How do I use DeepLaw?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@DeepLaw 查找刑法第二百六十六条的具体内容" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

DeepLaw

by Eysn0130

Overview Schema Related Servers Score Discussions

Python

Local

DeepLaw 是一个独立、只读、内容寻址的中国法律证据底座。它不把向量相似度、图关系或 LLM 生成页面当作法律真相；它先把问题编译成有限的证据义务，再在固定法源版本中执行检索，最后只向 Agent 交付一个有界、可验证且能明确暴露缺口的 proof packet。

这不是“换一种 RAG”。DeepLaw 的核心抽象是 Evidence Execution Engine：RAG、 GraphRAG、树检索、reranker 和 Wiki 都可以成为未来的候选生成器，但永远不能绕过版本门、权威层、上下文预算、缺口判断和 receipt 校验。

为什么需要 DeepLaw

传统知识库通常优化“找到更多相似内容”，而法律研判首先需要回答另外几件事：这是哪一个文件、哪个版本、在什么时间范围内、为什么命中、有哪些相反规则、还有什么没有被证明。

常见方案	典型短板	DeepLaw 的约束
向量 RAG	泛词产生大量近似片段；高 recall 直接变成上下文噪声	精确检索和中文 FTS 优先；语义通道只能有界兜底
GraphRAG	图边可能由模型推断；社区摘要容易被误当事实	图只做导航；每条边绑定来源 segment、hash 和 review status
LLM Wiki	结构好读，但派生叙述会老化、合并版本或丢失例外	Wiki 只能重建和删除，不能覆盖原文或成为最终引证
长上下文全文注入	成本、注意力稀释和 prompt cache 退化	`search` 最多 5 卡/6000 字，全文必须按 `segment_id` 二次读取
关键词规则	命中可解释，但不知道任务到底缺什么	QueryPlan 把请求编译成 primary rule、时效、要件、反证等义务

DeepLaw 的创新点不是“同时使用更多检索器”，而是把检索结果变成一个可审计执行结果：

Question
  -> closed QueryPlan
  -> exact / article / lexical candidates
  -> temporal trust buckets
  -> provenance-carrying legal graph
  -> obligation coverage + explicit gaps
  -> bounded proof packet
  -> source/segment/release receipt

如果义务没有覆盖，DeepLaw 返回 gaps；如果时效元数据没有通过 release 级核验，候选进入 uncertain_evidence；如果已知效力区间不含目标日期，候选不会进入主证据。它不会为了给出 “看起来完整”的答案而回退到模型记忆或未核验网络搜索。

Related MCP server: RecoSearch

已实现的能力

1. Evidence execution

确定性 QueryPlan：8 类封闭证据义务、稳定 plan ID 和硬边界；
三种路由：精确法条、主题导航、研究问题；
obligation_coverage：区分 covered、uncertain 和 gap；
结构化 gaps：精确目标未解析、时效未核验、区间外、主证据缺失等；
证据卡总量、excerpt 字符数、图路径和 hop 数均有硬上限。

2. Authority and time

原件路径、格式、大小和 SHA-256 构建前校验；
法名、文号、别名、条款、发布/施行/失效时间和状态；
as_of 使用 verified_in_scope / unverified_metadata / outside_effective_interval 三分法，未知时间不再混入主证据；
hash 绑定的 review overlay 可以收窄错误状态，但 AI-only overlay 无权把 release 标为 verified 或批准再分发；
从来源 segment 精确识别的废止、修订、替代、实施和引用关系进入带 provenance 的 legal_edges；overlay 中的关系只作为 hash 绑定的治理提案，不会直接进入运行时图。

3. DeepLaw Vision

DOCX 直接解析 OOXML，保留段落、表格行和脚注引用；
文本 PDF 优先读取原生文本层；
每页记录 image/native/OCR/selected text hash、字符数、一致度、OCR 置信度和风险标志；
原生层异常时才启动本地 OCR；低置信度或原生/OCR 分歧保持 review_required；
人工校对文件必须同时绑定源 PDF SHA 和渲染页 SHA，并声明人工身份、时区时间和视觉比对 attestation；管线自身不能生成或冒充 human_reviewed。

4. Immutable releases

release ID 绑定来源 metadata、提取版本/配置、页级证据、segment hash、关系图和 SQLite schema；
同 ID 不覆盖，构建目录原子发布；
SQLite 使用 mode=ro&immutable=1，运行时无语料写接口；
receipt_id 绑定 release/document/segment/source/text hash；
verify 会重算 segment hash 并验证 receipt，不把成功表述成“重新核验了官方网站”。

5. One small Agent surface

DeepLaw 只暴露一个 MCP leaf tool：law_support。内部只有四个只读操作：

Operation	作用
`search`	返回有界主证据、不确定证据、图路径、覆盖状态和缺口
`get`	按精确 `segment_id` 读取被选中的规范文本
`verify`	验证 receipt 和当前不可变 release 中的 segment hash
`release_info`	检查固定 release、schema、审核与再分发状态

