CaseCite：开源可自托管的法律 RAG 研究平台

CaseCite — 私有法律 RAG

CaseCite 是一个开源、自托管的法律研究平台。上传贵所的文件、提出问题，并研究案例与法官——一切都在您掌控的基础设施上进行。文件、搜索索引和聊天记录都存储在您自己的服务器上。AI 功能会将您的问题和相关文档文本发送到您配置的 AI 提供商，使用您自己的 API 密钥（BYOK）；不会向 CaseCite 维护者发送任何内容，也没有遥测。请参阅哪些内容会离开您的基础设施。

功能概览

一个登录入口背后有八种工具，全部读取同一文档语料库。


研究（`/research`）	基于贵所文档的聊天——语义检索，并对候选结果进行关键词（BM25）重打分，同时提供指向来源的内联引用。
文档（`/documents`）	上传、索引并组织您的语料库。可从 Google Drive、OneDrive、Box、Dropbox、Filevine 或 Clio 导入——支持 OAuth 同步，或在无需 OAuth 验证时使用文件选择器。iManage 和 NetDocuments 连接器已存在但处于实验阶段（未针对真实租户测试），除非 `EXPERIMENTAL_CONNECTORS=true`，否则默认关闭。
合同（`/contracts`）	完整的合同审查流程：分析已索引的合同或粘贴的文本，与单份合同对话，将 2–4 份合同与基准逐条款比较，并导出红线、草稿或分析本身。
起草（`/drafting`）	基于您从知识库中选取的最多四份文档起草文件，支持服务端文本提取和 PDF 转换。可为长文档（30 页的协议）设定目标长度：您先审阅章节计划，然后每个章节都在其独立的上下文窗口中对照完整参考资料起草，最后整体协调。对长草稿的修订仅限于其涉及的章节。
案例视图（`/case/:id`）	打开 CourtListener 的判决意见并直接与其对话。
权威图谱（`/case-citations`）	梳理您所选文档中引用的权威来源。
法官情报（`/judge-intel`）	来自 CourtListener 的法官分析。
法律工具（`/tools`）	案例查询、引证核查（扫描引用该案的判决意见中的负面处理措辞——不能替代 Shepard's/KeyCite）、先例、案卷、口头辩论和判例趋势。

截图

截取自真实 UI，针对模拟 API 和虚构的律所、事项及案件数据（frontend/e2e/screenshots.spec.ts）。不出现任何真实客户或案件。

基于律所文档的研究	知识库

合同分析	引证核查

执业画像。产品中没有内置任何关于执业领域的内容。您说明自己的执业范围，CaseCite 会起草一份关于该执业领域关键要素的画像，由您编辑并拥有（通过设置保存）。随后它会作为常驻上下文伴随每次审查、红线和起草。

每个 AI 生成的答案、分析和草稿都带有提示：在依赖之前，请对照源文档和现行法律进行核实。CaseCite 是研究辅助工具，不能替代律师的判断或引证工具。

哪些内容会离开您的基础设施

文档、向量索引、聊天记录和分析仅存储在您的部署中。使用 AI 功能会传输内容到您选择的第三方：

上传文档会将其文本发送到嵌入提供商（默认为 OpenAI；如已配置则为 Voyage 或 Cohere）。
提问、分析或起草会将问题和相关文档文本发送给 LLM 提供商（OpenAI、Anthropic 或 Gemini）。
判例法工具会将搜索查询和引文发送给 CourtListener。

要让文档文本完全保留在你的网络中，请自行运行两个模型：将 OPENAI_BASE_URL（聊天）和 EMBEDDING_BASE_URL（嵌入）都设置为你托管的 OpenAI 兼容服务器。只设置第一个仍会将文档文本发送给 OpenAI 进行嵌入。出站数据流的完整列表，以及如何限制它们，见 docs/subprocessors.md。

许可证与使用

✅ 可自由自托管，用于内部用途或供他人使用，无论是否修改。
✅ 可自由修改、分叉、再分发和销售，包括在专有产品中，只要你保留版权和许可证声明以及 NOTICE.md 中的署名，并说明你做了哪些更改。
✅ 贡献者为其贡献授予明确的专利许可，这是 MIT 许可证所没有的。
你的文档、提示词和输出都归你所有。许可证涵盖 CaseCite 代码，而非你通过它处理的内容。

