人工智能技术下的刑事诉讼制度改革——以上海“206”刑事案件智能辅助办案系统为分析样本

陈 曦

（华东政法大学 法律学院，上海 200050）

一、问题的提出

人工智能并非一个崭新的概念，早在上个世纪50年代美国计算机界就已提出这一设想。作为计算机领域的专有名词，人工智能却是在近几年的时间才进入普罗大众的视野，却以迅雷不及掩耳之势席卷了各个学科，不同领域开始积极探索与人工智能的结合发展。党的十八大以来，我国的人工智能产业发展得到党和国家的极大重视，一系列有关人工智能的国家级文件纷纷出台，进一步为人工智能技术在司法领域的应用作出了顶层设计①。针对这一技术行进方向，在审判为中心的刑事诉讼改革的潮流中，如何利用好人工智能这一技术红利，加快推进在证据裁判、防范冤假错案、提高诉讼效率等方面的技术优势，成为细化这些国家政策工作中的重中之重。就此，2017年中央政法委作出研发“推进审判为中心的诉讼制度改革软件”的战略部署，并强调将统一的证据标准镶嵌到数据化的程序中。2018年7月25日，最高院在其召开的贯彻落实全面深化司法体制改革推进会上也明确指出，法院应“不断完善常见刑事案件基本证据标准指引”，“积极运用大数据对量大面广的刑事案件证明标准进行集中攻关”，从而将科技转化为司法进步的“核心竞争力”。

毋庸置疑，未来若干年内人工智能驱动的“智慧司法”建设将成为全面深化以审判为中心的刑事诉讼改革的重要推手，而同时全国各地就司法裁判结合人工智能的探索正在如火如荼地进行。例如，贵州省高院将大数据技术融入办案系统，针对故意伤害、抢劫、盗窃等常见刑事案件进行试点化数据建模，并尝试将刑事案件基本证据要求融合审判实践经验总结，将其数据化、模块化，嵌入贵州法院案件管理信息系统中，为侦查、审查起诉、审判等各阶段提供证据指引，从证据裁判的角度规范刑事诉讼运行。无独有偶，2017年挂牌成立的杭州互联网法院也充分利用人工智能，积极推广网上立案、电子送达、远程庭审、语音识别、案件卷宗电子化等新技术的应用，在技术创新与司法体制改革融合的道路上走在前列，而北京市也投入运行了的“睿法官”系统［1］。于2016年启动的上海“206”刑事案件智能辅助系统（下简称“206”系统）则率先完成了公检法司四机关统一办案平台，借助于人工智能技术在证据裁判方面实现了刑事司法全过程的有效辅助，极大地提高了司法效率。同样，域外利用人工智能技术协助司法也在不断地探索之中。例如，在刑事司法方面美国主要利用人工智能技术进行辅助性初查、社会危险性评估以及预测案件审理结果。在对科学证据的可采性方面人工智能技术也有所建树［2］。

总之，就上述各地试点而言，人工智能在我国司法实践中还处于一种试探性的阶段，并未形成完整的功能体系，目前只是为司法工作者和部分律师提供数据检索、材料审核、文字模板的技术支撑，并不能独立于“人”之外，它所得出的结果也需要经过办案人员的确认才能获得效力。人工智能在司法裁判领域的应用毕竟才方兴未艾，随着人工智能技术的不断完善，可以预见的是这两者的融合将逐渐迈入纵深化、一体化。因此，在享受人工智能发展带来的技术红利的同时，如何防范法律机械适用的风险、破除技术绝对主义以及怎样审视技术对司法权的渗透就成为现在面临的一个重大研究课题。

二、人工智能对刑事诉讼制度改革的推进

正因为人工智能企图最大程度的接近人脑，人工智能与刑事司法裁判的结合发展显得异常迅猛。以“206”系统为例，自2017年5月3日上线试运行开始至2019年年初，短短一年半的时间其已汇集2800万条司法数据，具备26项办案辅助功能，71个罪名的证据标准指引，实现了上海常涉案件罪名全覆盖，试点范围也从上海市拓展到七省八市［3］。作为人工智能与司法裁判融合的初步探索，“206”系统是由司法业务专家、核心技术、司法大数据三要素组成，其运作方式以9个大数据资源库为基础②，借助于光学字符识别、自然语言理解、智能语音识别、要素提取以及机器学习等核心技术，建立连通公检法司各机关的办案统一网络，并开发了镶嵌26项功能的办案应用软件③。在如此短的时间内，人工智能与刑事司法裁判已经完成了初步的融合，并在侦查、审查起诉、审判等阶段均投入使用，辅助司法人员处理案件，取得了一定的成效，其背后的合理性与运行肌理值得思考。

