壹律法条 · China Law Search

把国家法律法规数据库（flk.npc.gov.cn）的条文落到本地，用一个 SQLite 文件 + 一个 FastAPI 服务， 给律师和法务提供可离线、可自建、可增量更新的法条检索与引文核验能力。

代码在这里，数据在 Release。 全量库解压后 2.3 GB，不进 git， 用 tools/fetch_data.py 一条命令下载。

不想折腾命令行？ 把 INSTALL.md 第一节里那段话整段复制给你的 AI （WorkBuddy / Claude / ChatGPT / Trae 都行），它会自己检查环境、下载、装好、跑通验证， 最后把本地查询页面打开。你只需要在最后点一次「信任」。

四种用法，按需要选：

• 本地查询界面：双击启动脚本，浏览器打开就能搜法条、按条号定位、批量核验引文。 完全离线，最贴近律师日常用法。

• 接进 agent（MCP）：WorkBuddy、Trae、ZCode、Claude Code 等直接查法条， 用条文支撑结论前自动核验真假与时效。零第三方依赖，是最快让 AI 会查法条的方式。

• HTTP API：接进自己的办案系统、文书工具、AI 工作流。

• 自建数据库：用内置流水线把官方 Markdown 解析入库，或按增量包持续更新。

能力

Related MCP server: chuance-policy-mcp

快速开始

下文命令写作 python3。Windows 上如果提示找不到该命令，换成 python。

一、接进 agent（不需装任何依赖）

git clone https://github.com/<owner>/china-law-search.git
cd china-law-search
python3 tools/fetch_data.py            # 下载数据包并校验
python3 mcp/install.py --all --yes     # 写入本机 agent 配置

MCP 服务器只用 Python 标准库，不需要 pip install 任何东西， macOS 自带的 Python 3.9 就能跑。装完在 WorkBuddy 的连接器页点「信任」， Trae / Cursor 重启客户端即生效。四个工具的用法见 mcp/README.md。

跑通验证：

python3 mcp/server.py --selftest

二、本地查询界面

需要三个 Web 依赖（fastapi / uvicorn / pydantic）。装数据之后直接双击：

启动.command     # macOS
启动.bat         # Windows

脚本会自动建虚拟环境、装依赖、等服务就绪再打开 http://127.0.0.1:8001 （端口被占用会顺延到 8010 之间）。命令行用 ./start.sh 效果一致。

也可以手动起：python3 -m uvicorn server.law_search_service:app --port 8001。

打开后三个页签，分别对应「只记得关键词」「已知道条号」「手里有引文要核」三种场景。 检索框支持 ⌘K / Ctrl+K 聚焦，首屏有八个常用查询点击即搜，底部显示当前数据版本。 服务默认只听 127.0.0.1，同一局域网的其他机器连不上。

详细用法见 INSTALL.md 第五节。

语义检索是可选的，要另装 requirements-vector.txt（会连带 torch，2 GB 以上）。 不装照样能用：服务检测不到向量库时自动降级为 FTS5 全文检索， 检索、条文定位、引文核验三项功能都不受影响。

三、Docker

docker compose up -d

数据目录 ./data 挂载进容器，先跑一次 python3 tools/fetch_data.py，或把下载好的库放进去。

数据不在仓库里

全量库解压后 2.3 GB，超过 git 单文件上限，所以仓库只放代码，数据走 Release。 tools/fetch_data.py 一条命令完成下载、校验、解压、就位：

python3 tools/fetch_data.py            # 没库就下全量；有库则比对版本，有新才下
python3 tools/fetch_data.py --check    # 只看版本，不下载
python3 tools/fetch_data.py --full     # 强制重下全量