维护者 @thomasunise 提供商业支持和私有部署。见 SUPPORT.md。 1.3.0 及更早版本曾以 Elastic License 2.0 发布；该许可证继续适用于那些版本。

快速开始

前提条件

Docker + Docker Compose
openssl（用于生成密钥）
AI 提供商 API 密钥（OpenAI 是最简单的起点：它同时涵盖聊天和嵌入）。在服务器层面是可选的——用户可以各自保存自己的密钥。

运行它（自包含：捆绑 Postgres、Redis 和 HTTPS 代理）

git clone https://github.com/thomasunise/casecite.git && cd casecite
cp .env.example .env

# 1. Generate the three REQUIRED secrets (the .env.example placeholders
#    intentionally refuse to boot). Copy each value into .env:
openssl rand -hex 32   # -> SECRET_KEY
openssl rand -hex 32   # -> AUDIT_HMAC_KEY
openssl rand -hex 16   # -> ENCRYPTION_SALT

# 2. In .env also set OPENAI_API_KEY (or leave it empty and save a key under
#    Settings after signing in), then uncomment and set DOMAIN,
#    POSTGRES_PASSWORD and REDIS_PASSWORD in the "Bundled production stack"
#    section (generation hints are in the file; use DOMAIN=localhost to try it
#    on your machine). CORS_ORIGINS and ALLOWED_HOSTS default from DOMAIN.
#    Set REGISTRATION_BOOTSTRAP_TOKEN too (openssl rand -hex 16) — you need it
#    to create the first account.

# 3. Set DISK_ENCRYPTION_ACKNOWLEDGED=true in .env (required to boot).
#    What this acknowledges: the app encrypts BYOK keys and uploaded documents
#    at the application layer (AES-256-GCM), but derived text (vector chunks,
#    chat history, analyses) is stored in cleartext in the app, Postgres and
#    Redis volumes — full-disk encryption of the host is YOUR responsibility.

# 4. Start the full stack (bundled Postgres + Redis + Caddy):
docker compose -f docker-compose.prod.yml up -d

python3 scripts/setup_production.py --create-env --domain <host> 为你完成步骤 1–2（它会生成所有密钥并以 0600 权限写入 .env）。

然后打开 https://$DOMAIN（使用 DOMAIN=localhost 时：https://localhost）。在 localhost 试用时，Caddy 会将 HTTP 重定向到 HTTPS，并提供来自其自有自签名本地 CA 的证书 ——首次访问时的浏览器警告是预期内的。请参阅 docs/deployment.md 中的“内部网络上的 TLS” 以信任该 CA 或使用你自己的证书。

你注册的第一个账户将成为管理员，注册它需要 .env 中的 REGISTRATION_BOOTSTRAP_TOKEN——因此其他任何访问全新实例的人都无法认领它。确切命令见 docs/deployment.md 中的“创建管理员账户”。之后，从设置 → 用户邀请同事；自助注册默认关闭。

要部署在现有反向代理（Coolify/Traefik）之后？请改用根目录下的 docker-compose.yml（它需要外部 Postgres 和 Redis，并声明持久数据卷），并阅读 deploy/COOLIFY-SETUP.md—— 你还必须将 TRUSTED_PROXIES 设置为代理的子网，否则客户端 IP 会合并为一个。

密钥保管（BYOK）

用户通过设置模态框提供 AI 提供商密钥。律所评估人员应了解的保管要点：

每用户密钥存储在服务器端，采用 AES-256-GCM 加密（PBKDF2 密钥派生，HKDF 按记录分离），位于数据卷上的文件存储中。
密钥仅以掩码形式显示，绝不会发送到浏览器；后端会在每次请求时按需解密它们。
通过环境变量配置的兜底密钥（例如 .env 中的 OPENAI_API_KEY）由该安装的 所有用户共享——按用户分摊成本需要使用按用户的 BYOK 密钥。
ENCRYPTION_SALT 可以在不丢失已存储密钥的情况下轮换：将旧值保留在 ENCRYPTION_SALT_PREVIOUS 中，并在后端容器内运行 python -m app.utils.reencrypt ——参见 docs/secret-rotation.md。SECRET_KEY 无法在不使已存储文档变得不可读的情况下轮换；请妥善保管并在服务器之外做好备份。