（一）人工智能与司法裁判融合的合理性

由上述可见，人工智能适用于司法裁判领域还是比较顺利的，这在于两者之间存在很多相同之处，支撑两者进行跨学科合作。首先，从司法的基本范式来看，常规模式就是以法律规范为大前提、以案件事实为小前提，在此基础上得出判断的演绎推理模式，其本身就蕴含着强逻辑性，这与人工智能的逻辑运算不谋而合。例如，在“206”系统智能量刑模型中对输入的案件数据先进行分解，提取决策信息，运用由量刑情节的专业知识和经验归纳出的计算机规则，进行决策运算，全面分体案件事实中有关量刑的因素，进而提出量刑建议。实质上，这也是典型的演绎推理模式。其次，司法裁判对事实的认定是一个规范的推理判断过程，通过证据裁判、证明责任承担等手段确定某项事实存在或不存在，不允许模棱两可的案件状态。而人工智能是以二进制的计算机技术为支撑的，仅存在“0”和“1”，换言之在人工智能的运算中也仅存在是或否的判断，不存在第三种可能，但它可以通过大规模运算，无穷列举进行比较，最后得出最优解。因此，在司法实践中适用人工智能在结果上存在一致性。最后，而人工智能的适用必须经由大量数据的收集后进行深度学习，因此需要一个极大且相对稳定的数据库。而无论是已相对成系统的规范，还是司法实践中积累的大量案例，均为人工智能的机器学习提供了大量的素材源。因此，从人工智能的本身学习起点来说，它在司法领域就拥有了在其他学科很难企及的数据库。人工智能在前期的深度学习中将拥有大批量的材料进行积累，从而加速人工智能与司法的耦合。

（二）人工智能下的证据裁判优势

我国在2012年修改后的刑诉法中引入了“排除合理怀疑”的主观化证明标准，这在一定程度上与“证据确实、充分”的客观化评价标准形成了互补，运用裁判者自由心证，调整以往过于僵化的证明标准，以保障事实认定的准确性。鉴于我国地区经济发展水平不平衡、司法人员素质参差不齐、案件数量庞大、各地实务操作不一等司法大环境，司法裁判结果要求对外能经得起人民群众的评价与审问，对内能耐得住形式与实质上的检视与怀疑。在这一逻辑下，为与法官所具有的内心确信相协调，基于心证客观化的需要，仍应当从某些方面对裁判者的自由评价权进行限制，实现程序上的完善［4］。而司法裁判依赖证据，对证据的收集、审查认定的水平决定了司法裁判的质量。在最高人民法院等五院部联合发布的《关于推进以审判为中心的刑事诉讼制度改革的意见》中，进一步明确了证据裁判的原则，特别要求“建立健全符合裁判要求、适应各类案件特点的证据收集指引”。人工智能除去电子卷宗、文书自动生成、类案推送以及知识索引等数据化办公的辅助功能，还对证据的审查判断方面具有创造性的突破潜质。

基于此类背景，各地开始探索运用人工智能等最新技术，实现机器辅助下对证据进行审查判断的功能。以“206”系统为例，其完成了以证据标准指引、证据规则指引、证据模型等软件功能的开发，极大地推动了人工智能在辅助证据裁判方面的创新。首先，这种探索有助于统一裁判尺度，树立司法权威。“同案同判”作为司法裁判中的黄金准则，在我国司法实践中常常被忽视，严重影响了司法公信力。在“206”系统的证据标准指引中，采用“分层”“分类”“分段”指引的方法④，提示必须要查证的事实、需要收集证据，构建不同案件类型的证据链条，并对相关证据的印证性、逻辑性、矛盾性进行综合分析。在这一功能的指引下，相同类型的案件从证据的收集、审查、判断都实现了规范化、统一化。就故意杀人这一类案而言，分成了现场目击型、现场留痕型、口供印证型和拒不认罪型四种形态，根据不同的形态案件的证据特点设计模型框架，提示基本的案件架构，设定必要的基本证据库，极大地提高了类案化水平。此外，“206”系统通过机器学习的方法根据案由、证据组成情况进行类案推送，以供办案人员参考。

