Lexis+ AI 是律商联讯(LexisNexis,RELX 集团旗下法律信息服务商)于 2023 年 5 月推出的生成式 AI 法律研究助手。它将自然语言问答与 LexisNexis 自有法律语料(判例、成文法、行政法规、法学期刊)结合起来,提供四类核心能力:对话式法律检索、Shepard's 引证效力核验、法律文书起草与总结、上传文档分析。2023 年 10 月在美国全面商用,2024 年陆续加入上传文档与多模型架构,2025 年集成到 Microsoft Word,是当前法律科技市场最主流的法律数据库 AI 工具之一。 它要解决的问题,是传统法律研究的“四步割裂”:检索要会布尔语法,筛选要逐条读全文,核验判例效力要单独查 Shepard's,成稿还要整理引证。Lexis+ AI 把“提问→检索→核验→成稿”压缩到一轮对话,同时保证每一条引用都能回溯到数据库原文。 本文按“从开通到运维”的顺序组织:先给速览卡,再讲企业开通配置与 5 分钟上手,然后拆解核心能力与生产部署要点,最后给出与 CoCounsel、Bloomberg Law AI、Harvey 的选型对比、典型应用场景、常见误区和面试自测题。AI 从业者按章节阅读即可完整掌握这款工具及其生态位。

岗位关联

对 AI 从业者而言,Lexis+ AI 是“垂直领域 LLM + RAG + 权威引证核验”的商业化样本。理解它的数据隔离、引用链路与企业部署形态,能直接迁移到金融、医疗等同样强调可验证性的 AI 产品设计。

目录
  1. 为什么需要 Lexis+ AI:从“检索 + 人工核验”到“对话 + 自动引证”
  2. 安装与环境配置:SaaS 开通与 4 项必做配置
  3. 快速上手:5 分钟跑通「判例检索 → 效力核验 → 起草」
  4. 核心能力详解:5 大支柱
  5. 生产部署与监控:从上线到运维
  6. 版本迭代
  7. AI 应用场景
  8. 常见误区
  9. 面试题
工具类型
法律数据库 + 生成式 AI 助手(SaaS)
开发商
LexisNexis(律商联讯,RELX 集团子公司)
开源协议
闭源商业软件(按席位订阅)
GitHub Stars
无
主要语言
英语界面(支持多法域法律内容)
当前版本
持续迭代(2025-02 已上线 Word 集成版)
安装方式
无需安装,浏览器访问 + 可选 Word 插件
下载地址
官方文档
上手难度
★★☆☆☆(低,对话式交互)
适合人群
律师、法务、法律研究员、法律科技产品经理
同类工具
CoCounsel(Thomson Reuters)· Bloomberg Law AI · Harvey
托管服务
无

速览卡是工具类内容的固定首屏模块:30 秒判断「这工具是什么、能不能商用、适不适合我」。

为什么需要 Lexis+ AI:从“检索 + 人工核验”到“对话 + 自动引证”

传统法律研究依赖 Lexis 或 Westlaw 的布尔检索,研究者必须掌握关键词、连接符和字段限定语法;一次检索常返回几十条判例,每条都要点开全文阅读;判例是否被后续判决推翻或质疑,还要逐条核对 Shepard's 引证报告;最终写备忘录时再手工整理引证格式。整个流程以小时计,对刚入行的律师助理门槛尤其高。

Lexis+ AI 把自然语言提问直接映射到 LexisNexis 法律数据库,用检索增强生成(RAG)产出带引用来源的答案。RAG 指先检索权威语料、再让大模型基于检索结果生成的架构,能显著降低模型凭空编造内容的风险。凡是判例类引用都会同步显示 Shepard's 信号——即该判例目前是否仍具有约束力、是否被推翻或质疑——用户点击链接即可直达原文。起草功能再把研究结果转成备忘录、邮件或谈判要点,把“检索-阅读-核验-写作”合并为一步。

与通用对话助手不同,Lexis+ AI 默认不把互联网当作语料,只检索 LexisNexis 受控法律内容,回答必须可回溯。与同类法律 AI 的差异主要在数据资产:Shepard's 引证链是 LexisNexis 独有、经数十年人工维护的判例效力数据库,这构成了它的核心壁垒。