下载的东西不会被盲目覆盖：先解压到临时文件，校验 sha256 与数据库完整性， 通过后才替换，旧库留一份 .bak。

网络下不动 GitHub 时，用浏览器手动下载 Release 附件，再：

python3 tools/fetch_data.py --from-file 下载到的 law_data-xxx.db.zst

--from-file 也认 .gz。两种格式内容一致，.gz 略大但解压不需要额外装任何东西。

数据从哪来

法规文本来自国家法律法规数据库（flk.npc.gov.cn）公开下载的 Markdown 文件， 属官方文件，可自由使用与再分发。

这个仓库不提供任何自动采集代码，也不建议任何人对该站点做批量抓取—— 站方 robots.txt 明确禁止自动化采集。数据包由维护者线下更新后发布， 使用者只从本项目 Release 下载成品。

覆盖范围

合计 16,808 部法规 / 700,471 条现行条文，另含 334,253 条历史条文 （标 repealed + 失效日期，默认不返回）。

条文收录截至 2026-09-16（库内最新一部法规的公布日期）。这个日期由 corpus_version 之外的 data_cutoff 单独记录——版本号说明「哪天打的包」， 截止日说明「条文收到哪一天」，两者不要混。

不含以下内容，因为官方库本身不收录：

• 部门规章（各部委令）

• 地方政府规章（省市政府令）

• 军事法规、党内法规、国际条约

查「建设工程」「食品经营」这类主题时查不到住建部、市场监管总局的规章，是数据源边界， 不是库坏了。判断某个引用能否在这里核验，先看它是不是上述八类之一。

增量补丁的来源与核对

2026-07 以后公布的法规，通过第三方镜像 lawtext/legal-data-docx 取原件 （其上游仍是国家法律法规数据库），个别「重新公布」文本以中国人大网转载稿为核对基准。

每一部入选法规都要过四关：提取公布 / 施行日期 → 切分条文 → 与库内同名现行版本逐条比对 → 生成变更报告人工过一遍后才写库。镜像里比库内更旧的历史文本一律不采用， 在报告里单列为 stale——否则会出现用 2014 版顶掉 2018 版这类静默倒退。

版本与校验

数据以 GitHub Release 附件发布，tag 形如 data-2026.10.31：

• law_data-<版本>.db.zst / .gz：全量库，两种压缩格式内容一致

• delta-<版本>.json.zst / .gz：增量变更集，只含变的法规

• manifest.json：版本号、条数、db_sha256、各资产的 sha256 与适用版本

每个响应都带 data_snapshot.corpus_version，标明这批数据截至哪一版。 数据是快照，不是实时：涉及时效敏感的案件，请以官方发布文本复核。

本地查询界面

服务启动后打开 http://127.0.0.1:8001，三个页签：

• 法条检索：输入关键词，勾选「含已被修订的旧版本条文」可一并看到历史条文， 失效版本带红标并排在现行条文之后。检索完成会显示命中数与耗时。

• 条文定位：填法律名称与条号（82 或 第八十二条 都认），增补条在第三栏填 之一。

• 引文核验：一行一条引文，例如 《劳动合同法》第八十二条，一次核完。 一行里写并列引文（第八十二条、第八十七条）会自动拆成两条分别核， 不会只核第一条。

界面完全离线，不加载任何外部资源。底部常驻显示数据版本—— 写进意见书前应该看一眼，心里有数自己引的是哪一版。

接入 agent（MCP）

不想复制粘贴，让 agent 自己查。内置一个 MCP 服务器，四个只读工具：

python3 mcp/install.py --list              # 看本机装了哪些客户端
python3 mcp/install.py --all --yes         # 写入（默认只预览，加 --yes 才落盘）
python3 mcp/server.py --selftest           # 装完自检

安装器覆盖 WorkBuddy、Trae、ZCode、Claude Code、Codex、Cursor、Cline、Windsurf， 自动探测配置位置、备份原文件、合并写入（不动别人已有的 MCP 条目）。