其次，人工智能在证据裁判领域的探索可以有利于进行程序规制，规范办案过程。“程序规制”是一直是司法审判中不可忽略的圭臬，程序对于司法之重要不必赘言，通过程序一方面规避了司法裁判中可能发生的错误，另一方面也为司法裁判的成果提供了公信力的基础。以“206”系统的证据规则指引为例，其将《上海刑事证据规则》的内容转译成“校验规则”，对进入系统的证据进行形式要件与程序要件的审查。具体而言，当一份现场勘验笔录被传送入系统，系统对此自动进行分类识别，自动适用相应规则，检验笔录是否完整，如是否有签名、现场图、见证人等以及与《物证登记表》进行比对，是否有入出。这迫使办案人员在具体的办案环节中严格遵守法律规则和程序，确保证据资格与证明力。

最后，这种探索极大提高了司法效率。在目前司法员额制改革下，一方面法官编制被严格限制，另一方面“以审判为中心”的理念要求案件庭审实质化，这就意味着有限的办案人员与日益增长的案件数量之间存在严重的供需矛盾。以“206”系统为例，据统计，截止到2018年10月底，累计录入证据材料969924页，提供证据指引282362次，发现证据瑕疵点6179个，提供知识索引查询5737次［3］181。这极大地为司法办案人员节约了在案件检索与证据梳理方面的时间与精力。

三、人工智能参与下司法裁判的可能风险与局限

人工智能技术并非万能钥匙，由于技术的局限性在司法裁判方面目前并不能达到人类思维的水平，它更多的是一种机械地学习与运用。同时，刑事诉讼的过程并非一种流水线式的作业，其越来越呈现出一种对抗性的姿态。在此过程中是控辩双方的动态博弈，存在众多不可估计的变量，以及案件本身的复杂性，智能算法模型可能无法细致地被设计出。因此，人工智能技术下的刑事司法裁判仍然存在一定的风险和局限。

（一）“黑箱”效应下的证据标准、证据规则指引的生成风险

与人类学习一样，人工智能也需要从“大数据”中汲取养分，通过分析海量数据，利用深度学习算法，达到自主判断运行的水平。正如上述所言，“206”系统也建立包含2800万条数据的九大数据库，然而据现有调研显示，在当前中国推进的法律人工智能项目，主要是以“中国裁判文书网”的数据库及各地方的内部裁判文书库进行深度学习［5］。这就是意味着人工智能学习的样本存在巨大的差异性，毕竟在现实中案件看似相近实则大相径庭的情况十分常见，自由裁量权的尺度因不同的裁判者上下浮动以及由于现实的复杂多变，法律规范虽有一定的稳定性也是处于不断调整之中的，甚至不同地区的法律文书内在格式都不相一致，因此如何对样本进行筛选、把控，以保持其内在统一性便值得深究。其次，由于裁判文书只是法官自由心证的外部表征化，人工智能对证据的正确指引还需要司法过程中的各项初始信息，如讯问或询问笔录、勘验报告、庭审笔录等等。这些正如左卫民教授指出的那样，“当前司法大数据‘匮乏且低质’，在法律决策中扮演关键角色的如庭审笔录、内部讨论记录、程序过程等没有‘公开的、正式或非正式’的文字记录，影响了数据来源的质量［6］”。最后，人工智能的学习对象只能是现有的知识模板，而现代社会日新月异，司法裁判需要结合规则目的或者利益衡量等解释工具对于先前无法遇见的诸多问题进行处理。基于固有模板的证据指引无法妥善应对错综复杂又不断翻新的现实案件，难以产生有效的辅助性说明，甚至还有可能混淆了案件的本质信息。

此外，参差不齐的“样本”亦需要预处理，即对原始的案件数据进行人工“标注”，需要从自然语境下的“陈述事实”剥离出来计算机语境下的“法律事实”。在“206”系统的推进中，“基于中文语义的模糊性以及语言的多义性，司法知识专家与数据标注人员在做文书标注时，根据业务人员不同对文本知识理解有所不同，数据标注结果个体差异较大” ，而在机器学习的初始阶段完全依赖于这些人工标注，在此过程中，自然语言到计算机语言的转化是否等价，法律规则到计算机算法的跳跃能否成功，这些都依赖于技术人员的法律素养。大多数裁判者对机器算法是一无所知的，机器算法对各类因素权重框架也是普通人难以涉及的领域，因此人工智能下的结果可能只具有统计学上的“相关性”，而非法律上的“因果关系”。