安装与环境配置:SaaS 开通与 4 项必做配置

Lexis+ AI 是纯 SaaS 服务,不需要安装本地程序,也不需要写代码。以下步骤面向律所或法务部的 IT 管理员。

1. 订阅开通:通过律商联讯销售代表或官网“申请试用”获取企业账户。个人试用填公司邮箱,企业版走采购流程并按席位开通。

2. 身份安全配置:管理员登录 LexisNexis 管理控制台,为企业启用 SSO(SAML/OIDC),绑定 Microsoft Entra ID 或 Okta 等身份源;强制开启多因素认证(MFA);按部门或业务线划分用户组,控制 AI 功能可见范围。

3. AI 模型与输出配置:在控制台的 AI 设置中选定默认模型(GPT 系列或 Claude 系列),建议开启“仅使用受控法律语料”,避免模型依赖外部网络信息作答。

4. 可选插件部署:如需要在 Word 中起草文书,由 IT 通过 Microsoft 365 管理中心把 "Lexis+ AI" 插件批量分配给指定用户组,律师即可在 Word 侧边栏唤起检索与起草。

5. 验证:用测试账户登录产品,输入“请查找加州关于违反信托义务(breach of fiduciary duty)的构成要件”,确认返回结果带引用并显示 Shepard's 信号;再在 Word 中验证插件能否正常唤起。

全程无命令行操作,无需代码块。

快速上手:5 分钟跑通「判例检索 → 效力核验 → 起草」

用一个真实研究任务把“提问-核验-输出”链路走通,示例问题为“加州违反信托义务的构成要件”。

1. 登录:浏览器打开产品官网,使用机构账号登录。

2. 提问:在对话输入框中,用自然语言描述问题,务必包含管辖地,例如 "What are the elements of a breach of fiduciary duty claim in California?"。

3. 核验:逐条查看结果中的 Shepard's 信号——红色代表判例已被推翻或否定,黄色代表被质疑或区分,绿色代表仍有效。点击“查看引证”可跳转判例全文。

4. 起草:在对话中追加指令,例如“把以上结果写成一段备忘录开场白,并附引证”,系统将生成初稿,复制到 Word 继续编辑。

5. 进阶:试用上传文档功能,将一份保密协议 PDF 拖入上传区,提问“赔偿条款有哪些风险点”,系统会返回条款风险提示并附相关判例。

结果说明:几分钟内即可获得一份带引证、带效力信号的初步研究结论,这是后续撰写法律备忘录和尽调报告的基础。进阶技巧:每次提问明确“管辖地 + 请求类型 + 输出格式”(如“列出要点并给出来源”),能明显提升答案质量。

核心能力详解:5 大支柱

支柱一:对话式法律检索(RAG 底座)。用户输入自然语言后,系统将其转化为对 LexisNexis 判例、法条、行政指导文件的检索请求,再把命中的法律文档与用户问题一并交给大模型生成答案。回答下方逐条列出引用,每条可展开至原始文本。由于限定在受控语料内检索,大幅减少了生成不存在判例的“幻觉”问题。

支柱二:Shepard's 引证核验。Shepard's 是 LexisNexis 的判例效力追踪工具,实时记录每个判例在后续案件中被援引、限定、区别或推翻的情况。Lexis+ AI 在引用判例时自动挂接其 Shepard's 信号,用户不必另开引证报告即可了解效力状态。这部分不是“AI 判断”,而是权威数据与生成答案的链路拼接,也是它区别于普通聊天机器人的关键。

支柱三:法律文书起草与总结。按用户指令输出法律备忘录、诉讼要点、谈判邮件等文本。与通用大模型的区别在于:文中的法律引用会尽量落到真实数据库条目上,而不是模型自由发挥;要求“附引证”时,生成结果会标记对应的判例或法条来源。

支柱四:上传文档分析。支持上传合同、起诉状、法规文本等文档,并针对文档内容提问,例如“找出本协议中赔偿责任上限条款,评估其与加州判例的潜在冲突”。适用于合同审阅、尽职调查、案件材料梳理等任务,输出会结合文档原文与判例法给出风险提示。

支柱五:多模型与企业管控。管理员可在平台层配置底层大模型(GPT 系列、Claude 系列等),并控制哪些用户组可切换模型。企业版提供用量统计、配额限制和审计日志导出,满足律所和法务部的合规要求。

生产部署与监控:从上线到运维

部署方式一:官方 SaaS。零服务器、零运维,由 LexisNexis 托管。律所只需完成 SSO 对接和用户权限划分即可上线。采购时重点关注企业数据处理协议,确认客户机密文档在租户边界内的存储与处理承诺。

