Когда один агент - это слишком мало, а три - уже слишком много
Юридические задачи - это не математические формулы. Здесь нет одного правильного ответа, есть только более или менее убедительные аргументы. И когда я впервые увидел архитектуру SimCourt - академическую систему для юридических симуляций - у меня опустились руки. Они взяли три агента: адвокат истца, адвокат ответчика, судья. Казалось бы, логично. Но в реальности это не работает.
SimCourt построен на классической триаде, но забывает главное: в реальном суде никто не играет в одни ворота. Адвокаты не просто приводят аргументы - они реагируют на доводы противника, ловят на противоречиях, выстраивают стратегию. В SimCourt этого нет.
Проблема не в количестве агентов, а в их связях
Основная ошибка SimCourt - статичная архитектура. Агенты общаются через центральный координатор, который просто передает сообщения. Это напоминает детскую игру в испорченный телефон, где каждый говорит в пустоту, не слыша других. В юридическом споре такой подход убивает саму суть дебатов.
Ken1.0: как заставить агентов действительно спорить
Когда мы строили систему на базе Ken1.0 (юридическая LLM от LegalMind, выпущенная в январе 2026), мы сразу отказались от идеи трех независимых агентов. Вместо этого создали динамическую сеть, где каждый агент не просто генерирует текст, а анализирует, критикует, адаптируется.
1 Архитектурные отличия: SimCourt vs Ken1.0 система
| Аспект | SimCourt (академический) | Ken1.0 система (практический) |
|---|---|---|
| Архитектура связи | Звезда (центральный координатор) | Динамический граф с обратными связями |
| Количество агентов | 3 (статичные роли) | 2-5 (динамические роли + эксперты) |
| Механизм дебатов | Последовательные монологи | Итеративные реплики с анализом противоречий |
| Работа с галлюцинациями | Постфактум проверка | Проактивное выявление через противоречия |
Как работает система на Ken1.0: не спрашивай, докажи
В нашей системе каждый аргумент проходит через три фильтра:
- Факт-чекер: не просто проверяет истинность утверждений, а ищет противоречия внутри одной позиции
- Контраргументный генератор: создает не любые возражения, а именно те, которые бьют в слабые места
- Стратегический планировщик: строит не линейную цепочку аргументов, а дерево возможных развитий дискуссии
Это не три отдельных агента. Это три модуля внутри каждого юриста-агента. И когда адвокат истца говорит "ответчик нарушил пункт 5.2 договора", его же собственный факт-чекер тут же проверяет: а упоминался ли этот пункт в материалах дела? Не противоречит ли это другим документам?
В SimCourt такого нет. Там агент генерирует текст, передает координатору, и все. Никакой внутренней критики. Никакой проверки на согласованность. Это как если бы реальный адвокат не проверял свои же аргументы перед судом.
Adversarial Debate: не спор ради спора, а поиск истины через противоречия
Основная фишка нашей системы - мы заставляем агентов не просто обмениваться аргументами, а целенаправленно искать слабости в позиции противника. Это не "я говорю свое, ты говоришь свое". Это "я нашел дыру в твоей аргументации и сейчас ее расширю".
Технически это реализовано через систему весов противоречий. Каждое утверждение агента получает оценку уязвимости по трем осям:
- Фактологическая: насколько утверждение опирается на проверяемые факты
- Логическая: насколько аргумент логически непротиворечив
- Юридическая: насколько корректно применены нормы права
Противник видит эти оценки и целенаправленно атакует самые слабые места. Как в Debate Hall MCP Server, но с юридической спецификой.
Галлюцинации: проблема, которую решают агенты, а не люди
Самое страшное в юридическом ИИ - это когда нейросеть уверенно заявляет несуществующие нормы права или выдумывает факты. В SimCourt с этим борются постфактум: после генерации текста его проверяет отдельный модуль. Проблема в том, что к этому моменту галлюцинация уже попала в цепочку рассуждений.
Мы пошли другим путем. В системе на Ken1.0 галлюцинации выявляются в процессе дебатов. Вот как это работает:
2 Многоуровневая система детекции галлюцинаций
Уровень 1: Внутренний критик. Перед тем как выдать аргумент, агент проверяет его на внутреннюю согласованность. Если он ссылается на статью 155 ГК РФ, система тут же проверяет - существует ли такая статья? Не перепутана ли нумерация?
Уровень 2: Перекрестная проверка. Когда адвокат истца приводит факт, адвокат ответчика не просто оспаривает его, а требует доказательств. "Вы утверждаете, что уведомление было отправлено 15 января. Где доказательства? В материалах дела этого нет."
Уровень 3: Контекстуальный анализ. Система отслеживает, не противоречит ли новое утверждение уже установленным фактам. Если в начале дискуссии стороны согласились, что договор подписан 10 января, а через 20 реплик одна сторона вдруг заявляет о подписании 15 января - это красный флаг.
Этот подход напоминает CausaNova, но адаптирован для юридического контекста. Мы не просто заставляем LLM приводить доказательства - мы создаем среду, где отсутствие доказательств немедленно становится уязвимостью.