高质量、大数量的优质样本及其精准标识是人工智能深度学习的保证，然而就现有的情况很难对大规模样本进行有效的“控制”，标识的精准与统一程度又因人而异，而自然语言到法律语言再到计算机语言的跨越显得岌岌可危。在这样的状况下，人工智能与司法裁判的结合如同处于一个无法洞悉和还原内部肌理的“黑箱子”之中，它的证据指引功能存在着内源性缺陷，离真正意义上从原始材料中自然捡取证据逻辑还有很大的发展空间。

（二）技术桎梏下的证据模型与“确信”“说服”之矛盾

如果说证据标准或证据规则指引就证据采纳在某种程度上完成了司法与人工智能的融合，那么一旦涉及司法裁判中最核心的问题——证据采信以及证明，人工智能往往显现出束手无策的态势。

一方面，“司法自身的规律性即亲历性、经验性、判断性、程序性等使人工智能根本不可能取代法官”［7］，直接言辞原则决定了法官无法仅凭材料式的证据获得支撑，脱离真实法庭来对案件事实进行分析判断往往如空中楼阁，摇摇欲坠。而对于证据背后所投射出的种种可能，也是一层层如抽丝剥茧般慢慢清晰于众人眼中。“由原初事实到裁判事实，从量上考察是逐一缩小的过程，从认知深度考量是逐步深入的过程［8］”。因此，证据指引从某种意义上来说，只能是形式上的指引，并非能达到揭开案件事实真相的程度。现实社会纷繁复杂，证据模型则是类型化的产物，是从具体提纯到抽象的过程，在形成过程中必然省却了某些细节和特殊要点，从而才能产生框架式的输出。标准化模式的证据模型其运作必然是层层套嵌，将案件分割成块，各个部分如何建立“内心”联系则成为条块化结构不能回答的问题。同时，被省却的细节，被忽略的要点，往往在一些特殊案件发挥着独特的作用。证据模型如“菜谱”一样，指引着事实前进的主要路径，但是案件证据本身是种可期而不可求的事物，强行要求每个案件达到相似的证据水平，往往适得其反，在长期的模型桎梏下忽视了重要细节，产生“制造”证据之法律风险。换个角度，社会公众在法庭之上看到控辩双方的激烈对抗实质上是将案件事实的显露过程剖析于大众之下，相比于裁判者搜寻证据以及直接基于此项证据作出的事实判断更令大众具有“信赖感”。而相较于司法运行中对叙事及亲历性的要求，人工智能完成了证据裁判在技术层面上依靠对于文本学习进行“相关性”分析，这种分析正如上文所言是一种“黑箱”下的运算，无法获得证据与证据、证据与事实、事实与确信之间的可视性，从而使案件处理结果缺乏广泛认同感。这也意味着就当前情况下，人工智能将裁判者在对证明力问题中良心与理性的碰撞被转移到法庭之外，以一种极度客观的量化标准呈现出来，不可否认这会给大众带来极其深刻的“陌生感”。以“206”系统为例，从侦查阶段起即对证据录入进行规制，提示程序性瑕疵；甚至在审查起诉阶段系统可以生成案件证据链条，并移送法院参考，这显现出公检法流程式作业的倾向。而作为两造诉讼结构的辩方则难以加入人工智能系统的运作之中，控辩双方之间的不平等对抗将进一步加深。这均与“以审判为中心”的刑事诉讼改革有所出入。

另一方面，在自由心证的证据制度下，“对于证据的证明力或证据价值问题，法律不做任何限制性的规定，而由法官、陪审员根据经验、理性和良心，进行自由评价和判断［9］”。而不可否认的是“法官在案件事实的认定及进行法律适用时，不可避免地受到直觉、权威、默悟等推理方法的影响［10］”。然而，在理论中完美地阐述这些标准几乎是难以企及的目标。针对英美法系的“排除合理怀疑”的标准，自诞生以来就有纷繁多样的解释不绝于耳，从一开始的“道德确信”到之后的“确保个人生活中作出重要决定时的信念”，“合理怀疑是指那种会使一个谨慎细心的人在行动时产生犹豫的怀疑”，“对罪行的坚定信念”等等，众说纷纭，以至于在实践中产生了“必须告知陪审员，认定犯罪必须要达到排除合理怀疑的确信，却不必告知排除合理怀疑是什么，甚至在陪审员请求解释时，也不必告知排除合理怀疑的含义”释而不明这样的困局［11］。如果把这种困境归结于主观化因素较多，难以寻求到切合的诠释，那么同样在人工智能的学习中也将遇到“无法言说”的共识怎样转化成计算机运算规则的难题。