部署方式二:Microsoft 365 集成。通过 Microsoft 365 管理中心向指定用户组分发 "Lexis+ AI" Word 插件,律师在 Word 侧边栏完成检索、起草和引证核验。IT 可控制插件可见范围,并按需回收权限。

可观测性。管理控制台提供活跃用户数、会话数、提问量等指标,管理员可设定用量配额与预算上限,并导出审计日志供内部合规审查。建议在启用前与服务商确认日志保留周期和导出格式,满足律所对客户保密信息的管理要求。

<p class="para-label">避坑清单:</p>

<ul class="dash-list"><li>管辖地不明确:美国法律高度分州,未在提问中指定州或法院层级,答案会覆盖全美判例,难以直接采用。</li><li>信号有更新窗口:Shepard's 信号反映数据核验结论而非 AI 判断,但存在更新滞后,重大案件应再打开完整引证报告确认。</li><li>客户文件误传:把客户机密文档上传到个人试用账户,可能落在企业数据保护协议之外,上传前先确认租户和授权。</li><li>忽略模型差异:不同底层模型的法律输出风格和引证准确率不同,上线前应做对比测试再选定默认模型。</li></ul>

维度Lexis+ AICoCounsel(Thomson Reuters)Bloomberg Law AIHarvey
定位Lexis 数据 + 对话式研究Westlaw 数据 + 任务式法律助手商业法律分析 + 数据情报律所定制 AI 工作流平台
编排范式自由对话 + 命令式指令预设任务模板(研究/审阅/对比)对话问答 + 检索报告按律所流程定制流水线
类型约束法律问答、起草、文档分析法律研究、合同审阅、邮件起草法规跟踪、商业尽调、诉讼情报尽调、合同分析、知识管理
学习曲线低(对话式)中(需学习任务模板用法)低-中高(需定制开发)
生态集成LexisNexis 数据 + Word 插件Westlaw / KeyCite + 文档工具Bloomberg Law 数据库API、私有数据源、自定义集成
生产部署官方 SaaS官方 SaaS官方 SaaSSaaS / 私有化部署
License商业订阅商业订阅商业订阅商业订阅(定制报价)
适合谁Lexis 老客户、诉讼与公司法务Westlaw 老客户、综合律所公司法务、金融及商业诉讼团队大型律所、精品所、预算充足团队

选型建议:第一决策要素是现有数据库生态——已经在用 LexisNexis 就选 Lexis+ AI,用 Westlaw 就选 CoCounsel,迁移成本最低。商业金融相关业务多的团队可叠加 Bloomberg Law AI 的独特数据集。预算充足且需要深度定制尽调流水线和专属知识库的,再评估 Harvey。

版本迭代

Lexis+ AI 是 SaaS 持续交付产品,无语义化版本号,官方以功能里程碑推进:2023 年从预览走到商用,2024 年上半年补上文档分析与多模型架构,2025 年向办公场景渗透(Word 集成)。第三方基准评测数据尚未公开发布,功能判断以官方发布记录为准(截至训练数据,可能已有更新版本)。

版本时间变化提升
公开预览版2023-05产品首次发布,以 GPT-4 为基座自然语言提问进入 LexisNexis 数据库,回答附带 Shepard's 引证
商用正式版2023-10美国市场全面商业化开放企业订阅、管理员控制台、用量统计
文档分析版2024-04新增 Upload Document 上传文档支持对 PDF/Word 合同与诉状提问,输出条款风险提示
多模型版2024-05引入多模型路由架构支持 GPT-4o、Claude 等模型,管理员可配置默认模型
Office 集成版2025-02Lexis+ AI for Word在 Microsoft 365 Word 侧边栏直接检索、起草与核验
结论

版本主线是从“检索工具”走向“法律工作台”——先解决高质量检索,再增加文档、多模型、Office 集成,把 AI 嵌入律师既有的书写流程。因无公开第三方基准分数,本模块不设评测数据表;选型时建议以“是否包含文档分析与多模型能力”作为区分新旧版本能力的判断点。

AI 应用场景

场景一:判例研究与备忘录起草

阶段:RAG 管道构建 / 法律研究

解决的问题:传统流程中,律师助理要完成布尔检索、逐条阅读判例、单独做 Shepard's 核验,再整理引证清单,耗时以小时计。Lexis+ AI 将初筛和效力核验合并到一轮对话中,引用清单可直接进入备忘录草稿。

