法律搜索，法律检索,远比你想的更重要吗

来源：庭前独角兽

作者：李则立

特别提示：凡本号注明“来源”或“转自”的作品均转载自媒体，版权归原作者及原出处所有。所分享内容为作者个人观点，仅供读者学习参考，不代表本号观点。

作者

李则立（上海高院宣传处副处长，团委书记）

曾经问过一位法院青年是否经常使用法律检索？

他说，用的不多。我问，为什么？他说了三个理由，

第一，平常工作当中遇到的法律问题相对集中，等过了一段时间，案件类型碰得差不多了，也就心里有底，一般不需要法律检索。即使有问题，问问身边的“老法师”，基本上能得到解决。

第二，检索系统不好用，想找个类案吧，哗啦出一百多个，难不成一个一个全部看一遍，太费事！找法条吧，老法师手里都有多少年积累的“秘笈”，更实用。学检索反而没太多获得感。

第三，如今都人工智能了，可能很快实现类案推送，直接帮我找到案例，再去专门学习法律检索技巧性价比不高。

总之，检索比较鸡肋，弃之可惜，食之无味。

说的挺实在，也确实点出了目前法律检索的一些尴尬。这也可能是检索在法律圈里强调了这么多年，依然不温不火，还时常遇冷的原因。但是，这位同学讲的不全对。

法律检索，依然是法院人，乃至法律人必须掌握的一门技能。

我们首先试图回答，为什么要修炼法律检索技能、有没有捷径跨越检索、检索结果不理想是系统不智能还是检索技术不过关，这是在推广检索技能时需要认真回答的。

1

检索，让你不被经验捆住手脚

经验当然有用，特别是涉及专业领域相对简单，类型化程度比较高的情况下。

但当领域拓展，情况多变，经验的问题也可能暴露出来。比如我们看到的天鹅都是白的，所以，经验告诉我们，天鹅是白的，但突然有一天，来了一只黑天鹅，我们才能发现经验错了。

就司法领域而言，

一是经验不稳定。经验是否足够全面和精准，有赖于经验提供者的水平和能力，也就意味着多个部门或者多个团队之间会产生经验整理上的层差，差异，甚至矛盾。有人说，跟什么师傅就像谁，但师徒制在使经验获得传承的同时，也可能导致差异性，造成个体之间掌握尺度不尽一致，标准化程度不足。如果上升到一个地区来审视，还可能产生部门间的不平衡，标准的不统一。

二是经验不够普适。比如在道交案件中积累的经验一般比较难复制到商事领域，诚然如这位同学所说，经验学起来比较容易，上手也比较方便，但是如果换一个领域，甚至换一个部门呢？在员额制和机构改革的背景下，部门内部不同团队之间切换，不同类型案件之间的切换都可能是常态，靠经验就有局限性。

三是“环境”变化加速，经验可能失效。如果这个地区的环境发生很大变化，白天鹅由于没有保护色，大量消失，而灰色和黑色的天鹅则可能生存下来，此时经验可能直接失效。目前正处于社会的转型期，互联网发展即使用一日千里来形容也不为过。有多快？一个简单直观的感受是，十年前，iPhone已经出到了3，但诺基亚还没有退出市场，在一个以体验为标准的手机测评中，iPhone不敌诺基亚N97i。当时的人们甚至认为塞班系统的体验度好过IOS。当时，大概没有多少人相信iPhone将带来一个移动互联网时代。如今回首，是否仿佛过了一个世纪？

快，导致我们的知识全部都在不断贬值。比如十年前我们毕业来到法院，不会想到有网约车的案件需要处理，也不会想到有P2P、“套路贷”的案件需要处理。这时，光凭经验显然不够，难以应对暴增的法律法规、司法解释、司法政策，以及层出不穷的各种新案例新情况。

面对海量数据，我们可以找到的一个入口就是“检索”。有人说，世界上80%的问题，早就被人回答过，只要检索就好，其余的20%，才需要研究。你碰到的新类型，可能别人早就碰上了。而另一种有效的方法是验证型检索。也就是当我们按照经验进行判断之后，用检索系统进行验证，看看类似的案件是否如此裁判，看看适用的法律规则是否有缺漏，是否有新的学说论证。背后的方法论依据，也就是用大数据来验证是否有“黑天鹅”，保证适法统一。