因此，有些学者提出在目前的我国司法大环境下，盲目套用西方自由心证的证据制度并不合适［12］。因此有学者提出就我国的司法实践现实在刑事诉讼证明模式方面形成了“印证证明模式”，认为这一证明模式仍然属于自由心证体系，属于自由心证的一种亚类型。但与自由心证不同的是，这一模式注重证据之间的相互印证，强调对犯罪事实的证明需要达到最高的证明标准［13］。落实整个案件上，就要求综合全案能形成能相互印证的证据且能证明案件事实的证据链。对此，“206”系统设计出了证据模型这一功能，旨在针对证据链条进行数据化分析，梳理每个查证事项下的证据，确保环节内部也能形成相互印证的关系，特别强调关联证据之间的印证性分析。然而过度客观化的证明标准亦存在不可避免的缺陷。无论是要求“唯一结论”、“相互印证”或者“要求证据的全面化、充分化”，不仅超越了当前审判实践中证据往往不充分的现实状况，亦存在“过往矫正”之嫌疑［14］。而将这种苛刻的关于证明力的经验法则强行镶嵌进系统中所有案件并转化为普遍的规范固然有一定合理性，但是其缺陷也是不可低估的。正如陈瑞华教授指出的那样，“针对言词证据的证明力所确立的印证规则……，但在确认某一言词证据的证明力方面，却带有明显的局限性［15］”。

总而言之，从证据裁判的视角下，案件事实的认定在证据能力之外更多的是需要作为裁判者认知的不断流通，目光逡巡于平等的控方与辩方之间，是信息不断流动与反馈的交互过程。而证据的审查判断更是逐渐揭开面纱的过程，“案情和故事讲述是事实判定的中心问题。一个理由充分的案情，对于组织和提出一个有说服力的论证是至关重要的［16］”，是游离于法律、逻辑、常识、想象之间的一场混战，就此人工智能很难完成“最后一步”的跨越。

（三）“数据压制”与自由裁量、法官独立之间的冲突

正如前述，目前人工智能与司法的结合将证据裁判实践往越加客观的一端推进，这对案件事实的有效认定的确所有裨益，这也是在我国“新法定证据主义”背景下的一场跨学科探索。正如陈瑞华教授所言“这种建立在限制法官自由裁量权基础上的证据理念，在那种行政化的司法审批机制、书面化的法庭审理方式以及以口供为中心的事实认定模式下，确实有其存在的现实基础［14］”，然而人工智能作为人类科技发展的最前沿，似乎未能突破现有的窠臼，将目前的篱笆在无形中又加固了一层。在这种证据规则指引、证据标准指引、证据模型等功能的层层叠压下，证据裁判似乎在向单纯的数字运算上慢慢演进。当案件尚未被提交法庭，它指向犯罪嫌疑人有罪的证据链就被具体而客观呈现在办案系统之中，当每项证据的证明力在法庭之外都已经历了一番斟酌，“当力图运用诉讼大数据实现证明标准的可操作性时，其带来的必然结果是证明标准客观性的增强［17］”。这种带着精确指向的技术渗入了每个裁判者的先见之中，无论是针对案件事实的“抽丝剥茧”还是“高度确信”都带有着超脱以往的“客观性”。技术创新对原有证据裁判带来的碾压，往往带着“法定证据主义”的色彩，知识霸权被牢牢掌控在数据运算之下。那么人工智能与司法裁判的探索就会陷入一个进退两难的困境，一方面系统在尽可能将案件的处理过程进行数据量化、标准化；另一方面又不断强调自身辅助性的定位，要求系统使用者发挥着自身的能动性，对自由裁量的控制与宣扬使得人工智能的适用进退维谷。