配置

必需的环境变量

如果其中任何一项缺失或仍为占位符，整个技术栈会在启动时失败关闭。

变量	说明
`SECRET_KEY`	JWT/CSRF 签名密钥以及静态加密的根密钥——`openssl rand -hex 32`（首次运行后切勿更改）
`ENCRYPTION_SALT`	静态加密盐值——`openssl rand -hex 16`（首次运行后切勿更改，除非通过轮换流程）
`AUDIT_HMAC_KEY`	审计日志链密钥，至少 32 个字符——`openssl rand -hex 32`
`POSTGRES_PASSWORD`	内置 Postgres 的密码
`REDIS_PASSWORD`	内置 Redis 的密码
`DOMAIN`	公共主机名（或 `localhost`）；`CORS_ORIGINS` + `ALLOWED_HOSTS` 默认由它派生
`DISK_ENCRYPTION_ACKNOWLEDGED`	设置 `true` 以确认主机卷的全盘加密由你负责（应用层 AES-256-GCM 覆盖 BYOK 密钥 + 文档原件；派生文本为明文）
`REGISTRATION_BOOTSTRAP_TOKEN`	注册第一个（管理员）账户所需——`openssl rand -hex 16`

启动时并非必需，但没有它们产品几乎无法使用：

变量	说明
`OPENAI_API_KEY` （或其他提供商）	由所有用户共享的服务器级提供商密钥。没有它，每个用户必须在设置中保存自己的密钥，聊天、分析或索引才能工作。
`COURTLISTENER_API_TOKEN`	CourtListener 是应用中唯一的判例法来源。引证检查需要令牌；其他判例法工具无需令牌即可使用，但会受到严格的速率限制。令牌免费；参见 CourtListener API token。

使用根 docker-compose.yml（外部数据库/Redis）而不是内置技术栈？那么需要直接提供 DATABASE_URL、REDIS_URL、CORS_ORIGINS 和 ALLOWED_HOSTS，并为托管数据库设置 DB_SSL=require。

可选的环境变量

变量	默认值	说明
`ANTHROPIC_API_KEY`	—	Claude 访问
`VOYAGE_API_KEY`	—	Voyage AI 法律嵌入
`OPENAI_BASE_URL`	—	用于聊天的 OpenAI 兼容端点（自托管模型或网关）
`EMBEDDING_BASE_URL`	—	用于嵌入的 OpenAI 兼容端点；与 `OPENAI_BASE_URL` 一起设置可将文档文本保留在你的网络中
`VECTOR_DB`	`chroma`	`chroma`（本地）或 `pinecone`（将文档文本存储到 Pinecone）
`TRUSTED_PROXIES`	`127.0.0.1`	反向代理 IP/CIDR——在代理后面时必需
`REQUIRE_MFA`	`false`	要求每个密码账户注册 TOTP MFA
`SESSION_ABSOLUTE_TIMEOUT_HOURS` / `SESSION_IDLE_TIMEOUT_MINUTES`	`8` / `120`	会话生命周期和空闲超时
`ALLOW_REGISTRATION`	`false`	允许在第一个账户之后自助注册
`SENDGRID_API_KEY`	—	启用密码重置邮件（修改密码无需它即可工作）

.env.example 记录了每一项设置。

连接器说明

同步 API 导入一个文件夹（folder_id），或者在显式指定 sync_all 时导入整个账户。UI 目前没有文件夹选择器：“立即同步” 会在第二次确认（确认内容已说明这一点）后导入整个已连接账户。要导入选定的文件，请改用文件选择器。Clio 的列表是账户范围的，因此 Clio 无法同步单个文件夹。
Filevine 使用一个全公司范围的 API 密钥，因此在设置 FILEVINE_ENABLED=true 之前处于关闭状态，之后仅对管理员可用。
iManage 和 NetDocuments 连接器是实验性的。它们是针对供应商公开的 API 实现的，但尚未针对实际租户进行测试，因此默认不注册：它们不会出现在连接器列表中，并且它们的每条路由都会被拒绝。设置 EXPERIMENTAL_CONNECTORS=true 以启用它们（启用后它们会以 "experimental": true 列出）。如果你针对真实租户测试了它们，维护者欢迎你报告哪些有效、哪些无效。
Microsoft 和 Google 连接请求只读范围。在此版本之前建立的连接会保留其更广泛的授权，直到重新连接。

