Как работать при подготовке сложной правовой позиции

Нейросеть не «находит» готовую правовую позицию, а собирает её из того контекста, который вы ей дали. Поэтому управление контекстом — один из инструментов улучшения качества ответов при работе с юридическими задачами.

В чате @borouhin поделился свом подходом — разбивать задачу на этапы.

(1) Прочитать позицию оппонента и выделить ключевые тезисы.

(2) Найти применимые НПА и судебную практику.

(3) Отдельно проверить найденные НПА и практику на ошибки и «галлюцинации».

(4) На основании результатов предыдущих этапов и добавленных (при необходимости) вручную НПА/практики — сформулировать тезисы правовой позиции.

Кстати, о том, как можно удобно выгрузить массив судебной практики для загрузки мы писали тут.

(5) На основе тезисов и удачного образца аналогичного документа — подготовить драфт.

(6) Проверить драфт на «галлюцинации».

Важный момент: каждый этап лучше делать в отдельном чате или проекте с чистым контекстом. Так модель не «тащит» за собой лишнюю информацию и даёт более точные результаты.

⮑ Лайфхак по инструментам ⮐

С такой задачей лучше всего справятся Claude и NotebookLM:

— Claude удобно использовать для драфтов — он хорошо работает с версткой документов. Тут мы писали о том, как научить Claude делать документы по вашему шаблону.

— NotebookLM — для работы с практикой и НПА. Благодаря RAG он работает с загруженными вами документами и формирует ответ, опираясь именно на них. За счет этого он меньше «галлюцинирует».

Такой подход имеет смысл именно для сложных задач. Если речь о чём-то простом — например, ходатайстве об отложении — всё это делается одним промптом за один раз. В противном случае — больше времени уйдёт на работу с LLM, чем написание документа ;)

Интересно, какие сложные задачи вы делегируете нейросетям и каким именно. Ждём всех в комментариях⭣