Master AI-assisted discovery document review, deposition analysis, ESI management, cross-examination preparation, and case timeline creation for litigation using ChatGPT.

诉讼支持与电子取证（OpenAI）

本教程将完成的内容

本教程将引导您使用 ChatGPT 完成 AI 辅助诉讼与电子取证工作流程。您将学习开示文档审查、证言分析、特权审查与案件时间线创建——均按清晰的步骤路径进行。

主要工作流程（ChatGPT）： 使用结构化开示提示与可复用分析模板。在输出中明确保留特权与升级检查点。

高级级别 | 90 分钟 | 需具备一定技术熟悉度

学习目标

完成本教程后，您将能够：

掌握 AI 辅助开示文档审查与编码
理解电子存储信息（ESI）管理工作流程
高效提取与分析证言笔录
从证言模式生成针对性交叉询问问题
从文档集创建全面案件时间线
进行证人陈述不一致性分析
在诉讼中执行高级证据检索与调取
使用 AI 辅助管理特权审查
构建响应式文档编码工作流程
可视化邮件与通信线程
执行自然语言开示查询
识别案件策略的文档聚类模式

第 1 部分：开示文档审查工作流程

规模挑战

传统审查与 AI 辅助审查的速度因案件类型、文档质量、工作流程设计和 QC 标准而有显著差异。请将吞吐量假设作为试点指标在内部验证。

AI 辅助审查的关键步骤

步骤 1：定义文档类别 — 上传前确立类别：响应、非响应、特权、相关性（关键/周边/无关）。

步骤 2：上传样本集 — 从 100–200 份文档开始以确立模式。

步骤 3：构建编码模板 — ChatGPT 创建一致的编码决策。

务必在上传文档前确立编码协议。中途更改标准会导致不一致、可被质疑的审查工作。

实践练习 1.1：构建您的审查协议

为就业歧视案件创建审查协议，包含五个关键类别、响应/非响应定义、特权标志和相关性标准。

第 2 部分：电子存储信息（ESI）管理

ESI 基础

电子邮件及附件、Word 与电子表格、数据库与结构化数据、元数据、移动设备数据、备份磁带、云存储。

批量标记工作流程

阶段 1：去重 — 识别完全重复与近似重复。阶段 2：保管人识别 — 将文档映射至来源。阶段 3：批量标记 — 应用一致的元数据。

实践练习 2.1：ESI 保存计划

为多名保管人、电子邮件系统和云存储创建诉讼保留通知与 ESI 保存计划。

第 3 部分：证言笔录分析

证言模式分析

主题提取 — 识别关键主题、回避主题、矛盾、自认。不一致检测 — 比较陈述，生成不一致报告。叙事构建 — 构建证人叙事。

实践练习 3.1：完整笔录分析

分析证言笔录并提供主题索引、不一致报告、可信度评估和弹劾机会。

第 4 部分：交叉询问问题生成

从证言模式构建问题

识别薄弱领域（自我矛盾、与文档矛盾、回避）。起草问题，按主题组织（时间线、知情、文档、自认、弹劾）。

实践练习 4.1：问题生成

创建完整交叉询问大纲，包含基础问题、使用证人原话的问题和确立矛盾的问题。

第 5 部分：案件时间线创建

提取事件与日期

从所有文档和证言中提取：事件日期、文档日期、事件类型、关键当事人、ID/引用、描述、重要性。构建包含关键决策点和知情时间线的排序时间线。

实践练习 5.1：混合来源时间线

从文档和笔录构建完整案件时间线，识别日期冲突，标记缺口。

第 6 部分：证人陈述分析

识别不一致与证据

按每位证人提取：关键事实主张、与其他证言和文档的矛盾、自认、可信度因素。创建证人比较矩阵。

实践练习 6.1：陈述分析

提供证人矩阵、不一致报告、文档佐证表和审判指定策略。

第 7 部分：证据检索与调取

快速证据定位

搜索协议 — 关键词、文档类型、日期范围、保管人。证言期间搜索 — 快速定位证言中引用的文档。审判证据 — 即时访问展示物和指定。

实践练习 7.1：证据搜索工作流程

创建审判前、证言期间和审判期间的完整搜索协议。

第 8 部分：特权审查与识别

识别受保护通信

类别：律师-客户特权、工作成果原则、共同利益特权、专家特权。创建特权决策树。对扣留文档建立特权日志。

宁可过度标记供律师审查。审查 200 份边缘文档优于漏掉 1 份特权文档并放弃特权。

实践练习 8.1：特权审查协议

创建包含识别流程图、决策规则、特权日志模板和 QC 程序的协议。

第 9 部分：响应式文档编码工作流程

构建编码系统

为每项 RFP 定义「响应」。构建编码表单（文档 ID、每 RFP 响应、特权主张、置信度）。QC 审计：重审 5% 响应、10% 特权。

