Skip to content
查看 GitHub 源文件

源文件:https://github.com/lennonli/licheng-AI-tutorials/blob/main/docs/agent-practice-11-evidence-index-timeline-ABL-20260831-V1.md

AI实战11|几十份证据怎么整理?让Agent先做证据目录和时间线

诉讼项目里,经常会收到一整个文件夹:

合同;

付款凭证;

微信截图;

邮件;

通知函;

发票;

照片;

录音转写;

公司资料。

真正开始写诉状、答辩状或者代理意见之前,往往先要花大量时间解决一个基础问题:

这些材料到底是什么,发生在什么时间,能够证明什么?

这类工作非常适合先让Agent做第一轮整理。

一、不要一开始就让AI判断案件输赢

拿到几十份证据以后,直接问:

“这个案子能不能赢?”

通常太早。

因为连基础事实都还没有梳理清楚。

更实用的第一步是让Agent先回答:

有哪些证据;

每份证据是什么;

时间是什么;

涉及谁;

主要内容是什么;

可能对应哪个事实。

先把材料整理成结构化底稿。

二、先生成一份证据目录

比如文件夹里有50份材料。

可以让Agent逐份整理:

序号;

证据名称;

文件名;

形成时间;

涉及主体;

主要内容;

初步证明事项;

备注。

最终形成一张Excel。

这样原来杂乱的文件夹,就变成了一份可以快速浏览的:

证据地图。

三、“证明目的”不要写得太绝对

Agent可以根据材料内容初步判断:

某份付款凭证可能用于证明已经支付款项;

某份聊天记录可能用于证明双方曾确认价格。

但这只是:

初步证明方向。

真正的证明目的还需要结合:

诉讼请求;

争议焦点;

举证责任;

对方抗辩

进一步调整。

所以可以让Agent先写:

“初步证明事项”。

不要一开始就把AI判断当成最终证据目录。

四、再生成一条案件时间线

证据目录解决:

有什么材料。

时间线解决:

事情是怎么发生的。

Agent可以从所有材料里提取:

合同签订;

付款;

交付;

催告;

违约;

解除;

协商;

诉讼

等关键时间点。

按日期排序以后,很多原本散落在几十个文件里的事实会突然变得很清楚。

五、特别注意日期冲突

不同材料之间经常存在:

日期不一致;

金额不一致;

主体表述不一致。

比如合同写付款日期是5月1日,但转账记录显示5月3日。

这时候Agent不要替你“统一”。

应该明确标记:

存在冲突。

然后告诉你:

冲突来自哪两份材料。

这种异常往往比一份普通证据更值得人工关注。

六、聊天截图要特别谨慎

聊天截图可能涉及:

时间;

昵称;

完整上下文;

是否截断;

对话主体身份。

AI可以帮你提取文字和关键内容。

但不能因为昵称叫“张总”,就自动认定一定是某个具体自然人。

所以主体身份不清楚时,应标记:

身份待核验。

原始截图也必须保留。

七、录音和长聊天可以先提炼关键片段

几小时录音或者几百页聊天记录,不一定需要人工完整重读以后再整理。

可以先让Agent提取:

承认事实;

金额确认;

时间承诺;

责任表述;

争议发生;

重要异议

所在的位置。

然后人工重点回听或者回看相应部分。

Agent在这里最有价值的作用不是替代证据审查,而是:

帮助快速定位重要内容。

八、整理完成以后,再进入法律分析

理想顺序可以是:

原始证据

证据目录

事实时间线

异常和冲突清单

争议焦点

法律分析和文书起草

这样AI不会一拿到材料就急着“发表法律意见”。

而是先把事实基础整理清楚。

这通常更可靠。

直接复制的实战提示词

请整理【证据材料文件夹路径】中的全部文件,逐份提取“证据名称、文件名、日期、涉及主体、主要内容、初步证明事项”,生成【证据目录.xlsx】;同时根据全部材料整理【案件时间线.xlsx/MD】,按时间顺序列出关键事件及对应证据。发现日期、金额、主体或事实存在冲突时请单独标记,无法确认的信息不得猜测。结果保存至【输出文件夹】,不得修改原始证据,并列出需要人工重点核验的材料。

最后记住一句话

一堆证据交给Agent以后,

不要先问:

“这个案子谁会赢?”

先让它解决更基础的问题:

“这些证据分别是什么,它们共同讲出了一个怎样的事实经过?”

事实底稿整理清楚以后,后面的专业判断才更有基础。

内容同步自 GitHub 仓库,仅作为工具教程与工作流说明。

CONTACT

联系李成律师

扫描二维码添加微信,沟通法律 AI、非诉业务及相关合作事项。

手机端可点击二维码查看原图并长按识别。

李成律师微信二维码扫码添加微信