本文是檢索方法與查證流程的說明，不構成法律意見，也不能取代律師。 個案的權利義務判斷請洽執業律師；文中所有 AI 產出的法條與裁判字號，一律以官方資料庫的原文為準。
你把案情丟給 AI，幾秒後就拿到法條與裁判字號——但這些內容真的存在、而且能用在你手上這件案子嗎？先別引用。
AI 在法律檢索最有價值的角色，是替你把搜尋方向打開：告訴你這個案型可能牽涉哪些法律領域、該用什麼關鍵字去查。它最不能做的，是替你決定答案。這兩件事之間的界線，就是這篇要講的查證流程。
為什麼不能直接把 AI 給的法條寫進書狀
主流的大語言模型本質上是機率模型。它們看過海量法律文本，所以能講出非常像樣的法律分析——但多數通用型模型並沒有內建即時、完整的六法全書與裁判書資料庫。當它找不到確切依據時，為了把話講完，它會生出一條看起來合情合理的假法條或假字號。這種現象叫幻覺。
法律領域的幻覺特別危險，因為它長得太像真的：字號格式正確、法院層級合理、法條文字讀起來也通順。肉眼看不出來，只有回到官方系統查才會露餡。
[!WARNING] 把 AI 自行生成的判例引用在正式法律文件中，可能構成專業倫理問題，也可能在程序上被對造或法院直接指出。每一個字號、每一個條號，都要經官方系統二次查證，沒有例外。
什麼情況適合用 AI，什麼情況我不建議
適合的用法： 陌生案型的方向盤查、關鍵字發想、把已經查證過的長篇判決書抓重點、跨數十份卷宗做爭點比對、把法律用語翻成當事人聽得懂的白話。這些的共同點是——AI 的產出你都有辦法回頭核對。
我要直接說不建議的：
- 用通用型 AI 直接查法條、然後寫進書狀。 不要，一次都不要。它可能是對的，但你沒有辦法在事前分辨這一次是不是對的。
- 時效、期間、管轄、程序要件這類「錯一次就毀掉案件」的事項，不要用 AI 當第一手來源。 這幾類的成本不對稱到不值得冒險，直接查法規原文。
- 用 AI 判斷勝訴機率。 它會給你一個聽起來很有信心的百分比，而那個數字沒有任何方法論支撐。
- 把當事人可識別資料貼進沒有企業版合約的公用 AI。 這是資料處理的問題，跟模型準不準無關。丟進去之前該過的檢核點，見把客戶資料丟進 ChatGPT 之前，先過這 5 個檢核點。
開始查之前要準備什麼
第一，先把爭點寫成一句話。 「我要查的是通勤途中發生車禍，雇主是否仍須負職災補償責任」，而不是「幫我查職災」。問題越模糊，AI 越傾向用漂亮的通論填滿版面。
第二，備好官方查證的兩個分頁。 開始問 AI 之前就先把全國法規資料庫與司法院裁判書系統開好。查證要在拿到答案的當下就做，隔一天再補的，通常就補不成了。
第三，決定哪些資訊不能進 AI。 當事人姓名、身分證字號、住址、病歷、營業秘密——先設好去識別化的規則再開始，不要邊做邊想。
解法一：用聯網搜尋工具，並要求附上來源
要查法規與判例，該用的是強調提供資料來源（Citations）的工具，例如 Perplexity。它的邏輯是先去抓真實存在的網頁（如全國法規資料庫、立法院公報、法律專業網誌），再整理成摘要並附連結。
發問時不要籠統，要給明確限制：
我的客戶（雇主）因為員工在下班途中發生車禍，被要求給付職災補償。
請幫我搜尋台灣現行法規與實務見解：
1. 關於「通勤災害」是否屬於職業災害的認定標準？
2. 是否有主管機關的相關函釋？
3. 近三年內，法院判決雇主不需負擔職災補償的案件，理由主要落在哪些點？
要求：
- 僅限台灣法律。
- 每一項都必須附上資料來源網址（官方公報或司法院網站優先）。
- 如果找不到真實案例，請明確說找不到，絕對不要編造判決字號。最後那一行不是客套話。 明確給出「可以說不知道」的許可，能明顯降低模型硬湊答案的傾向。但這只是降低，不是免除——附了連結一樣要點開。
解法二：建立私有卷宗庫
如果你已經從裁判書系統下載了一批判決，或手上有一疊卷宗，就把它們丟進 NotebookLM 這類只以你上傳的文件為依據的工具（RAG，檢索增強生成）。
實際用法：
- 打包上傳：把判決全文（PDF 或純文字）放進同一個 Notebook。
- 跨文本提問：
請分析這批判決中，法官最終認定「雇主無過失」的關鍵因素有哪些？ 請條列，並標註各自出現在我上傳的哪一份文件。 - 萃取爭點：
在這幾份文件中，原告與被告對「工時認定標準」的主張差別在哪裡？
好處是資料範圍你自己控制，模型不會去網路上亂補。但要提醒：只讀你給的文件，不等於一定讀對。 它仍可能混淆兩份判決的當事人、把「原告主張」寫成「法院認定」。引用之前，點回原文那一段確認。
把兩個解法串成四步
- 發散：碰到陌生案型，先用 ChatGPT 這類工具做開放式對話，請它列出「這個議題可能涉及哪些法律領域」。不要期待它給你正確法條，這一步的產出全部是待查清單。
- 搜索：帶著關鍵字去做聯網深度搜索，拿到具體的法條與字號候選。
- 驗證：逐一到官方系統確認條文現行有效、判決真實存在。不能省略，也不能抽樣做。