普通数据分析、SQL、代码或文档任务不应经过 DeepLaw。安装插件不等于每轮自动调用；当前插件把只读工具注册给宿主，是否能在 provider tool schema 物化前完全隐藏它取决于宿主。未来 Analytix 接入必须把显式法律意图门禁放在 schema 物化之前，并用 inactive A/B 测试证明普通任务零影响。

返回结果长什么样

下面是一个可由当前运行时生成的“零命中”响应形态，不包含任何法源正文；ID 使用示意值：

{
  "schema_version": "deeplaw.search-response/v2",
  "release_id": "lawrel_11111111111111111111111111111111",
  "mode": "research",
  "query_plan": {
    "schema_version": "deeplaw.query-plan/v1",
    "plan_id": "lawplan_641f0c887156e56449cf71cb2453d87b",
    "query": "某规范文件是否现行",
    "purpose": "auto",
    "route": "research",
    "as_of": null,
    "obligations": [
      {
        "id": "primary_rule",
        "role": "support",
        "required": true,
        "query_cues": ["purpose:auto", "route:research"]
      },
      {
        "id": "temporal_status_version",
        "role": "temporal",
        "required": true,
        "query_cues": ["text:现行"]
      },
      {
        "id": "exceptions_counterevidence",
        "role": "counterevidence",
        "required": true,
        "query_cues": ["route:research"]
      }
    ],
    "bounds": {
      "max_query_chars": 8000,
      "max_obligations": 8,
      "max_query_cues_per_obligation": 8
    },
    "channels": ["exact_metadata", "article_locator", "chinese_fts"],
    "document_types": [],
    "max_evidence": 5,
    "max_chars": 3500,
    "max_graph_paths": 4,
    "max_hops": 1,
    "graph_used": false,
    "temporal_reference_date": null,
    "temporal_reference_source": "release_review_unavailable",
    "vector_used": false,
    "wiki_used": false
  },
  "evidence": [],
  "uncertain_evidence": [],
  "graph_paths": [],
  "obligation_coverage": [
    {
      "obligation_id": "primary_rule",
      "role": "support",
      "required": true,
      "status": "gap",
      "evidence_segment_ids": [],
      "graph_path_ids": []
    },
    {
      "obligation_id": "temporal_status_version",
      "role": "temporal",
      "required": true,
      "status": "gap",
      "evidence_segment_ids": [],
      "graph_path_ids": []
    },
    {
      "obligation_id": "exceptions_counterevidence",
      "role": "counterevidence",
      "required": true,
      "status": "gap",
      "evidence_segment_ids": [],
      "graph_path_ids": []
    }
  ],
  "gaps": [
    {
      "code": "required_obligation_uncovered",
      "obligation_id": "primary_rule",
      "message": "当前有界检索未覆盖该必需检索义务。",
      "blocking": true,
      "candidate_count": 0
    },
    {
      "code": "required_obligation_uncovered",
      "obligation_id": "temporal_status_version",
      "message": "当前有界检索未覆盖该必需检索义务。",
      "blocking": true,
      "candidate_count": 0
    },
    {
      "code": "required_obligation_uncovered",
      "obligation_id": "exceptions_counterevidence",
      "message": "当前有界检索未覆盖该必需检索义务。",
      "blocking": true,
      "candidate_count": 0
    },
    {
      "code": "no_primary_evidence",
      "obligation_id": null,
      "message": "当前有界检索未形成可进入主证据桶的候选。",
      "blocking": true,
      "candidate_count": 0
    }
  ],
  "notices": [
    "检索结果是研究证据候选，不等同于本案法律适用结论。",
    "DeepLaw 未使用模型记忆、自动 Web 回退或向量 top-k 注入。",
    "当前 release 未找到足够证据；这不表示相关法律不存在。",
    "当前 release 缺少 reviewed_on，无法把未指定 as_of 的问法解释为已复核的现行状态。"
  ],
  "next_questions": [],
  "total_excerpt_chars": 0
}

空的 evidence 不是失败，也不表示相关法律不存在；它表示当前固定 release 无法在既定信任边界内完成该义务。

快速开始

需要 Python 3.11+ 和 uv：

git clone https://github.com/Eysn0130/DeepLaw.git
cd DeepLaw
uv sync --extra dev
uv run deeplaw --version

使用操作者自己合法取得并保留的 source package：

export DEEPLAW_SOURCE_ROOT="/path/to/legal-source-package"
export DEEPLAW_SOURCE_MANIFEST="$DEEPLAW_SOURCE_ROOT/manifest.json"

uv run deeplaw build \
  --source-root "$DEEPLAW_SOURCE_ROOT" \
  --manifest "$DEEPLAW_SOURCE_MANIFEST" \
  --pdf-fallback vision-consensus \
  --allow-needs-ocr \
  --output-root "$HOME/.deeplaw/releases" \
  --activate

