Юридические документы с нейросетью: черновики претензий, писем и договоров
Как получить от модели аккуратный черновик претензии или письма: исходные данные, шаблон, запрет на выдуманные нормы и обязательная проверка человеком.
5 мин · · бизнес · автоматизация
Нейросеть для написания юридических документов не заменяет юриста, но хорошо справляется с первой версией: структура претензии, вежливое деловое письмо, раздел договора по вашему образцу. Главное, чтобы вы сами дали модели факты и шаблон, а ссылки на нормы проверял человек. Ниже способ работы через API: что подавать на вход, как задать правила, как получить черновик кодом и сколько это стоит. Это техническая инструкция, а не юридическая консультация: за содержание отправленного документа отвечаете вы.
Что модель делает хорошо, а что нет
Нейросеть для составления юридических документов уместна там, где важны форма и аккуратность текста:
- собрать из ваших фактов связный текст претензии по заданной структуре;
- переписать черновик в деловом тоне и убрать повторы;
- привести обращения, даты и названия сторон к единому виду;
- подготовить несколько вариантов формулировки для обсуждения.
Опасные места, где одна модель без проверки не годится:
- Ссылки на статьи законов и судебную практику. Модель может назвать несуществующий номер статьи или неточно пересказать норму. Это называется галлюцинацией, и в юридическом тексте она особенно дорогая.
- Актуальность норм. У модели нет гарантии, что она знает последнюю редакцию закона.
- Вывод о том, как поступить в вашем деле. Это решение юриста, который видит все документы.
Поэтому правило одно: факты и нормы подаёте вы, модель только оформляет текст.
Подготовьте исходные данные
Хороший черновик начинается с аккуратного входа. Соберите в структуру:
- Стороны: роли и названия (без лишних персональных данных, об этом ниже).
- Хронология: даты и что произошло, по пунктам.
- Суммы и сроки в цифрах.
- Что вы требуете и в какой срок.
- Нормы, на которые хотите сослаться: текст или точные выдержки, взятые вами из официального источника.
- Образец: прошлая удачная претензия или шаблон организации.
Не отправляйте в запрос паспортные данные, номера счетов и телефоны без необходимости. Подставляйте метки вроде [ФИО_1] и возвращайте реальные значения уже в готовом файле. Как логировать запросы к моделям без утечки данных, описано в статье логирование LLM-запросов без утечки персональных данных.
Правила в промпте
Системное сообщение задаёт границы. Рабочий вариант:
Ты помогаешь оформить черновик делового юридического документа.
Используй только факты и нормы из блока ДАННЫЕ.
Не добавляй ссылки на законы, статьи и судебные решения, которых нет в ДАННЫЕ.
Если для раздела не хватает информации, напиши в тексте метку [УТОЧНИТЬ: что именно].
Сохрани структуру образца. Не давай советов о том, как поступить, пиши только текст документа.Ключевая строка про нормы: она заставляет модель использовать только те статьи, которые вы дали. Метки [УТОЧНИТЬ] помогают увидеть пропуски вместо выдуманных деталей.
Получаем черновик кодом
Запрос в OpenAI-формате к https://api.zukko.pro/v1, подробности эндпоинта в документации по chat completions:
from openai import OpenAI
client = OpenAI(base_url="https://api.zukko.pro/v1", api_key="fetch_ваш_ключ")
SYSTEM = """Ты помогаешь оформить черновик делового юридического документа.
Используй только факты и нормы из блока ДАННЫЕ.
Не добавляй ссылки на законы, статьи и судебные решения, которых нет в ДАННЫЕ.
Если информации не хватает, пиши метку [УТОЧНИТЬ: что именно].
Сохрани структуру образца. Выводи только текст документа."""
def draft(data: str, sample: str) -> str:
user = f"ОБРАЗЕЦ:\n{sample}\n\nДАННЫЕ:\n{data}\n\nПодготовь черновик претензии."
resp = client.chat.completions.create(
model="claude-sonnet-5-5",Параметр temperature в примере не задан намеренно: новые модели Claude отклоняют значения, отличные от 1.0. Разброс формулировок здесь сдерживают образец и строгие правила в системном сообщении. Если вы берёте модель, которая параметр принимает, низкое значение можно добавить; подробнее в статье temperature и top_p: что крутить.