两个必须知道的前提：

• 写文件不等于生效。WorkBuddy 要在连接器页点「信任」，Trae / Cursor 要重启， 这些脚本做不到，逐步说明见 mcp/README.md。

• MCP 直连 SQLite，不需要先启动服务——agent 自己拉起子进程，用完即退。 这也是它只要 Python 标准库、不装 mcp SDK 的原因。

API

服务默认免认证（本地自用）。需要对外开放时设 LAW_API_ENFORCE=1， 并在 data/api_keys.json 配置 token：

{
  "my-app": {
    "token": "换成你的随机串",
    "tier": "private",
    "rate_limit_per_min": 0,
    "rate_limit_per_day": 0
  }
}

tier 为 public 时按 IP 限流，超额返回 429 与 Retry-After。 注意：开了强制认证却读不到任何 token 时，服务会自动降级为免认证，避免装完打不开。

GET /health

免认证。返回服务状态、法条总数、现行有效条数、向量库是否启用。

GET /api/law/search

curl -G http://127.0.0.1:8001/api/law/search \
  --data-urlencode "q=未签书面劳动合同" \
  --data-urlencode "k=5"

检索走三级策略，逐级保底：

1. FTS5 trigram 全文索引，bm25 排序；

2. 字面包含匹配；

3. 把查询拆成两字片段，命中多数片段即召回（中文不靠分词也能兜住改写）。

返回的 engine 字段标明实际走的路径，items[].score 为 0~1 的相关度。

GET /api/law/article

curl -G http://127.0.0.1:8001/api/law/article \
  --data-urlencode "law_name=劳动合同法" \
  --data-urlencode "article_num=82"

POST /api/law/verify

curl -X POST http://127.0.0.1:8001/api/law/verify \
  -H "Content-Type: application/json" \
  -d '{"citations": ["《劳动合同法》第八十二条", "刑法第一百三十三条之一"]}'

每条结果包含 verified、status、effective_date、repeal_date、replaced_by、 is_principle_clause、has_multiple_versions。has_multiple_versions 只在同一部法规 存在多个版本时为真，不会因为法规名相近而误报。

GET /api/law/stats

返回按法规类型分组的条数统计、现行有效条数、向量库状态。

自己建库

ingest/ 是一条完整流水线。解析与建库只依赖标准库，不需要装任何包； 只有第 3 步建向量索引才需要 pip install -r requirements-ingest.txt。

# 1) 把官方下载的 doc/docx 转成 Markdown（需要系统装 pandoc 与 libreoffice）
python3 ingest/convert_docx_batch.py --input-dir ./raw --output-dir ./md

# 2) 解析条号与章节，写入 SQLite（唯一真源），同时建 FTS 索引
#    默认每部法规只取最新版本；要连历史版本一起入库加 --keep-history
python3 ingest/build_sqlite_from_markdown.py --markdown-dir ./md --output-path ./data/law_data.db

# 3) 可选：构建向量索引，启用语义检索
python3 ingest/ingest_to_vectordb.py --markdown-dir ./md --db-path ./data/legal_vector_db

SQLite 是唯一真源，向量库只是可重建的索引。 向量库损坏不影响数据， 删掉重跑第 3 步即可。不装向量依赖时，服务自动降级为全文检索，功能不受影响。

增量更新

法规会修订，库要跟着走。把下载到的新版文件丢进 inbox/：

# 第一步：扫描 → 转换 → 解析 → 比对 → 出报告（只出报告，不写库）
python3 tools/update.py --inbox inbox/

# 打开 reports/changes-<时间>.html 逐条看：新增条、修改条（左右对照）、删除条、元数据变更

# 第二步：确认无误后写库
python3 tools/update.py --apply reports/changes-<时间>.plan.json --approve

设计上刻意留了一道人工闸门：没有 --approve 绝不写库。法条改动直接影响律师引用， 不能自动生效。

写库是单事务完成的：新版本插入，旧版本标为已失效（记录失效日期与被替代关系）， 同时写入 ingest_batches 审计记录。同一个文件重复投放不会重复入库（按文件 sha256 去重）。

流水线的完整设计（比对口径、版本模型、校验项）见 docs/UPDATE-PIPELINE.md。

发版

# 打包全量库 + 增量包 + manifest（同时产出 .zst 与 .gz）
python3 tools/make_release.py --db data/law_data.db --delta delta-2026.10.31.json --out-dir dist/