然而，正如波斯纳指出的那样，“法官阅历越多，就越容易相信自己的直觉反应，并更少可能为某种系统决策方法所吸引”，不仅利用这些系统的存在严格适用条件，很难起到普遍适用的作用，学习这些系统化知识的难度也远超于直觉决策，而且司法决策很多时候是在不确定条件下作出，难以进行量化［18］。人工智能一方面似乎一定程度上规制了裁判的自由判断，另一方面目前却又难以企及到人类认知的高度。这种从过程到结果层面对于自由裁量的压抑被深深镶嵌在办案系统之中，那么以自由意志为前提的法官独立性此刻就显得十分尴尬，毕竟“有了所有看似客观的数据，对我们的决策过程去情绪化和去特殊化，以运算法则取代审判员和评价者的主观评价，不再以追究责任的形式表明我们的决策的严肃性［19］”。从这个角度出发，自由裁量背后意味着的“裁判者独立”面对的不再是行政化的司法痼疾，而是来自庞大数据构成的“技术权威”，可以想象随着科技权威化这种状态会一步步蚕食着裁判者作为“个体”的能动性，以制度的客观化来规避个人自由裁量所带来的风险，最后陷入技术主导行为的陷阱。

四、反思与展望——技术犹有边界

正如上述所言，人工智能在功能上追求无限接近于人类思维，但其始终基于数据分析与逻辑运算，难以真正摆脱自然科学技术的窠臼。法学作为一门社会科学，它绝不是通过各种因素叠加的计算公式可以简单诠释的。而西方启蒙运动以降，随着自然科学的崛起，自然法学也逐渐式微。然而，法学毕竟是探讨人与人之间的关系，司法终究也是在处理人与人之间的问题。自然法学关于公平正义存在于人的内心中，而非国家制定的各种规范之中的论述自希腊时代始便日久弥新，这种重视人的价值、探求人内心的精神也应当值得肯定。从这个意义上来说，公平正义不是虚妄的、依附于代码数字的，它应当存在于每个人的内心当中，这也是“让人民群众在每一个司法案件中感受到公平正义”的出发点。因此，人工智能技术或许能在形式上对证据裁判原则进行有效的构造，但是在更深层面上，由于司法裁判的复杂性，人工智能难以对其作出严格而精确的量化标准。在涉及证据证明力的方面，人工智能恐怕难以支撑整个审判结果，其也无需涉足。

从另一个意义上来说，技术层层套嵌在制度之中从而对司法行为的规制，又何尝不啻为一种技术对自主权的渗透？长远来看，当司法场域中法律语言被切换成一个个数字代码，我们司法所维系的法律规则被转译为运算法则，这种语境下司法者是否存在着被“技术”绑架的风险，换言之现实能够忍受何种程度上技术对于裁量权的僭越，而承载着期待的人工智能又是否能够更加贴近“公平正义”这一永恒追求。具体而言，司法人员如何应对陌生的数字代码，这些代码又是否与法律规则所等价，人工智能作出的运算结果如何去审查，怎样去解释。这些问题都会在人工智能在司法领域的深入过程中不断出现，也需要在不断的实践过程中完善它。

总之，正如康德所说：“人是生活在目的之王国中。人是自身目的，不是工具。人是自己立法自己遵守的自由人［20］”。就目前而言，人工智能本身在司法领域是无法从本质上模拟人的“想象”“认知”“逻辑”“态度”等要素，而长久来看也应当认识到“人”在司法中的地位永远是不可动摇的。

注释：

①2016年中共中央办公厅、国务院办公厅印发的《国家信息化发展战略纲要》和国务院印发的《“十三五”国家信息化规划》，明确将建设“智慧法院”“智慧检务”等列入国家信息化发展战略。2017年国务院在《新一代人工智能发展规划》中也将建设智慧法院列入推进社会治理智能化的重大任务，并具体指出“建设集审判、人员、数据应用、司法公开和动态监控于一体的智慧法庭数据平台，促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用。”

②大数据资源库包括：证据标准库、罪名要件库、案件信息库、案件特征库、电子卷宗库、裁判文书库、案例库、法律法规司法解释库、办案业务文件库。

③26项办案应用软件功能包括：证据标准规则指引、单一证据校验、逮捕条件审查、证据链和全案证据审查判断、社会危险性评估、电子卷宗移送、庭前会议、类案推送、量刑参考、知识索引、文书生成、办案程序监督、非法言词证据排除、庭审实质化、案件评议、减刑假释案件办理、批注共享、全程录音录像、要素式讯问、刑罚执行衔接、刑罚执行状况监督、简易速裁案件办理、赃款赃物管理、法律服务办案辅助、特殊人群衔接、嫌疑人前科劣迹查询。

④分层：如何构建完整闭合证据链条，需查证哪些事实，收集哪些证据；分类：根据具体案件证据结构特点及查证犯罪事实的繁简程度不同继续分类；分段：根据不同诉讼阶段进行指引。