返回 MCP 服务概览
批量语义检索法条
law_article_recognition根据自然语言描述批量识别相关法条内容,返回命中的法规条文片段及法规元信息。适用于识别文本中的法律条文出处,或批量通过语义查询相关法条。一次最多5组,只查一条也用数组。支持地域、时效性筛选和标题关键词过滤,timeliness为全局参数。 多地域规则:每项area只传一个地域组合(如"全国"或"北京");涉及多个地域时拆成多项(北京、上海各一项),系统按项独立返回。当地方具体事项检索无结果时,建议先用 law_statute_list 按地域定位法规名称,再用 law_semantic_clause 按条号取条文全文。
计费:单次调用消耗 30 积分 · 按组数计费,一次最多 5 组
查询参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
queries | array | 必填 | 检索列表,一次最多5组。每项含 text(检索文本)、area(地域组合,每项一个)和可选 keyword(标题关键词)。 |
queries[].text | string | 必填 | 语义检索文本。自然语言描述或检索关键词,如"受贿处罚""未签劳动合同双倍工资"。(示例:受贿罪量刑) |
queries[].area | string | 必填 | 地域组合,如"全国"或"北京"。涉及多个地域时拆分为多个查询项,勿混传。(示例:全国) |
queries[].keyword | string | 可选 | 法规标题关键词,用于在语义检索结果中按标题过滤。多个用空格分隔,之间为AND关系。(示例:刑法) |
timeliness | string | 可选 | 是否只查现行有效法规(全局参数),传"是"只返回现行有效法规,为空则查询全部法规。(示例:是) |
响应字段
| 字段 | 类型 | 说明 |
|---|---|---|
queryIndex | number | 对应 queries 数组的索引 |
results | array | 该查询项的检索结果列表 |
results[].title | string | 所属法规标题 |
results[].tiao | string | 法条条号 |
results[].content | string | 法条原文片段 |
results[].score | number | 语义匹配得分 |
请求与响应示例
请求示例json
{
"queries": [
{ "text": "受贿罪量刑", "area": "全国" },
{ "text": "诈骗罪怎么判", "area": "全国", "keyword": "刑法" }
],
"timeliness": "是"
}响应示例json
{
"code": 200,
"data": [
{
"queryIndex": 0,
"results": [
{
"title": "中华人民共和国刑法",
"tiao": "第三百八十三条",
"content": "对犯贪污罪的,根据情节轻重,分别依照下列规定处罚……",
"score": 0.89
}
]
},
{
"queryIndex": 1,
"results": [
{
"title": "中华人民共和国刑法",
"tiao": "第二百六十六条",
"content": "诈骗公私财物,数额较大的,处三年以下有期徒刑……",
"score": 0.92
}
]
}
]
}自然语言调用示例
在 AI 客户端中可直接用以下方式提问
- ›帮我查一下受贿罪和诈骗罪的量刑规定
- ›未签劳动合同双倍工资和加班费的相关法规
- ›民法典里关于违约责任和侵权责任的规定
使用场景
1
审查对方文书中的法条引用
把对方答辩状、合同条款等文本提交给工具,自动识别其中引用的法条并返回原文用于核实。
2
批量识别合同条款法律依据
一次提交多段合同条款,批量识别每条条款暗含的法律依据,提高合同审查效率。
3
核实 AI 生成回答的引用出处
将 AI 生成的法律回答提交识别,确认其中引用的法条是否真实存在、出处是否准确。
