软件化的法律援助系统长期依赖专家系统、规则库以及其他符号化的知识表示与推理方式。本文梳理了这类基于符号逻辑的文档自动化服务如何与当下的生成式大模型形成互补。首先，传统系统提供结构化的法律模板、可追溯的推理路径以及严格的合规检查，这些特性在生成式 AI 的自由文本生成中往往缺失。其次，生成式模型能够快速理解自然语言需求、补全缺失信息并提供多样化的草稿，从而提升用户体验。我们进一步讨论了两者结合的潜在收益——如在保持可解释性的前提下加速文档起草、降低人工审校成本——以及面临的挑战，包括模型输出的法律准确性、数据隐私以及符号与统计方法的接口设计。为验证可行性，本文开展了初步实验：使用大型语言模型（LLM）对非专业人士撰写的法律文本进行问题检测与自动修正。实验结果显示，模型能够捕捉约 78% 的语义错误并提供合理的改写建议，但在细节合规性上仍需人工复核。整体来看，符号化的专家系统与生成式 AI 的协同为法律文档自动化提供了新的发展路径。
点评：本文在理论与实验层面均展示了传统符号系统与生成式 AI 的互补潜力，为后续构建可解释且高效的法律文档生成平台奠定了基础。