实践练习 9.1：响应式编码系统

将每项 RFP 解码为清晰编码规则，创建决策树，制定 QC 协议和培训材料。

第 10 部分：邮件线程可视化与分析

理解邮件通信模式

线程提取 — 完整线程、参与者、时间线、转发链。线程分析 — 核心问题、讨论演变、决策、自认。模式分析 — 频率、时间、升级、信息流。

实践练习 10.1：邮件线程分析

提供线程清单、10 个最重要线程的详细分析、通信模式分析和知情时间线。

第 11 部分：自然语言开示查询

对话式证据搜索

以自然语言而非复杂布尔搜索提问：「查找显示公司知晓产品安全问题的所有文档，且知晓时间早于 [日期]，且未修复或延迟修复，且问题后来造成损害。」

实践练习 11.1：自然语言查询

为每项关键主张创建自然语言描述、预期文档类型、搜索词和结果。

第 12 部分：文档聚类与模式识别

在大规模文档集中发现隐藏模式

自动聚类 — 按主题、时间段、保管人、类型、内容相似度。主题组织 — 按法律主题（知情缺陷、未警告、先前事故、隐瞒）。专家报告支持 — 组织聚类以供直接引用。

实践练习 12.1：文档聚类分析

识别自然聚类，分析主题，展示桥接文档，创建主题组织和视觉聚类图。

比较：ChatGPT 与企业电子取证工具

功能	ChatGPT	Harvey	Legora	Relativity	Everlaw
审查速度	因工作流程和 QC 而异	各异	各异	各异	各异
ESI 集成	通过 MCP/连接器	供应商连接器	供应商连接器	平台连接器	平台连接器
时间线创建	手动 + AI	自动化	自动化	手动	自动化

AI 辅助诉讼支持最佳实践

应做事项

从协议开始 — 上传前定义类别和规则，书面编写编码指南。
记录流程 — 保留类别、搜索词、已上传文档、编码决策、QC 程序的记录。
使用多种验证方法 — 不要仅依赖 AI；对关键文档进行人工交叉核对。
保持特权警惕 — 过度标记供律师审查，建立清晰的特权日志。
利用时间线功能 — 尽早创建、更新，用于证言准备和审判展示。
为审判组织 — 编码时构建展示物列表，创建按文档组织的审判摘要部分。

应避免的常见错误

不应做事项

不要跳过协议阶段 — 在无明确规则下编码、中途更改规则、不同律师助理使用不同标准。
不要假设 100% 准确 — AI 可能遗漏细微差别；始终包含 QC 抽查。
不要忽视元数据问题 — 元数据可能是销毁证据。
不要创建可发现的律师笔记 — 不要要求 AI 分析「策略」。
不要忽视证言冲突 — 将最终证言与先前陈述比较。
不要忽视特权日志 — 不完整的日志会放弃特权。

记录所有 AI 辅助审查程序。对方可能质疑您的开示流程。

电子取证质量控制检查清单

审查前 QC

协议已记录并批准、样本文档已编码并验证、所有审查员已培训、搜索词已测试、ESI 保管人已识别、去重已完成、元数据已保留。

审查中 QC

每周抽查（每审查员 5 份）、每月一致性审查、边界文档的律师签批、特权标志已审查、时间线与文档交叉核对。

审查后 QC

最终 5% 样本、特权日志完整、响应文档按 RFP 组织、时间线已确定、邮件线程已验证、专家指定已标记。

诉讼管理 QC

开示回复按时、适当异议、特权正确主张、生产格式正确、Bates 标签一致。

实践工作流程：真实案例场景

场景 1：产品责任 — 6 个月时间线

第 1 月：定义类别、识别 20 个关键 RFP、创建搜索词库、配置 ESI 收集。第 2 月：去重、首次查询、批量编码。第 3 月：特权审查、边界文档。第 4 月：完整时间线、邮件线程分析。第 5 月：证言、实时证据搜索。第 6 月：确定展示物列表、审判证据系统。

立即行动

在上传文档前定义审查类别
为第一批（100–200 份）创建编码模板
运行一次证言笔录分析并标记不一致
从证言模式起草 5 个交叉询问问题
从至少 3 个文档来源构建案件时间线
完成样本集的特权审查并创建特权日志
记录 QC 程序以供审计追踪

下一教程前作业

设置基本电子取证协议 — 为练习案件定义 5–8 个文档审查类别、响应/非响应决策规则、特权审查指南。
练习时间线创建 — 从样本提取日期和事件，创建按时间排序的时间线，识别 5 个关键转折点。
邮件线程分析 — 取 20 封样本邮件，识别线程和参与者，映射通信流。
证言问题准备 — 找样本笔录，识别 3 个主要不一致，起草交叉询问问题。
构建搜索协议 — 为常见案件类型创建搜索词库，包含 20–30 个关键搜索，开发自然语言查询模板。

Tutorial 11: Litigation Support & E-Discovery (OpenAI)