01
流程与步骤
制作一份高质量的答辩状是应对民事诉讼的关键环节。以下是结合AI技术的答辩状制作流程：
1.导入案件材料
将民事起诉状及证据目录等案件相关材料导入AI系统。这些材料是AI分析案情的基础，必须确保其完整性和准确性。
2.总结案情及争议焦点
要求AI对案件材料进行分析，总结案情并初步提炼出争议焦点。这一步骤能够帮助我们快速把握案件的核心问题。
3.细化分析争议焦点
针对AI初步分析出的争议焦点，结合案件实际情况和已掌握的事实，进一步细化分析。这一步骤需要我们对案件有深入的理解和丰富的实践经验，以便发现可能存在的问题和潜在的争议点。
4.法律依据与案例检索
结合案件事实和证据材料，要求AI针对每个争议焦点查找相关的法律依据和案例依据。这一步骤能够为我们的答辩提供坚实的法律支撑，增强答辩的说服力。
5.撰写答辩状
在完成以上步骤后，补充完善案件事实信息，要求AI草拟答辩状。然后，人工对AI生成的答辩状进行审查和调整，修正表述不当的地方，确保答辩状的质量。
02
测试结果及评价
为了对比不同AI在法律问题识别与分析上的能力，我们选取了市面上较出色的几款AI产品，包括Kimi、得理、豆包、通义千问和文心一言。
(一)
总体测评结果
1. 具体事实整理和案件争议焦点思路分析
在该维度上，通用大模型和得理法律大模型的基本思路分析都涵盖了管辖权异议、事实与理由反驳、证据准备、法律依据准备、利息计算审查、反诉或反请求、和解可能性考虑以及答辩状准备等多个方面，为案件答辩提供了全方位的思路，基本没有遗漏民事诉讼中答辩可能涉及的关键环节，且都能结合《中华人民共和国民事诉讼法（2023修正）》等相关法律法规，针对起诉状内容，如原告提出的工程款支付情况、逾期付款利息计算。
此外，得理、Kimi能结合《最高人民法院关于审理建设工程施工合同纠纷案件适用法律问题的解释（一）》第四十三条的适用等具体问题，给出了具体的反驳方向和依据，具有很强的针对性，能够有效指导被告代理人的应诉准备工作。
而从通用大模型和专业大模型的横向对比中，可以看出通用大模型虽提出了多个答辩方向，但对于每个方向下可能遇到的具体复杂情况和应对细节阐述不够深入。例如，在管辖权异议部分，没有进一步说明在何种情况下可以提出异议，以及提出异议后可能面临的程序和法律后果等。同时也缺乏案例支撑：没有结合具体的类似案例来说明各个答辩思路在实际案件中的应用效果，如果能有一些案例分析，会让答辩思路更具说服力和参考价值。
2. 可能需要的证据材料总结
（1）关键证据明确：大部分模型能够准确指出了合同文件、工程验收文件、付款记录等关键证据材料，这些证据对于证明双方合同关系、工程完成情况以及付款情况等核心事实至关重要，体现了对建设工程施工合同纠纷案件证据重要性的准确把握。得理、KIMI、文心一言所列举的证据材料与案件争议焦点紧密相关。比如，与任某的协议或合同能够直接关联到任某的实际施工人身份认定问题，通信记录可以反映双方沟通情况和对工程款支付的确认等，有助于全面还原案件事实，为答辩提供有力支持。
（2）证据来源未明确：虽然列举了多种证据材料，但对于这些证据的来源和获取途径没有进行说明。例如，工程验收文件是由哪一方出具的，付款记录是否包括银行转账记录、支票支付记录等多种形式等，如果能进一步明确证据来源，将更有助于答辩方有针对性地收集和准备证据。
（3）证据关联性论证不足：对于一些证据与答辩主张之间的关联性缺乏详细论证。比如，通信记录可能包含大量信息，需要进一步说明哪些具体内容能够直接支持答辩方关于工程款支付情况或任某实际施工人身份等方面的主张，否则在法庭上可能会因关联性不足而影响证据的证明力。
3.关于任某实际施工人身份抗辩的回复
