意儿确实是个“神器”。我自己也上手部署、测试了一番，发现它背后的Prompt工程和交互设计有不少值得琢磨的地方。这篇文章，我就从一个开发者和实际使用者的角度，来拆解这个项目，聊聊它的实现原理、怎么自己搭一个，以及在实际使用中需要注意的那些“坑”。

2. 核心思路与技术选型解析

2.1 为什么是“起诉状生成器”？

这个项目的定位非常精准：专注于生成“起诉状”。法律维权流程复杂，包含咨询、取证、谈判、仲裁、诉讼等多个环节。如果让AI大包大揽，试图处理所有环节，效果必然大打折扣，因为每个环节的专业深度和交互模式都不同。而“撰写起诉状”是一个相对标准化、文本密集型、且门槛较高的任务。普通人面对一张白纸，往往不知道诉状的基本格式（原告、被告、诉讼请求、事实与理由）、如何组织语言（法言法语）、以及如何引用法律条文。这个项目正是抓住了这个“痛点”，将AI的能力聚焦于一个高价值、可标准化的输出上。

从技术实现角度看，生成一份结构化的文本，正是当前大语言模型（LLM）最擅长的事情之一。通过精心设计的Prompt（提示词），可以引导模型扮演“律师”角色，按照固定的格式和逻辑来组织内容。这比让模型进行开放式的法律咨询要可控得多，输出质量也更有保障。

2.2 技术栈：轻量、全栈与现代化

项目采用了当前前端领域非常流行且高效的“全栈”框架组合：

• Next.js 13+ (App Router)：这是项目的基石。Next.js不仅提供了强大的React服务端渲染能力，其App Router架构更便于组织服务端API路由（src/app/api/）和前端页面。更重要的是，它支持服务端组件和Server Actions，这意味着处理AI API请求、运行敏感逻辑（如组装Prompt）都可以在服务端完成，避免了将OpenAI API密钥等敏感信息暴露给前端浏览器，安全性大大提升。
• Tailwind CSS：用于快速构建美观、响应式的用户界面。从项目页面看，其界面简洁清爽，Tailwind的效用类（Utility Classes）功不可没。
• TypeScript：提供完整的类型安全，在开发复杂应用，尤其是与结构化的AI响应打交道时，能有效减少运行时错误。
• Vercel：项目天然适配Vercel平台进行部署。Vercel对Next.js的支持是无缝的，无论是Serverless Function的部署还是环境变量的配置，都非常方便。原作者提供的演示站点很可能就是部署在Vercel上。

这个技术栈的选择体现了现代Web开发追求开发效率、性能优化和开发者体验的趋势。对于这样一个工具型应用来说，完全够用且优雅。

2.3 关键依赖：与AI“大脑”对话

项目的核心能力依赖于OpenAI的Chat Completions API。它没有直接使用openai这个官方npm包，而是使用了chatgpt-api这个社区库。这两个库在功能上大同小异，都用于调用GPT模型。选择哪个可能取决于开发者的偏好或历史项目习惯。本质上，它们都是向https://api.openai.com/v1/chat/completions这个端点发送HTTP请求的客户端。

这里需要特别注意：项目早期版本在演示页面中内置了一个免费的API Key（来自openai.ehco-relay.cc）。这是一个公共、公益性质的代理转发服务，旨在降低体验门槛。但正因如此，它有严格的速率限制和不稳定性。绝对不建议在生产环境或自己的私有部署中依赖此类公共Key。你的请求可能会被限流、中断，甚至因为他人滥用导致该服务失效。搭建自己的版本，申请并使用个人的OpenAI API Key是唯一可靠的方式。

3. 核心实现：Prompt工程与API接口拆解

项目的灵魂在于其Prompt设计。它决定了AI输出的质量和可靠性。我们直接看核心文件src/pages/api/generateIndictment.ts中的关键代码段（基于原仓库提示的位置）。