--allow-needs-ocr 只允许生成明确标记为不完整的 candidate release，不会把低质量页面升级为已审核。生产发布必须使用源 SHA 命名的人工页审文件，并通过独立的法源、版本、隐私和许可闸门。仓库内的 governance/core-2026-07-14.ai-review.json 只适用于其绑定的 28 个来源 hash；其他 source package 不得复用该 overlay。匹配该 manifest 时可显式追加 --review-overlay governance/core-2026-07-14.ai-review.json，不匹配会失败关闭。

uv run deeplaw doctor
uv run deeplaw search --query "刑法第二百六十六条" --as-of 2024-07-01
uv run deeplaw get --segment-id "seg_..."
uv run deeplaw verify --segment-id "seg_..." --receipt-id "lawrcpt_..."
uv run deeplaw mcp --stdio

单独审查 PDF 的页级证据：

uv run deeplaw pdf-evidence --source "/path/to/document.pdf"

Agent 接入

Codex / Claude Code 插件：plugins/deeplaw
OpenCode 配置：adapters/opencode
适配器说明：docs/AGENT_ADAPTERS.md
Analytix 下一步接入设计：docs/ANALYTIX_INTEGRATION.md

当前没有修改 Analytix。未来接入必须保证 inactive 时普通任务的 route、provider-visible tool schema、stable prefix、request body 和 token 数与未安装 DeepLaw 的基线等价；法律服务损坏或离线也不能拖垮 DuckDB、SQLite、代码和文档能力。

核心包审计状态

仓库提供的是代码和 metadata review overlay，不分发 28 份 DOCX/PDF、完整规范文本、案例材料或生成的 SQLite release。当前 overlay 已逐项完成 AI precheck，并在适用且有依据时补充文号、发布机关、日期、状态风险和关系提案；它并不声称每一字段都已补齐。其 reviewerKind 是 ai_precheck，release 只能是 partially_verified 且 redistributionStatus=restricted。

四个已被硬门禁阻断的高风险项：

2020 刑法整合文本在 2024-03-01 后不能脱离修正案（十二）单独作为当前全文；
已于 2021-05-01 废止的行政法规只能进入历史证据桶；
2021 反洗钱监管办法在 2025-12-01 后必须与修改决定组合；
原包误标“现行整合文本”的央行规章实际缺少 2018/2025 修改，已重命名并限制为历史候选。

完整边界见 docs/SOURCE_AUDIT_2026-07-14.md 和 governance/core-2026-07-14.ai-review.json。

质量、评测与诚实边界

uv lock --check
uv run ruff check .
uv run pytest
uv run deeplaw eval --cases evals/core-2026-07-14.jsonl --limit 5
git diff --check

现有 smoke benchmark 用于验证固定核心包上的命中、上下文预算和 receipt 链路，不是跨系统冠军榜。当前 v0.2 本地候选在 32 项已知语料白盒 smoke case 上为 32/32；结果、hash 和限制见 benchmarks/core-v2-candidate-2026-07-15.json。 DeepLaw 只有在公开 held-out 中文法律集上同时报告版本正确率、引用 span、义务覆盖、反证召回、上下文字符、延迟和成本后，才会发布可比较的领先性结论。

换句话说：架构目标可以领先，市场宣传必须等证据。

项目边界

DeepLaw 不做以下事情：

不预测有罪、量刑、责任或案件结果；
不把日期命中等同于本案适用；
不把案件私有文档、聊天、身份或交易数据写入公共 release；
不让 LLM 决定修订、废止或覆盖法律原文；
不在 MCP 运行时采集、构建、激活或修改语料；
不因一个数据字段叫“诈骗”就把普通数据分析带入法律工作流。

DeepLaw 输出的是法律研究证据候选，不是法律意见、事实认定或裁判结论。

文档地图

架构与信任模型：docs/ARCHITECTURE.md
语料治理：docs/CORPUS_GOVERNANCE.md
Benchmark：docs/BENCHMARKS.md
上游研究与复用边界：docs/UPSTREAM_REUSE.md
安全策略：SECURITY.md
贡献指南：CONTRIBUTING.md

Roadmap

不可变 SQLite release、receipt 和只读 MCP
QueryPlan、义务覆盖、显式 gaps 和严格时间分桶
provenance graph 与单跳有界导航
DeepLaw Vision 页级证据和人工审校 attestation
28 项 hash-bound AI metadata precheck
双人法源/OCR/许可签字与签名 release
受控更新、撤销、supersession feed 和差分验证
held-out 中文法律检索/版本/反证公开 benchmark
通过净增益门禁后的可选语义候选通道
Analytix turn-scoped 激活与 inactive zero-impact A/B gate

Community and license

欢迎使用 synthetic fixture 提交可复现的检索、版本、解析和安全问题。请不要在 issue、PR、日志或截图中发布案件私有材料、完整法源正文、凭证或生成 release。参见 CONTRIBUTING.md、CODE_OF_CONDUCT.md 和 SECURITY.md。

DeepLaw 源代码按 Apache License 2.0 发布。该许可不自动授予外部法源、案例、网站版式、第三方商标、模型或工具的再分发权。品牌资产为 DeepLaw 原创；名称仍建议在商业发布前完成目标司法辖区的专业商标检索。

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Eysn0130/DeepLaw'

If you have feedback or need assistance with the MCP directory API, please join our Discord server