个人项目 · 不良资产法诉

法诉智网

不良资产法诉全流程自动化系统

面向批量诉讼场景的本地化业务系统:把材料整理、批量立案、法院回抓、案件跟进串成可配置的自动化流水线,把非标流程沉淀为可校验的规则。

Vue 3Spring BootMyBatisMySQL PythonDeepSeek
BACKGROUND

业务背景

批量不良资产诉讼的核心矛盾,不是单件处理得慢,而是每一件都要重复同样的判断。

几百上千份材料需要按被告归类清洗,要素表需要逐份提取核对,案件需要逐条上传立案,法院状态需要逐个回抓。每一步都有明确的判断标准,但每一步都依赖人工执行,错一个字段就要整批返工。

这套系统的出发点,是把这类"有明确规则、但高度重复"的环节从人工执行中剥离出来,变成可配置、可重试、可审计的流程节点——让处理案件这件事本身成为一条流水线,而不是一组靠人盯着的动作。

ARCHITECTURE

系统结构

点击查看各层职责。AI 在这个系统里的位置也单独列了一栏——它不是全流程驱动,而是开发工具与局部判断。

前端 · Vue 3

人看的地方
  • 案件总览:按状态分层统计,每个数字可下钻到具体案件
  • 进度提醒:按卡点分类(待补充材料、待退案、审核超期等)
  • 自动化任务开关:抢案、下载、台账同步各自可配时段与间隔
  • 交付日报:每天只看四个数,数据直接读系统、不依赖下载机器是否开机

业务后端 · Spring Boot + MyBatis + MySQL

业务与数据
  • 案件、材料、立案、回抓的领域逻辑与状态机
  • 多租户隔离与角色权限:不同机构只看自己的数据
  • 法院字典与地区匹配:上传时自动匹配管辖法院
  • 操作留痕:关键状态变更可追溯

自动化执行层 · Python

跑活的部分
  • 抢案与材料下载:登录态维护、任务排队、失败重试
  • 批量立案与法院回抓:表单填报、状态轮询
  • 材料流水线:归类、重命名、OCR、要素表提取校验
  • 确定性操作全部走脚本,不走模型

AI 的参与位置

工具,不是引擎
  • 开发阶段:用 Claude / DeepSeek 完成编码实现,我负责需求拆解、方案设计与验收
  • 运行阶段:只在需要判断的环节调用模型,例如材料分类、要素抽取
  • 边界:凡是能用规则确定的,一律不用模型;模型的输出必须经过规则校验才进入下一步
  • 结果的判断标准由人定:哪一步算对、哪一步必须人工,是业务规则,不是模型说了算
CAPABILITIES

核心能力

抢案与材料下载

按产品、地区、等级模板自动领案;智能办案包一键下载,缺失材料走补充下载,失败自动重试。

材料处理流水线

按被告归类、批量重命名、OCR 识别、材料切分、要素表提取校验;非标材料按分支规则处理。

批量立案与法院回抓

要素表驱动批量立案,法院返回的审核意见与案件状态自动回抓,按结果推进到下一节点。

规则校验与留痕

110 条业务规则做断言拦截;每一步执行留痕,出错可定位到具体节点。

SCALE

运行规模

4000+
累计流转案件
86%
环节自动完成
110
业务校验规则
147
规则与经验文档
规模本身不是重点,可复制才是:处理 4000 件与处理 4 件,工作量差异主要在执行时间,而不是流程复杂度——流程跑通一次,剩下的就是批量执行。
SCREENS

界面

左右切换查看。截图已脱敏,不含真实当事人信息。