3.1 Prompt设计精读

// 这是一个根据源码逻辑还原和补充的Prompt示例，并非直接拷贝 const systemPrompt = `你是一名专业的中国律师，擅长处理各类民事纠纷。你的任务是根据用户提供的情况描述，为其撰写一份格式规范、逻辑清晰的民事起诉状。 请严格按照以下结构和要求生成内容： 1. **文书标题**：统一为“民事起诉状”。 2. **当事人信息**： - 原告：请根据描述推断或提示用户补充姓名、性别、民族、出生日期、身份证号、住址、联系电话等。如信息不足，使用“【待补充】”标注。 - 被告：要求同上。务必明确被告的姓名/名称、住址/住所地等关键身份信息。 3. **诉讼请求**：必须分条列项，清晰明确。例如：“1. 判令被告向原告支付货款人民币XX元及利息；2. 判令被告承担本案全部诉讼费用。” 4. **事实与理由**：这是核心部分。需要： - **按时间顺序**叙述事情经过，要素包括时间、地点、人物、行为、结果。 - **指出被告的违约或侵权行为**，并简要分析其过错。 - **引用相关法律依据**，例如《中华人民共和国民法典》第XXX条关于合同违约/侵权责任的规定。 - 语言应客观、严谨、简练，避免情绪化表达。 5. **结尾与附项**： - 此致 - 【受理法院名称，如：XX市XX区人民法院】 - 具状人：原告姓名（手写签名处） - 年 月 日 - 附：1. 本诉状副本X份（根据被告人数确定）；2. 证据清单及证据材料复印件。 重要原则： - 对于用户描述中模糊或缺失的关键信息（如具体金额、日期、被告全名、住址），在生成文书中使用“【待补充】”或“【需明确】”等标记清晰指出，并可在文书最后以“律师提示”的形式列出需要用户进一步核实和补充的项目。 - 严禁杜撰不存在的事实或法律条文。如果用户描述过于简略无法生成有效内容，应引导其补充细节。 - 生成的起诉状应为纯文本格式，便于用户复制粘贴到Word等文档中编辑。`; const userPrompt = `用户案情描述：${用户输入的内容}`;

这个Prompt设计得非常专业和实用，它做到了以下几点：

1. 角色定义清晰：“你是一名专业的中国律师”。这为模型设定了明确的身份和知识边界，使其调用相关的法律知识库。
2. 任务指令具体：“撰写一份格式规范、逻辑清晰的民事起诉状”。直接、无歧义。
3. 输出结构强制约束：详细列出了“标题 -> 当事人信息 -> 诉讼请求 -> 事实与理由 -> 结尾附项”的完整结构。这利用了GPT模型遵循指令的能力，确保了输出格式的标准化。
4. 内容质量要求：在“事实与理由”部分，强调了时间顺序、要素齐全、法律引用和语言风格。这是生成高质量文书的核心。
5. 安全与可靠性处理：
   • 处理信息缺失：明确要求对缺失信息使用“【待补充】”标注。这是一个非常关键的技巧，避免了AI“胡编乱造”姓名、身份证号等关键信息，导致文书完全不可用。这体现了对AI局限性的清醒认识和对用户负责的态度。
   • 严禁杜撰：明确禁止模型编造事实和法律条文，这是法律文书工具的底线。
   • 引导补充：当输入信息不足时，要求模型引导用户补充，而不是强行生成错误内容。

3.2 API接口实现流程

在Next.js的App Router下，API路由文件src/app/api/generateIndictment/route.ts（根据Next.js 13+新规范，路径可能如此）的处理流程大致如下：

1. 接收请求：前端页面通过表单提交用户的案情描述。
2. 环境校验：检查环境变量OPENAI_API_KEY是否存在。如果不存在，则返回错误。
3. 组装Prompt：将用户的输入userInput填入到预设的systemPrompt和userPrompt模板中。
4. 调用AI API：使用chatgpt-api库，向OpenAI发送请求。通常会指定模型（如gpt-3.5-turbo或gpt-4），并将systemPrompt和组装好的userPrompt作为消息传入。
5. 流式响应（Streaming）：为了更好的用户体验，项目很可能采用了流式响应（Streaming Response）。这意味着AI生成的内容会像打字一样逐词返回给前端，而不是等待全部生成完再一次性返回。这在Next.js中可以通过NextResponse.stream()或使用Vercel AI SDK等工具方便地实现。
6. 返回结果：将AI生成的起诉状文本流式返回给前端界面展示。

实操心得：在调试自己的私有部署时，如果发现响应很慢或者不返回，首先检查API Key的余额和可用性。其次，可以暂时关闭流式响应，改为一次性返回，看看控制台是否有更清晰的错误信息。另外，GPT-3.5-turbo对于此类文本生成任务已经足够好用且成本低廉，不必一开始就使用更贵的GPT-4。

