OpenClaw+千问3.5-35B-A3B-FP8：法律文书辅助生成系统

1. 为什么需要本地化的法律文书助手

去年接手一个跨境知识产权案件时，我连续熬了三个通宵整理诉讼材料。在反复修改起诉状的过程中，突然意识到：如果能有个AI助手帮我完成文书框架生成和格式校验，至少能节省40%的机械工作时间。但客户提供的保密协议明确禁止使用任何云端SaaS工具，这个需求促使我开始探索OpenClaw+本地大模型的解决方案。

传统法律文书生成面临三个核心痛点：

• 隐私风险：将客户案件细节上传到第三方平台可能违反保密条款
• 模板僵化：市面上的文书生成工具往往只能输出固定模板，难以应对复杂案情
• 协作断层：律师与助理之间的多次修改版本容易混乱，缺乏智能化的版本对比

OpenClaw与千问3.5-35B-A3B-FP8的组合恰好能解决这些问题。上周我用这套系统完成了三份不同案由的起诉状初稿，平均耗时从原来的6小时缩短到2.5小时，最关键的是所有数据都在本地笔记本上处理，连VPN都不用开。

2. 系统搭建实战记录

2.1 硬件配置的妥协艺术

我的2019款MacBook Pro（16GB内存）跑35B参数的模型确实吃力。经过多次测试，最终采用这样的折中方案：

# 使用GGUF量化版本降低显存占用
MODEL_NAME=Qwen3.5-35B-A3B-FP8-GGUF
wget https://example.com/path/to/${MODEL_NAME}.gguf

量化后模型体积从130GB降到23GB，虽然推理质量有约5%的下降，但在文书生成场景下完全可接受。这里有个教训：首次加载时直接下载原版模型，导致系统卡死整整半小时，后来才发现OpenClaw的模型管理界面其实有量化版本提示。

2.2 OpenClaw的关键配置

在~/.openclaw/openclaw.json中需要特别注意这些参数：

{
  "models": {
    "providers": {
      "local-qwen": {
        "baseUrl": "http://localhost:5000",
        "api": "openai-completions",
        "models": [{
          "id": "qwen3.5-35b-local",
          "temperature": 0.3,  // 降低随机性保证法律文书严谨性
          "maxTokens": 4096     // 确保能生成完整文书章节
        }]
      }
    }
  },
  "skills": {
    "legal-doc": {
      "templatePath": "~/legal-templates",
      "autoBackup": true       // 每次修改自动生成版本快照
    }
  }
}

特别说明temperature参数对法律文书的影响：当设置为默认值0.7时，模型会生成更具创造性的表述，但这可能导致法律术语使用不规范；0.3的设置让输出更加保守准确。

3. 法律文书生成工作流设计

3.1 从零构建起诉状

通过飞书机器人发送指令：

@OpenClaw 生成商标侵权起诉状模板，原告：上海某科技公司，被告：杭州某电商公司，案由：第35类服务商标侵权，索赔金额500万元，需包含证据清单

系统执行链路如下：

1. 调用legal-doc技能匹配最接近的模板（商标侵权类）
2. 使用千问模型填充以下结构化字段：
   • 当事人信息
   • 诉讼请求
   • 事实与理由
   • 证据清单（自动编号+分类）
3. 生成Markdown格式初稿，同时创建备份文件起诉状_20240815_v1.backup

3.2 文书修订辅助

OpenClaw的独特优势在于可以像人类一样操作Word文档。当我用Track Changes模式修改文书时，它能：

• 自动提取所有修订内容生成变更摘要
• 对删除的法律条款给出替代建议
• 检查引用的法条是否最新有效（通过本地法律数据库）

这个功能依赖两个关键技能：

clawhub install legal-reviser doc-tracker

4. 隐私保护实现细节

所有数据处理都在本地完成的设计要点：

1. 网络隔离：OpenClaw网关绑定127.0.0.1，禁用所有外连请求
2. 文件沙盒：工作目录设置为加密APFS卷宗
3. 内存清理：每次任务完成后自动执行：

   import gc
   gc.collect()
   torch.cuda.empty_cache()
   

4. 日志脱敏：自动识别并模糊化当事人姓名、证件号等敏感信息

曾遇到一个坑：最初使用系统默认临时目录导致文书片段被缓存到磁盘，后来在配置中增加了"tempDir": "/Volumes/Encrypted/tmp"参数彻底解决。

5. 效果验证与局限

对比测试三组文书生成任务：

任务类型	纯人工耗时	系统辅助耗时	修改次数
商标侵权起诉状	5.2小时	2.1小时	3次→1次
劳动合同审查	3.8小时	1.5小时	6次→2次
专利许可协议	6.5小时	3.0小时	4次→2次

当前系统存在两个明显局限：

1. 对特别新颖的案件类型（如AI版权侵权）缺乏判断力
2. 无法处理扫描版证据材料的文字识别（需额外OCR模块）

在租赁合同审查这类标准化场景下效果最好，能将常规条款审查时间压缩到20分钟以内。最近处理的一个房屋租赁纠纷案，系统甚至发现了对方合同中的隐藏条款陷阱——这个条款用极小字号印刷在附件里，连我的助理都没注意到。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。