因本案为实际施工人案，因此任某的实际施工人身份问题一般都是案件的争议焦点，部分AI能够主动给出关于任某实际施工人身份的分析，有部分AI需要手动输出指令后才能进行分析。如豆包，经手动输出指令“能否就任某的实际施工人身份是否成立进行抗辩”后才能进行分析。
4.答辩状示例
基本上各家AI产品都能够输出一个格式正确的答辩状示例。得理、Kimi能够提供了答辩请求、事实与理由以及证据清单等核心内容的框架，为答辩方撰写答辩状提供了清晰的结构指引，使答辩方能够按照这个框架填充具体内容，确保答辩状内容的完整性和逻辑性。而豆包、文心一言仅输出答辩状的格式范本，缺乏对具体内容的生成能力。
(二)
模型表现
1
Kimi
优点：Kimi在案件事实整理和争议焦点分析方面表现较为出色，能够结合具体法律法规，如《中华人民共和国民事诉讼法》和《最高人民法院关于审理建设工程施工合同纠纷案件适用法律问题的解释（一）》，为案件答辩提供有针对性的思路。
不足：在细节方面，Kimi的分析还不够深入。例如，在管辖权异议部分，没有进一步说明在何种情况下可以提出异议以及可能面临的程序和法律后果。此外，缺乏案例支撑，使得答辩思路的说服力和参考价值有所欠缺。
2
得理法律大模型
优点：得理在分析案件争议焦点时，能够结合具体问题给出具体的反驳方向和依据。例如，在实际施工人身份问题上，得理能够进行针对性的分析，为案件的答辩提供了明确的方向。
不足：得理在多个回答中均体现出优于通用大模型的法律专业性，但对话较依赖于用户给出的提示词，如在分析部分能主动提供关联信息体验感会更佳。
3
豆包
优点：豆包在案件事实整理和争议焦点分析方面也有一定的表现。能够准确指出合同文件、工程验收文件、付款记录等关键证据材料，体现了对建设工程施工合同纠纷案件证据重要性的准确把握。
不足：豆包在自动分析任某实际施工人身份问题方面存在不足，需要手动输出指令后才能进行分析。此外，其在答辩状输出方面仅能提供格式范本，缺乏对具体内容的生成能力。
4
通义千问
优点：通义千问在案件事实整理和争议焦点分析方面能够提供基本的思路，涵盖了民事诉讼中答辩可能涉及的关键环节。在法律依据方面，能够结合相关法律法规进行分析，为答辩提供一定的指导。
不足：通义千问在细节分析和案例支撑方面表现较差。其对每个答辩方向下可能遇到的具体复杂情况和应对细节阐述不够深入，且缺乏结合具体案例的分析，使得答辩思路的实用性和说服力受到限制。
5
文心一言
优点：文心一言在案件事实整理和争议焦点分析方面能够结合具体法律法规，为案件答辩提供有针对性的思路。在证据材料列举方面，能够与案件争议焦点紧密相关，有助于全面还原案件事实。
不足：文心一言在细节分析和案例支撑方面也存在不足。同时，在答辩状输出方面，仅能提供格式范本，缺乏对具体内容的生成能力。
03
总结
通过本次实践，我们发现AI在法律实务中具有一定的应用价值。大部分AI产品能够在案件事实整理、争议焦点分析、法律依据检索等方面提供一定的帮助，为法律工作者节省时间和精力。同时，本次测评也暴露出通用大模型的不足之处，如细节分析不够深入、缺乏案例支撑、证据关联性论证不足等，而法律专业大模型在上述方面的回答则体现出更强的专业性。
在未来，随着AI技术的不断发展和法律数据库的不断完善，我们相信AI尤其是法律AI在法律实务中的应用将更加广泛和深入。但无论如何，AI只能作为辅助工具，法律工作者的专业知识和经验仍然是不可或缺的。我们需要合理利用AI技术，充分发挥其优势，同时弥补其不足，以提高法律实务的效率和质量。
总之，AI与法律的结合是未来的发展趋势，我们期待看到更多AI技术在法律领域的创新应用，为法律行业的发展注入新的活力。
-END-