4. 私有化部署全流程指南

如果你想拥有一个自己独享、稳定且私密的“AI维权律师”，私有化部署是必由之路。下面是从零开始的详细步骤。

4.1 环境准备与代码获取

第一步：基础环境确保你的开发机已安装：

• Node.js(版本18.0或更高，推荐LTS版本)
• 包管理工具：项目使用pnpm，执行npm install -g pnpm进行安装。你也可以用npm或yarn，但可能需要调整部分命令。

第二步：获取源码打开终端，执行以下命令克隆仓库并进入项目目录：

git clone https://github.com/imyuanx/ai-lawyer.git cd ai-lawyer

第三步：安装依赖使用pnpm安装项目所需的所有第三方包：

pnpm install

这个过程会下载Next.js、React、Tailwind CSS、ChatGPT API库等所有依赖项。

4.2 核心配置：OpenAI API Key

这是整个项目能跑起来的“燃料”，必须正确配置。

1. 获取API Key：

   • 访问 OpenAI Platform 。
   • 登录或注册账号。
   • 点击右上角个人头像，选择“View API Keys”。
   • 点击“Create new secret key”生成一个新的密钥。生成后立即复制保存，因为它只显示一次。

2. 配置环境变量： 在项目根目录下，创建一个名为.env.local的文件。这个文件用于存储本地开发环境下的敏感变量，它会被.gitignore忽略，避免密钥被意外提交到公开仓库。 在.env.local文件中写入：

   OPENAI_API_KEY=sk-your-actual-api-key-here

   将sk-your-actual-api-key-here替换为你刚刚复制的真实API Key。

重要警告：.env.local文件是你的隐私核心。切勿将其上传到GitHub、GitLab等任何公开或共享的代码仓库。在团队协作中，通常只提交一个.env.example文件作为示例，真实密钥由每个开发者在自己的本地环境或部署平台配置。

4.3 本地运行与测试

配置好环境变量后，就可以在本地启动开发服务器了：

pnpm dev

如果一切顺利，终端会输出类似- Local: http://localhost:3000的信息。在浏览器中打开这个链接。

本地测试流程：

1. 在页面输入框中，尝试输入一个简单的案情描述。例如：“我在2023年10月1日从某电商平台购买了一台手机，价格3000元。收到货后发现是翻新机，与商家描述的‘全新正品’不符。我要求退货退款，但商家一直拖延不理。”
2. 点击提交，观察AI生成的起诉状。
3. 重点检查：
   • 格式是否规范（标题、当事人、诉讼请求等部分是否齐全）？
   • 对于你未提供的信息（如被告公司全称、你的身份证号），AI是否正确地用“【待补充】”进行了标记？
   • “事实与理由”部分是否逻辑通顺，是否尝试引用了相关法律（如《消费者权益保护法》）？
   • 响应速度如何？

通过这个测试，你可以验证你的API Key有效，且整个应用流程工作正常。

4.4 构建与生产环境部署

本地测试无误后，就可以构建生产版本并部署了。

构建生产包：

pnpm run build

这个命令会执行Next.js的构建过程，优化代码、打包资源，生成一个可用于生产环境的.next文件夹。

部署选择： 对于个人项目，最推荐的方式是部署到Vercel，因为它与Next.js的集成度最高，配置最简单。

1. 将你的代码推送到一个GitHub仓库（确保.env.local已加入.gitignore，没有上传）。
2. 登录 Vercel ，点击“Add New...” -> “Project”，导入你的GitHub仓库。
3. 在配置页面，Vercel会自动检测到这是Next.js项目。你需要在“Environment Variables”部分，添加一个名为OPENAI_API_KEY的变量，并填入你的真实密钥。
4. 点击“Deploy”。几分钟后，你的私有“AI维权律师”就拥有了一个公开的、稳定的访问网址。

除了Vercel，你也可以选择部署到任何支持Node.js的云平台，如Railway、Fly.io，或自己的云服务器。部署时，记得在对应平台的环境变量设置中配置OPENAI_API_KEY。

5. 使用技巧、局限性分析与安全须知

这个工具很强大，但必须清醒地认识到它的边界和风险。

5.1 如何获得更佳的生成效果？

• 输入信息尽可能详细：虽然AI会标记缺失信息，但输入越详细，生成的文书质量越高。尽量提供：明确的时间线、涉及的具体金额、对方的主体信息（个人姓名/公司名）、关键证据（如合同编号、聊天记录截图）、你的具体诉求。
• 分步细化：如果事情非常复杂，可以尝试“分步法”。先让AI生成一份基础版本，然后你针对“事实与理由”部分中不够清晰的地方，再次向AI提问进行补充或修改。
• 模型选择：在代码中，你可以尝试更换不同的GPT模型。gpt-3.5-turbo性价比高，速度快；gpt-4在逻辑推理、复杂问题处理和遵循复杂指令方面更强，但成本也高得多。可以在.env.local中增加一个变量如OPENAI_MODEL=gpt-4并在代码中读取，方便切换测试。