具体案例:某诉讼团队研究“加州违约损害赔偿的计算标准”,先用对话检索获得 6 条核心判例及摘要,再通过 Shepard's 信号确认其中 2 条已被后续判例质疑。研究初稿从半天级压缩到小时级,引证错误明显减少。

场景二:合同审阅与合规风险排查

阶段:上传文档 → 条款抽取 → 风险提示

解决的问题:法务逐条阅读合同找风险点效率低,且难以快速关联判例。上传文档后,系统可定位赔偿、知识产权、终止条款等高风险区域,并附判例依据。

具体案例:某企业法务上传并购保密协议,AI 定位出“赔偿上限条款与州判例不一致”的风险点并给出修改建议,单份合同审阅从原来约 1 天缩短到数小时。

场景三:尽调与文档批量分析

阶段:资料汇总 → 文档问答 → 结构化总结

解决的问题:尽职调查中几十份合同的条款对照表格整理费时费力。批量上传后,可统一提问提取不可抗力、变更控制、终止条款等关键内容,生成条款对照初稿。

具体案例:尽调团队上传 50 份合同,通过批量问答提取关键条款并生成对照表,原先两名律师约 3 天完成的表格初稿在 1 天内产出。

常见误区

误区“我只要把案情写清楚,AI 会自动判断适用哪个州的法律。”

正解Lexis+ AI 的检索后端是 LexisNexis 数据库,但它不具备跨州意图推断能力。不指定管辖地,命中的判例可能来自全美各州,结论无法直接采用。提问时必须显式写明州、联邦或具体法院层级。

为何常见:通用对话模型“理解意图”的能力让人误以为法律检索同样全能,忽略了法律数据高度分域的现实。

误区“信号是 LLM 根据判例文本自己判断出来的,标了绿色就说明答案可靠。”

正解Shepard's 是 LexisNexis 独立的引证分析数据库,由专业编辑和法律分析人员长期维护,记录判例在后续案件中的援引与效力变化。它是数据产品而非生成内容,使用时应留意其更新时间。

为何常见:“引证分析”四个字让人默认它是 AI 生成功能,忽视了背后的专业数据库维护体系。

误区“公司已经买了 Lexis Advance,那应该自带 Lexis+ AI 的全部功能。”

正解Lexis Advance 是传统法律检索产品,Lexis+ AI 是独立的生成式 AI 产品,需要单独订阅并按席位授权。“Lexis+“和”Lexis+ AI”是两个产品线,采购时要分别确认。

为何常见:厂商用相近的"Lexis"品牌命名不同产品线,造成功能归属混淆。

误区“回答里列出的判例既然来自数据库,肯定都是真实存在的。”

正解RAG 架构已显著降低幻觉,但大模型在拼接回答时仍可能产生不准确的引证。使用前应点击引证链接进入原文核对,并确认 Shepard's 信号状态,重要文书尤其不能跳过这一步。

为何常见:把“带引用功能”理解成“100% 准确引用保证”,忽略了生成式模型固有的概率性缺陷。

误区“只要上传到公司账号里就安全了。”

正解数据安全取决于企业协议的租户边界、数据处理条款和账号类型。个人试用账户不承载与企业版相同的保密义务;上传客户文件前必须先取得客户授权,并确认数据落在企业受保护租户内。

为何常见:SaaS 产品的“云上即安全”直觉,掩盖了账号级别和协议级别的安全差异。

面试题

Q1. Lexis+ AI 回答法律问题时,数据来源主要来自哪类资源?

单选题 · easy

  • A.互联网公开网页抓取内容
  • B.律商联讯的专有法律数据库← 正确答案
  • C.订阅用户的私有文档库
  • D.仅来自大模型的训练参数

答案:B。Lexis+ AI 采用检索增强生成,先检索 LexisNexis 判例和法规库,再让模型基于检索结果作答。A 是通用对话产品的做法,C 是上传文档功能的语料之一而非主要来源,D 会失去时效性与可回溯性。

Q2. 在 Lexis+ AI 中,Shepard's 引证分析的核心作用是?

单选题 · easy

  • A.自动生成判例摘要文本
  • B.检查判例是否仍具有约束力← 正确答案
  • C.抽取合同风险条款
  • D.自动排版法律文书格式

答案:B。Shepard's 是 LexisNexis 的判例效力追踪数据库,记录判例在后续案件中被援引、限定、推翻的情况。A 和 D 属于生成式功能,C 是文档分析功能,都与判例效力核验无关。

Q3. 在 Lexis+ AI 中提问美国法律问题,最关键的信息是什么?