Проверка человеком: короткий чек-лист
Перед отправкой документа пройдите по списку:
- Сверьте имена, даты, суммы и реквизиты с первичными документами, а не с черновиком.
- Найдите в тексте каждую ссылку на норму и откройте её в официальном источнике: номер, редакция, смысл.
- Убедитесь, что не осталось меток
[УТОЧНИТЬ]и[ФИО_1]. - Проверьте сроки и порядок направления документа: они зависят от вашей ситуации.
- Для важных споров и сделок покажите документ юристу.
Для анализа уже готовых договоров есть отдельный разбор: анализ договоров с помощью ИИ.
Какую модель взять и сколько это стоит
Для юридического текста важнее аккуратность, чем скорость. Начните со средней модели и сравните на своих образцах с более сильной. Цены на 18 октября 2026, $ за 1M токенов (вход / выход):
| Модель | Вход / выход | Индекс силы |
|---|---|---|
claude-sonnet-5-5 | 0.4 / 2 | 48 |
gpt-6.1-sol | 0.27 / 1.32 | 52 |
claude-opus-5-5 | 0.8 / 4 | 58 |
Расчёт одной претензии: 2 000 токенов на входе (образец и данные) и 1 500 на выходе, без кэша.
claude-sonnet-5-5: 2 000 × 0.4 + 1 500 × 2 = 800 + 3 000 = 3 800, то есть $0.0038claude-opus-5-5: 2 000 × 0.8 + 1 500 × 4 = 1 600 + 6 000 = 7 600, то есть $0.0076gpt-6.1-sol: 2 000 × 0.27 + 1 500 × 1.32 = 540 + 1 980 = 2 520, то есть $0.0025
(значения делятся на 1 000 000). Для Claude в OpenAI-формате весь вход идёт по цене входа, скидку за кэш даёт только Anthropic-формат. Сильная модель не гарантирует отсутствие ошибок в нормах, поэтому проверка человеком нужна при любой модели. Актуальные цены: GET https://api.zukko.pro/v1/models.
Чтобы попробовать, создайте ключ в кабинете и запустите код выше на обезличенном примере из вашей практики.
Частые вопросы
Можно ли отправлять документ, написанный нейросетью, без проверки?
Нет. Проверка фактов, реквизитов и норм обязательна: модель может ошибиться в номере статьи или пересказать норму неточно. Для важных документов нужен юрист.
Как снизить риск выдуманных ссылок на законы?
Давайте модели тексты норм сами и запрещайте использовать другие. Просите ставить метку [УТОЧНИТЬ] вместо догадок и проверяйте каждую ссылку по официальному источнику.
Безопасно ли отправлять в модель персональные данные?
По возможности не отправляйте. Заменяйте имена и реквизиты метками и подставляйте реальные значения в готовом файле. Вопросы обработки персональных данных и договорённостей с контрагентами решайте с юристом.
Подойдёт ли дешёвая модель?
Для простых писем возможно, для сложных договорных разделов лучше сравнить несколько моделей на своих образцах. Цена одного черновика мала, разница между моделями измеряется долями цента, поэтому тест стоит провести.
zukko
Платите в 25×
меньше
за Claude Code & ChatGPT
Один ключ fetch_* и base URL api.zukko.pro — в Cursor, Claude Code, Codex и любом SDK.
Похожие статьи
- Нейросеть для тестировщика: тест-кейсы, чек-листы и баг-репортыКак QA-инженеру использовать модель для тест-кейсов, чек-листов и баг-репортов, проверять полноту покрытия и не получить придуманные требования.
- Обезличивание данных перед отправкой в нейросеть: практический подходПерсональные данные не нужно отправлять модели, чтобы она обработала документ. Показываем, как заменять их метками, возвращать в ответ и проверять, что ничего не просочилось.
- Нейросеть для HR: вакансии, письма кандидатам и разбор резюмеМодель может готовить черновики вакансий и писем и делать первичный разбор резюме. Разбираем, что отдавать, как работать с персональными данными кандидатов и как не допустить предвзятых решений.
- Генерация FAQ нейросетью: вопросы из обращений и ответы по базе знанийХороший FAQ строится на том, что клиенты правда спрашивают. Показываем пайплайн: группируем обращения, отвечаем по базе знаний со ссылкой на источник и проверяем результат.