5.2 项目的核心局限性

1. 非实时法律数据库：GPT模型的知识存在截止日期（例如，截止到2023年初）。它无法知晓最新的法律法规、司法解释或地方性判例。对于法律时效性要求极高的场景，这是一个硬伤。
2. 无法替代专业律师：它只能生成文书草稿。法律诉讼涉及证据链梳理、诉讼策略制定、法庭辩论等，这些都需要专业律师的经验和判断。AI无法出庭，也无法为你提供真正的法律代理。
3. 事实核查缺失：AI完全基于你的描述生成内容。如果你提供的信息有误或片面，生成的文书自然也会有问题。它不具备调查和核实事实的能力。
4. 特定领域限制：项目Prompt主要针对民事纠纷。对于刑事、行政等复杂领域，或者涉及特别专业法律（如证券法、知识产权跨境纠纷）的问题，其生成效果可能不佳。

5.3 安全、合规与伦理须知

这是使用和部署此类工具时必须绷紧的弦。

• 信息隐私：你向这个应用输入的所有案情描述，都会通过你的API Key发送到OpenAI的服务器。请不要输入任何真实的个人敏感信息，如完整的身份证号、银行账号、家庭住址等。在测试和真实使用中，可以用“张三”、“李四”、“某市某区”等代替。私有部署虽然控制了前端，但数据仍需流向OpenAI。
• 合规使用：确保你的使用目的符合法律法规。不得用于生成诬告、诽谤他人的文书，或用于任何非法目的。
• 责任声明：在你的私有部署版本页面上，强烈建议添加清晰的责任声明。例如：“本工具生成内容仅为法律文书草稿参考，不构成正式法律意见。使用者应对生成内容的准确性和适用性自行判断，并建议咨询执业律师进行最终审核。开发者不对因使用本工具产生的任何后果负责。”
• API成本控制：OpenAI API是按使用量收费的。如果你部署的版本对公众开放，务必设置用量监控和限制（如通过Vercel Serverless Function的用量限制，或在前端增加验证码、使用频率限制等），防止被恶意刷取导致巨额账单。

6. 扩展思路与优化方向

如果你对这个项目感兴趣，想把它改造得更强大、更实用，这里有几个方向可以参考：

1. 多文书类型支持：除了起诉状，可以扩展支持“律师函”、“仲裁申请书”、“答辩状”、“上诉状”等。可以设计一个下拉菜单让用户选择文书类型，后端根据不同类型加载不同的System Prompt。
2. 上下文记忆与多轮对话：当前是单次问答。可以引入会话记忆，允许用户基于AI生成的第一稿进行多轮交互，例如：“把第三条诉讼请求的金额修改为5000元”，“在事实部分补充我与对方在10月5日的电话沟通记录”。
3. 本地模型部署：出于数据隐私和成本的考虑，可以探索使用开源的本地大模型（如通过Ollama部署Llama 3、Qwen等模型）来替代OpenAI API。这需要较强的本地算力和模型调优能力，但能实现完全的数据私有化。
4. 知识库增强（RAG）：为了解决法律知识陈旧的问题，可以引入RAG（检索增强生成）技术。预先将最新的法律法规、司法解释、案例判决书等文本向量化存储。当用户输入问题时，先从中检索相关法律条文和类似案例，再将检索到的片段与用户问题一起送给AI模型，从而生成更具时效性和参考性的内容。
5. 用户界面优化：将输入表单结构化，例如分为“原告信息”、“被告信息”、“案情描述”、“证据列表”、“诉讼请求”等多个字段，引导用户更有条理地提供信息，这也能让AI生成的内容质量更高。

这个“AI维权律师”项目是一个非常好的起点，它清晰地展示了如何将强大的大语言模型与一个具体的、高价值的应用场景相结合。通过私有化部署和深度定制，你可以把它变成一个真正能帮到自己或特定群体的实用工具。记住，技术是赋能者，而如何使用它，取决于我们的智慧和责任心。