# 上传为 Release（需已安装 gh 并登录）
gh release create data-2026.10.31 dist/* --title "数据 2026.10.31" --notes "法规 N 部 / 法条 N 条"

两种压缩格式都要发，不是冗余：用户机器上可能既没有 zstandard 库也没有 zstd 命令， 那时只能退回 .gz（gzip 是 Python 内置）。只发 .zst 会让这类用户装不上数据。

用户侧升级

升级和首次安装是同一条命令：

python3 tools/fetch_data.py

它读 Release 的 manifest.json 比对本地 corpus_version：已是最新就什么都不做； 有新版且增量包正好以本地版本为起点，就只下增量；否则下全量（约 490 MB）。 apply_delta.py 仍然可用，适合手工控制升级时点。

目录结构

INSTALL.md                     装不上、打不开先看这份（含「发给 AI 的一段话」）
server/
  law_query_core.py            法条查询内核（纯 sqlite3，HTTP 与 MCP 共用同一套规则）
  law_search_service.py        HTTP 服务（检索 / 定位 / 核验 / 统计）
mcp/
  server.py                    MCP 服务器（stdio，四个只读工具，零第三方依赖）
  install.py                   各客户端安装器（探测 / 备份 / 合并写入 / 移除）
  README.md                    各家客户端的配置位置与坑
web/index.html                 本地查询界面（单文件，零外部依赖）
ingest/                        建库流水线
  schema.py                    表结构与迁移（幂等，老库自动补列）
  build_sqlite_from_markdown.py  Markdown → SQLite + FTS
  parse_markdown.py            解析条号、章节、元数据
  dedup_old_versions.py        历史版本去重
  ingest_to_vectordb.py        构建向量索引（可选）
tools/
  fetch_data.py                下载 / 校验 / 安装数据包（用户侧）
  update.py                    增量更新主程序（出报告 / 确认写库）
  diff_articles.py             条文级比对 + HTML 报告
  make_delta.py                生成增量包
  apply_delta.py               应用增量包
  make_release.py              打包发版资产
docs/UPDATE-PIPELINE.md        更新流水线的设计说明

为什么单抽一个 law_query_core.py：条号「之一」与法规名归一这两条规则， 一旦网页端和 MCP 端各写一份，迟早走岔——表现为「网页查得到、agent 查不到」。 而这种错在 agent 场景下不会有人复核，代价比网页高得多。所以只允许一份实现。

配置

全部通过环境变量，默认值见 server/law_search_service.py 顶部，示例见 .env.example。

老版本数据包不需要手动迁移：服务启动时会自动补齐新增字段，可反复执行。

常见问题

查不到想要的条文？ 分三种情况：

1. 检索词太长。检索是关键词匹配，不是问答——「公司不给上社保怎么办」这类整句， 换成「社会保险」再搜。

2. 两字词召回不全。FTS 索引按 3 字窗口建立，「工伤」「欠薪」这类两字词用不上索引， 会退化成全表匹配——约 1 秒出结果，但召回不完整。查两字概念建议走 MCP， 让 agent 先把它扩成「拖欠劳动报酬」这类法言法语再查。

3. 法规本身不在库里。本库只覆盖官方八类（见「覆盖范围」）， 部门规章和地方政府规章不在其中。

条文和官网对不上？ 以国家法律法规数据库发布的正式文本为准。 本项目只是把公开数据落到本地，不做任何改写。发现问题请提 issue 并注明法规名称与条号。

能不能直接对公网开放？ 技术上可以，但请务必开 LAW_API_ENFORCE=1 并配置 token， 同时放在反向代理后面。默认的免认证模式只适合本机使用。

边界

• 本项目提供条文文本与检索，不提供法律意见，不替代律师判断。

• 引文核验只回答「库里有没有这条、是否现行有效」，不判断引文是否被正确适用。

• 条文时效以库内记录为准，数据版本日期见 manifest.json；涉及时效敏感的案件请自行复核。

许可

代码以 MIT 许可发布。法规文本源自国家法律法规数据库公开数据，按其公开使用规则使用。