- 分析：只有通過驗證的文本才上傳做跨案比較。
順序反過來——先分析、再驗證——就是絕大多數事故的起點。
後續要把分析寫成書狀或給當事人的說明，可以接文書生成與客戶溝通；合約類的任務見 AI 合約審閱實戰。
怎麼驗收「你查對了」：逐項核對法
這是整篇最重要的一節。查證不是「看到頁面存在就算過」，要逐項比對：
法條的驗收
- 到全國法規資料庫用法規名稱進站，不要只憑 AI 給的條號直接搜。
- 確認你引的條文是現行有效版本，不是已修正或刪除的舊條文。
- 看修正日期與施行日期——案件事實發生時適用的，可能不是今天的版本。
- 核對條文文字本身，不要只核對條號。AI 最常見的錯誤是條號對、內容改寫過。
判決的驗收
- 到裁判書系統用字號反查，確認判決真實存在。
- 比對法院、年度、案由是否與 AI 說的一致——字號真實、但被安上不存在的內容，是最難抓的一種錯。
- 用全文搜尋確認你要引的那句話真的出現在判決裡，而不是 AI 的改寫。
- 確認該判決有沒有被上級審廢棄或發回。引到一個已經被推翻的見解，比引錯字號更難看。
- 確認事實基礎相近。個案判決是個案見解，事實不同就未必能援用。
通不過任何一項，就整段不要用。 不要把句子改模糊卻留著同一個字號——那只是把錯誤藏得更深。
找不到原文時，不要把 AI 的摘要寫進正式法律意見。這句話是這篇的底線。
常見的坑
坑一：查到的是修法前的版本。 網路上流傳的法條全文、部落格引用、甚至 AI 訓練資料裡的版本，都可能停在某次修法之前。唯一可信的是官方資料庫上標明的現行條文。
坑二：字號是真的，內容不是那個判決講的。 這比整個捏造更危險，因為對造去查會查到頁面存在，直到讀完全文才發現對不上——而那時候是在法庭上。
坑三：只查對自己有利的。 AI 很擅長順著你的問題找支持性材料。務必反向問一次：「有沒有見解與我的主張相反？理由是什麼？」不先自己找到不利見解，就等著對造替你找。
坑四：把地方法院的個案當通案定論。 下級審見解分歧是常態。看到一則有利判決就當作實務見解，是很容易被打的論述方式。
坑五：忘了 AI 沒有「今天」的概念。 它不知道上週剛公布的修法或新見解。越新的法規變動，AI 越不可靠，這類題目直接查官方公告。
工具怎麼選：成本判斷的框架
通用型 AI 成本低、適合概念釐清與關鍵字發想，缺點是沒有內建即時法規資料庫，幻覺風險高。專業法律 AI 平台直接串接裁判書與法規資料庫，可靠度較高，代價是付費，而各家定價與計費方式差很多。
我不會在這裡寫「行情價」——這類產品定價常變動，寫死只會誤導你。 直接跟廠商要現行報價，並問清楚三件事：計費依人頭還是依查詢次數、資料庫更新頻率、你的案件資料存在哪裡且是否會被用於訓練。
成本效益的算法很單純：每月省下的檢索時數 × 你的計費時薪 ＞ 月費，就值得。但有個大家都會算漏的地方——省下的時間不一定等於可計費時間。如果省下來的兩小時只是讓你早點下班，帳面上不會變成收入。
務實的順序：先用免費工具把查證習慣建立起來，確認確實有提升效率，再評估要不要升級。更完整的台灣法律 AI 工具分類與安全用法，見法律 AI 工具怎麼選？台灣使用者的安全分工與紅線。
台灣官方查證入口
想看完整的法律業 AI 學習路線，回到法律人的 AI 實戰指南。
再說一次：本文說明的是檢索與查證方法，不構成法律意見。 個案請洽執業律師。
❓ 常見問題 FAQ
AI 搜出的判決字號有多少是真的？
沒有可靠的公開統計，任何具體百分比都不該相信——真正該記住的是：你無法在事前分辨這一次是真是假。所以流程上就要假設每一個字號都可能有問題，逐一到司法院裁判書系統驗證。附引用連結的搜尋工具或只讀你上傳文件的工具能降低風險，但都不能免除驗證。
字號查得到，就代表可以引用了嗎？
不一定。查得到只過了第一關。你還要確認：法院、年度、案由與 AI 說的一致；你要引的那句話真的出現在全文裡；該判決沒有被上級審廢棄或發回；以及案件事實與你手上這件夠接近。任何一項不過，整段就不要用。
AI 搜尋工具能搜到台灣的判決嗎？
部分可以，尤其是被媒體報導過的重大案件。但一般的地方法院判決，通用搜尋工具的覆蓋率有限。建議的分工是：用 AI 找方向與關鍵字，再帶著這些關鍵字回司法院系統做精準搜尋——那裡才是完整的資料來源。
把判決書上傳到 AI 工具，會有保密問題嗎？
要分兩件事看。公開的裁判書本身已經去識別化，風險較低；但你的卷宗、當事人資料、內部評估意見完全是另一回事。上傳前先確認該服務是否會用你的資料訓練模型、資料存放在哪個地區、事務所有沒有簽企業版合約。沒確認清楚之前，先做去識別化再上傳。
NotebookLM 上傳判決書有格式限制嗎？
支援 PDF、Google 文件與純文字。從司法院下載的判決通常是網頁格式，建議先貼進 Google 文件再上傳，辨識效果比直接轉 PDF 好。每個 Notebook 有來源數量上限，單一案件的卷宗整理通常綽綽有餘。