2

检索能力还无可替代

很多人觉得，检索不好用是因为不够智能，比如说，你可能遇到过这样的情况，要找个类似的案子，输几个条件，出来一百多个案例，然后，又多输入几个限制性条件，结果又检索不出一个案例。有些生无可恋。如今，不是人工智能了么？就不能把一个案子放到系统里，AI自动比对，精准找出类案？

类案推送，就目前技术发展来看，可能还是个带有悖论的美好设想。机器的特点是，确定性越强，标准化程度越高，越可能实现类案比对，提供答案。但我们检索的需求却是为了解决不确定性，越明确，越标准化，越不需要检索。

类案推送完全不能实现吗？非也。譬如相对简单的交通肇事赔偿案件，系统自动找出类似的案件并不困难。但是，这对于办理相关案件的职业法律人来说，并没有太大意义，因为案件简单、案情简单、要素简单，你通常不会需要检索一些案例作为参考，因为都了然，没必要。

而能够满足法律人检索需求的，是那些带有不确定性的案件，无论是新类型，还是法律适用存在一定争议。这种类案对于计算机来说也相当困难，人工智能虽然强大，但所谓的“机器学习”，首先得跟着人学习，需要人给案件做标注、打标签，倘若人都说不明白，它更没招。新类型案件，恰恰属于大多数人对此没有形成一致的规则，对于其中的具体问题，如法律关系的归纳、法律要点的分析也有争议，所以，“人也说不清楚的事就不要为难机器了”。

当然，可以预见，在未来，检索系统的协同性会越来越好，系统会变得越来越聪明，他更可能会像个“阿拉丁神灯”，说出你的问题，马上帮你找到，但它不会像具有读心术的x战警，你只是心里想想，就给出答案。毕竟，要机器能够像人一样理解复杂的语意，还要能够理解法律这样高度抽象的拟制概念，绝不是指日可待，更可能是漫漫长路。

所以，不要指望机器的发展可以在短期内突然让人“衣食无忧”。如果我们要在海量数据中精准找到需要的信息，依然有一根“拐杖”不能丢，就是“检索技巧”。

3

真的检索远不止那么简单

那么应该学一些什么样的“检索技巧”？

有人认为，所谓检索技巧是掌握一些更牛的检索语言，比如“intitle”，使用“正当防卫intitle”，意思是只有当正当防卫出现在资料的标题时才出现，能够过滤到大量的文中偶然出现一次的“正当防卫”信息。

又比如“-”（减号），检索“流浪地球-吴京”，那么出来的流浪地球相关信息里将不包含网友们因为吴京互怼的内容。这些检索语言当然能够帮助我们更好地过滤信息，但这属于纯技术的部分，光了解这些去找信息是远远不够的。

如何从海量数据中找到答案，需要检索者提供线索，就像“侦探”发现“真相”。这是一门手艺，需要方法论和实践。

举个例子，福尔摩斯第一次见到华生的时候，当即判断他来自阿富汗。福尔摩斯的推理是这样展开的，“我当时一看就知道你是从阿富汗来的。由于长久以来的习惯，一系列的思索飞也似地掠过我的脑际，因此在我得出结论时，竟未觉察得出结论所经的步骤。但是，这中间是有着一定的步骤的。在你这件事上，我的推理过程是这样的：‘这位先生，既有风度，又有军人气质。那么，显然他是个军医。他刚从热带回来，因为他脸色黝黑，但是，从他手腕的皮肤黑白分明看来，这并不是他原来的肤色。他面容憔悴，这就清楚地说明他是久病初愈，而且历尽了艰苦。他左臂受过伤，现在动起来还有些僵硬不便。试问，一个英国的军医在热带地方历尽艰苦，并且臂部负过伤，这能在什么地方呢？自然只有在阿富汗了。’这一连串的思想，历时不到一秒钟，因此我便脱口说出你是从阿富汗来的，你当时还感到惊讶。”