CourtListener API 令牌

法律工具、法官情报、案件视图以及策略引擎中判例法相关部分都从 CourtListener 读取。CourtListener 是应用中唯一的判例法来源。应用在没有令牌的情况下也能启动，但产品的判例法部分没有令牌就无法使用：

没有它，引证检查会直接失败 — validate_citation 拒绝运行并返回“需要令牌”错误，该错误会指明在哪里设置令牌（_check_token 中的 backend/app/services/courtlistener_client.py）。
其他所有 CourtListener 调用都会回退到匿名访问，而匿名访问的速率限制非常严格，在任何实际负载下研究功能都会变得不可用。

在 https://www.courtlistener.com/help/api/rest/#permissions 获取免费令牌，然后在 .env 中设置 COURTLISTENER_API_TOKEN，或由管理员将其保存为实例级配置（设置 → API 密钥，或 POST /api/v1/admin/integrations/courtlistener）——存储的令牌会在运行时覆盖 .env 的值，无需重启。

项目结构

backend/
  app/
    main.py              FastAPI app, middleware, health
    config.py            Pydantic settings
    routers/             API routers
    services/
      rag/               RAG pipeline (search, generation, citations, intent)
      vectordb.py        ChromaDB/Pinecone abstraction
      embeddings.py      Multi-provider embeddings
      auth.py            JWT auth
      strategy.py        Matter strategy briefs
      courtlistener.py   CourtListener API
      ...
    middleware/          Security, CSRF
  migrations/            Alembic migrations
frontend/
  src/
    App.tsx
    api/                 Per-domain API clients
    views/               Page views
    stores/              Zustand stores
    components/          Shared components + modals
    layout/              App shell
scripts/                 Backup/restore, production setup, key rotation, NOTICE generator
docs/                    Deployment, data flows, secret rotation, incident response, ADRs
Dockerfile               Unified image (frontend + backend)
docker-compose.prod.yml  Bundled stack: Caddy + Postgres + Redis + backend
docker-compose.yml       Behind an existing proxy (Coolify/Traefik); external Postgres + Redis
docker-compose.dev.yml   Local development

仅 API（尚无 UI）

这些功能已实现并可通过 API 访问，但前端尚未暴露它们。请将它们视为预览：

事项（/api/v1/matters）——事项记录、成员资格，以及成员之间共享文档和聊天。创建事项和更改成员资格需要 matters.manage 权限。
策略简报（/api/v1/strategy）——每个命题都会在 CourtListener 上搜索，读取候选判决意见，只有当能在真实判决意见文本中找到逐字引用时才会保留引证。不支持的引证会被丢弃，而不是显示出来。
Azure AD SSO——仅后端令牌交换；没有登录按钮。不支持 SAML、通用 OIDC 和 SCIM。

上表功能中的其他所有内容，以及用户管理和审计日志（设置，仅管理员），都有 UI。

安全

密码登录（PBKDF2-SHA256），可选或强制 TOTP MFA 和恢复代码；通过电子邮件重置密码，以及在应用中更改密码
JWT 访问令牌，配合 httpOnly cookie 中的轮换刷新令牌，Redis 中的 JTI 撤销（生产环境必需），“在所有位置退出登录”
每个用户最多 5 个会话，绝对生命周期为 8 小时，并有空闲超时
基于角色的权限（require_permission），管理员可按角色调整
对每个文档、聊天和分析进行按用户（和按事项）的范围限定
CSRF 双重提交 cookie，使用 HMAC 签名；按 IP 限流；账户锁定
对上传的原始文件、API 密钥、连接器令牌和 MFA 密钥使用 AES-256-GCM 静态加密。向量索引和数据库依赖您提供的磁盘加密
CSP、HSTS、X-Frame-Options、Permissions-Policy 标头
审计日志使用 HMAC-SHA256 链式哈希，在启动时和按需验证

CaseCite 不持有任何安全认证（SOC 2、ISO 27001、HIPAA）。它做什么和不做什么在 SECURITY.md 中描述，该文件还说明了如何报告漏洞；已知缺口列在 ROADMAP.md 中。

贡献

参见 CONTRIBUTING.md。欢迎 PR。贡献在 Apache License 2.0 下接受，并需签署 Developer Certificate of Origin（git commit -s）。