单选题 · mid

  • A.律所的付款账号
  • B.明确管辖地与法院层级← 正确答案
  • C.设定文书目标页数
  • D.提供律师执业年限

答案:B。美国法律高度分州,联邦与州法院体系各异。不明确管辖地,检索会命中全美判例,答案难以直接采用。付款账号、目标页数、执业年限都与法律检索的答案质量无关。

Q4. 下列哪一项不属于 Lexis+ AI 的核心能力?

单选题 · mid

  • A.支持对话式法律检索
  • B.上传文档并提示条款风险
  • C.实时行情与股价走势分析← 正确答案
  • D.生成备忘录与法律摘要

答案:C。Lexis+ AI 面向法律研究、起草与文档分析,金融行情分析不在其产品边界内。A、B、D 均为官方功能,C 属于金融信息服务范畴。

Q5. 关于 Lexis+ AI 的多模型架构,以下说法正确的是?

多选题 · hard

  • A.默认只允许一个底层模型
  • B.多模型可路由切换← 正确答案
  • C.支持 GPT 与 Claude 等多模型← 正确答案
  • D.与语料数据源完全解耦

答案:BC。2024 年 5 月 Lexis+ AI 引入多模型路由,管理员可选择底层模型,因此 B、C 正确。A 与多模型架构矛盾;D 具有迷惑性——模型可更换,但输出仍必须基于 LexisNexis 受控语料,并非与数据源解耦。

Q6. 与通用大模型相比,Lexis+ AI 在“可验证性”上的核心差异是?

单选题 · hard

  • A.生成回答的速度更快
  • B.答案附可回溯引证与效力信号← 正确答案
  • C.支持图像多模态输入
  • D.依赖更大的模型参数规模

答案:B。法律场景要求每条结论可溯源。Lexis+ AI 将对话结果关联到数据库全文并挂接 Shepard's 信号,这是它相对通用模型的本质差异。速度、多模态、参数量都不是法律可验证性的关键。

Q7. 企业在正式启用 Lexis+ AI 前,通常需要完成哪些配置?

多选题 · easy

  • A.配置 SSO 单点登录与多因素认证← 正确答案
  • B.划分用户组并设置 AI 功能权限← 正确答案
  • C.购买本地 GPU 推理服务器
  • D.启用审计日志与用量追踪← 正确答案

答案:ABD。Lexis+ AI 是云端 SaaS,不需要自建 GPU,C 错误。身份认证、权限划分和审计追踪是企业安全基线,分别对应 A、B、D,是正式启用前的标准配置项。

Q8. 上传客户合同到 Lexis+ AI 进行分析前,最稳妥的做法是?

单选题 · mid

  • A.用无企业协议的个人账户上传
  • B.取得客户授权并通过企业账户上传← 正确答案
  • C.删除客户信息识别项后再上传
  • D.通过团队共享邮箱等待处理

答案:B。上传前首先要确认文件处于企业数据处理协议保护的租户内,并取得客户授权。C 是补充手段但无法替代授权;A 可能使文件落入无保密义务的环境;D 与数据安全要求无关。

Q9. 为降低法律 AI 的“引用幻觉”,在 Lexis+ AI 中最有效的操作是?

单选题 · extreme

  • A.让模型输出更多关键词
  • B.改用上传文档方式检索
  • C.限定检索语料并核对引证状态← 正确答案
  • D.在设置中关闭引证功能

答案:C。RAG 的幻觉主要出现在模型拼接不存在的引用时。限定语料为 LexisNexis 受控源,并逐条核对 Shepard's 信号与原文,是降低风险最直接的手段。A 无法改变检索事实,B 不适用于所有任务,D 会削弱可验证性。

Q10. 关于 Lexis+ AI 的企业部署与集成,正确的是?

多选题 · hard

  • A.通过 Word 插件支持起草场景← 正确答案
  • B.通过 SSO 集成企业身份系统← 正确答案
  • C.支持完全离线本地部署
  • D.管理员可配置模型与审计← 正确答案

答案:ABD。官方提供 Word/Office 365 插件与 SSO 集成,管理员可管理模型和审计日志,A、B、D 正确。C 错误:Lexis+ AI 是 SaaS 产品,不可离线本地部署,企业评估时要提前确认这一边界。