倘若福尔摩斯的大脑好似一台计算机，那么要判断华生来自阿富汗，至少需要了解医务工作者、军人的气质和风度，了解当时阿富汗刚打完仗这些“事实性知识”，那么，“脸色黝黑”、“手腕的皮肤黑白分明”、“面容憔悴”、“左臂受伤”，这些线索才能被串起来，最后得出阿富汗军医的结论。如果直接把华生领到计算机面前，然后问计算机他的职业是什么？计算机自然懵了。倘若在搜检栏输入“英国、战争、热带、某某时间段”，想必计算机可以给一个检索答案。

这正是《知识大迁移》这本书在谷歌、百度大行其道的今天提出的，掌握“事实性知识”，才能更好地搜索。也就是说，你脑子里需要有个关于法律的地图，知道大致的方向，检索才能发挥作用。

因为搜索的过程就像从大脑里提取记忆，首先至少要告诉系统，你要搜索什么，如果连想要搜索的概念都不清楚，就不能怪检索系统无能了。

其次，你还要能够验证检索到的信息是否可信，是否是需要的信息。这些并不取决于几个高级检索技巧，而取决于“事实性知识”，也就是你对法律问题的系统理解，能够提炼抽象出哪个法律问题有争议，并且能够用检索来解决。《知识大迁移》告诉我们，在互联网如此发达的今日，有一种东西依然是检索不到的，那就是你不知道自己想要检索的知识。

因此，所谓的检索技巧，至少是两部分的能力的组合，“事实性知识”与“检索技巧”，也就是对法律图景式的理解、定义具体法律问题的能力与检索技巧的组合。

检索数据库和答案的距离还差一个你。

4

学会检索，遇见更强大的自己

学习检索的意义远不止找到一个答案。更大的意义在于，检索是我们在互联网时代，建立“多元思维模型”的支持。

吴伯凡老师曾提出一对极有解释力的概念，“盲点”和“盲维”。

“盲点”——blind spot，就是看不见的点。比如在一面完整的知识墙上，有些“小黑洞”，有些知识点，信息点我们由于受到认知的限制，不清楚，不了解。当然，这些黑点事实上并不影响我们对于整面知识墙的认识。

“盲维”是什么？举个有趣的例子，主人明知有人要进入到他的房间偷东西，并且到处巡查，还是失窃了。等主人走了，镜头摇过来，原来小偷趴在屋顶，主人没发现。同在一个空间，主人却没有抓住小偷，说到底，是因为主人对于空间的认知少了一个维度，没有想到屋顶这个维度，于是认识事物便产生了偏差。

吴伯凡这样总结“盲点”和“盲维”的差别。“盲点”，你知道自己不知道，“盲维”，你不知道自己不知道。盲点不可怕，不影响对整体的判断，盲维可怕，影响对事物的理解。所以，知识策略就是努力消除盲维，消灭盲点。消除盲维，需要在知识的沃土上不断开拓；消灭盲点，可以靠检索。

比如出现了昆山龙哥反杀案，但你对于正当防卫了解的不是太透彻，这就是一个关于刑法知识的“盲点”。此时其实无需担心，因为你系统学习过刑法，对于刑事法律的脉络有一个完整的理解，完全可以用检索的办法，查阅相关法条、学说，以及相关案例，可能花不了两个小时，就已经能够梳理出“正当防卫”完整的知识概念了。

所以，检索能够解决的，是你能够定义的问题，能够定义的问题，就是“盲点”。正如这个案件，你能够准确定义，要解决的问题是区分“正当防卫”和“防卫过当”。但是如果你完全没有刑法方面的知识，对于这个案件只当是个惊悚的故事，这时候检索也帮不上你，因为不知道你想问道什么，这就是“盲维”的问题了。

同理，构建多维知识体系，财新主编王烁提出一个方法论，“二八法则”，用20%的时间，学习一个领域80%的知识，然后换一个领域继续学习。他认为这个方法性价比最高。但这个方法论得以成立的一个前提是学习到一个领域的知识脉络，当有需要的时候能够随时提取。解决这个问题的办法就是“检索”。

可见，于个体而言，这是检索的重要意义，它延伸了大脑的边界，可以让我们更多地去学习理解知识背后的深意，建构知识的脉络和图谱。检索正是我们“开疆拓土”的保障。

回到开始的问题，法律检索，于我们而言，也许眼前的利益还不那么大，但面对未来，或许远比我们认为的更重要。