法Q 是給律師、法務、法律研究者的判決研究助手。整合兩千多萬筆判決書與 80 萬筆檢察書類，跨對話記住每一個案子的脈絡，引用真實判決原文，不憑空捏造。
Android 版開發中
下方「適用情境」為虛擬使用場景示意，非個人證言。
過去處理過的案子，常常只記得當事人姓氏與大致案由。法Q 會把每一段對話保留下來，當你用模糊的描述提起「上次王先生那個離婚的後續」或「前陣子那個車禍判決出來了嗎」，AI 會主動把對應的案件抓回來。
系統只會召回當前帳號的歷史對話，不會跨使用者外洩。回傳資料包含案件名稱、當事人、案由、摘要與原對話連結，方便在不同案件之間建立個人化的脈絡。
適用情境：民事執業
諮詢紀錄分散在筆記軟體與手寫本子，要回查過去離婚協議怎麼處理常常要翻一輪。用模糊提問召回對應案件脈絡，前置整理時間可顯著縮短。
適用情境：家事 / 繼承
家事案件常遇到客戶來電說「我上次跟你提過的那件事」。靠記憶接得辛苦，當對話脈絡被記住，一句問題就能對上是哪一年、哪一個案件。
適用情境：企業內部法務
跨部門諮詢量大，常被問「上次那個 SaaS 合約爭議最後怎麼結？」案件記憶可減少自建 Excel 索引的負擔。
判決書收錄司法院 1996 至 2025 年共約兩千多萬筆，民事、刑事、行政、懲戒、憲法皆涵蓋。檢察書類（起訴書、聲請簡易判決處刑書、追加起訴書、併辦意旨書等）收 2018 年起約 80 萬筆。同一個案號可以從起訴書一路追到判決，把完整的程序脈絡攤開。
檢索方式為多輪 agentic RAG。AI 會自己決定該下哪些查詢、要不要展開語意子問題、何時取全文，過程中以 hybrid 搜尋與 RRF 排序，盡量避免單一查詢的偏差。
適用情境：刑事訴訟
同一個刑案，先看檢察官起訴書的論述角度，再看法院最後怎麼採認，兩邊一起對照才容易抓出攻防焦點。把這個流程做進同一個對話視窗，等於把事務所內部的研究 SOP 收斂在一個工具裡。
適用情境：行政訴訟
兩千多萬筆判決加上 80 萬筆檢察書類，用司法院介面找接近大海撈針。改用語意提問，配上原文連結回去確認，幾分鐘就能定位到目標判決群組。研究行政訴訟舊案的效率差很多。
每筆判決都會抽出 judges、檢察官、律師三類公職 / 職務人員姓名，這些不在 PII 遮蔽範圍。律師可以針對特定法官語意提問，請 AI 整理他過往判決的常見見解、量刑風格、案件類型。
承審法官的功課從一個小時的搜尋整理，變成在開庭前的捷運通勤時段就能完成基本盤。
適用情境：民事訴訟
庭前準備一定會做承審法官的功課。傳統做法是請助理把該法官近三年判決下載下來逐一讀，AI 先做一輪歸納後再針對重點判決細看，整理時間可少一半。
適用情境：刑事辯護
量刑趨勢這種事情，過去靠事務所內部資料庫慢慢累積。現在能直接從歷史判決抽出觀察，辯護策略仍靠律師判斷，但至少有了量化基準可以對話。
每一段回答都附上原始判決字號（JID）與司法院系統連結，可以一鍵跳回去看原文。系統提示明文禁止 AI 捏造判決字號、法官姓名與裁判內容，無法確認時必須直接回「判決書中未載明」。
當事人（被告、原告、受害者）姓名在輸入、檢索結果、AI 輸出三層都會自動遮蔽。公訴人、檢察官、法官、律師姓名屬公開職務資訊，則維持可檢索。研究時不會誤踩當事人隱私邊界。
適用情境：公益訴訟
AI 工具最大的疑慮就是會不會亂編判決字號。每一段回答附原文連結回司法院系統，校對工作量可顯著減輕，寫法律意見書引用案例時也更安心。
適用情境：事務所合規
事務所合規檢核會看 PII 處理。當事人姓名有遮，公訴人和法官姓名則保留，這個邊界符合多數事務所對外引用判決的內部規範。
適用情境：企業 in-house
in-house 寫意見書，引用 AI 整理的內容若要二次驗證，常需自己再去司法院系統撈一次。附原文連結可加快校對節奏。
下載法Q，把判決查詢、法官研究與案件記憶收斂在同一個工具裡。
App Store 下載 iPhone · iPad本 App 提供之資訊僅供參考，不構成正式法律意見。實際案件請諮詢執業律師。
網站上引述之使用心得，姓氏與執業領域為一般性描述，不對應特定個人；內容反映典型使用情境。