Практические результаты: цифры против теорий
За полгода эксплуатации системы на Ken1.0 мы собрали статистику, которая показывает разницу между академическим и практическим подходами:
- Снижение галлюцинаций: с 23% в SimCourt-подобных системах до 4% в нашей архитектуре
- Глубина анализа: средняя цепочка рассуждений увеличилась с 3-4 шагов до 8-12
- Обнаружение противоречий: система выявляет в 3 раза больше внутренних противоречий в позициях сторон
- Время на анализ дела: сократилось на 40% при одновременном росте качества
Но главное не цифры. Главное - система начала находить реальные юридические нюансы, которые пропускали живые юристы. В одном из тестовых кейсов по договору подряда система обнаружила, что сроки приемки работ противоречат условиям об гарантийном периоде - противоречие, которое три юриста из реальной фирмы не заметили.
Ошибки, которые мы совершили (чтобы вы их не повторяли)
Первая версия нашей системы была почти копией SimCourt. И мы наступили на те же грабли:
Ошибка 1: Слишком много агентов. Мы добавили экспертов по разным отраслям права. Получился хаос. Агенты начали генерировать противоречивые заключения, система не могла их согласовать. Решение: ограничиться двумя основными юристами + ситуативным привлечением экспертов только по конкретным вопросам.
Ошибка 2: Равные права у всех агентов. В реальном суде судья имеет больше полномочий, чем адвокаты. В нашей первой версии все агенты были равны. Это приводило к бесконечным спорам по procedural вопросам. Решение: ввести иерархию и правила процедуры.
Ошибка 3: Игнорирование эмоционального компонента. Юридические споры - не только логика. Есть риторика, убедительность, эмоциональное воздействие. Чисто логическая система проигрывала в убедительности. Решение: добавить модуль оценки persuasive power аргументов.
Интеграция с существующими системами: не революция, а эволюция
Мы не строили систему с нуля. Интегрировали с:
- Amazon Bedrock для базовой инфраструктуры LLM (похоже на подход в LinqAlpha)
- Claude Opus 4.6 для общего юридического анализа (бенчмарки показывают его эффективность, как в статье про Claude 4.6)
- Специализированные юридические базы типа CaseText и FastCase для проверки прецедентов
Ключевой момент: Ken1.0 выступает не как замена, а как оркестратор. Он координирует работу других моделей, выбирает лучшие аргументы, следит за согласованностью. Это похоже на то, как Amazon Quick Suite управляет контрактами, но для судебных споров.
Что будет дальше? Прогнозы на 2027 год
Мультиагентные системы для юридических задач перестанут быть экзотикой. Вот что произойдет:
- Стандартизация протоколов: сейчас каждый строит свою архитектуру. Появятся стандарты типа Legal Agent Protocol
- Специализация моделей: вместо универсальных LLM появятся узкоспециализированные агенты для конкретных отраслей права
- Интеграция с blockchain: для верификации юридических фактов и создания неизменяемых цепочек аргументации
- Реальное использование в судах: сначала как вспомогательный инструмент, потом как полноценный участник процесса (с оговорками)
Но главный тренд - переход от имитации к реальной полезности. Системы типа SimCourt имитируют юридические дебаты. Наша система на Ken1.0 реально помогает находить слабые места в аргументации. Разница как между симулятором полета и реальным самолетом.
FAQ: вопросы, которые нам задают чаще всего
Ken1.0 лучше, чем GPT-5.2 для юридических задач?
Не лучше и не хуже. По-другому. GPT-5.2 - универсальная модель с широкими возможностями. Ken1.0 - специализированная под юридический контекст. Для общих рассуждений лучше GPT. Для глубокого анализа конкретных правовых норм - Ken1.0. Идеально использовать их вместе, как в нашей системе.
Можно ли использовать эту архитектуру с другими LLM?
Да, архитектура независима от конкретной модели. Мы тестировали с Claude 4.6, Gemini 3.1, даже с российскими моделями. Ken1.0 дает лучшие результаты из-за юридической специализации, но принципы работы системы применимы к любой LLM.
Насколько система устойчива к adversarial attacks?
Лучше, чем одиночные LLM, но не идеально. Если злоумышленник знает архитектуру, он может пытаться манипулировать агентами. Мы добавили детектор манипулятивных паттернов, но это arms race. Как и в Pact для арбитража, безопасность требует постоянного внимания.
Стоит ли изучать SimCourt в 2026 году?
Да, но как пример того, как не надо делать. SimCourt важен как академический эксперимент, как proof of concept. Но для production-систем нужна более сложная архитектура. Изучите SimCourt, поймите его ограничения, и стройте что-то лучшее.
Последний совет: не пытайтесь сразу построить идеальную систему. Начните с простого: два агента, базовые правила дебатов, минимальная проверка фактов. Добавляйте сложность постепенно. И всегда тестируйте на реальных кейсах - лучше на тех, где исход уже известен. Так вы поймете, где система ошибается, и что нужно улучшить.
Юридический ИИ - это не про замену юристов. Это про усиление их возможностей. И мультиагентные системы - самый мощный инструмент для этого усиления. Если, конечно, построить их правильно.
