四个层级
从条款到可执行的决策。
1️⃣
法律文本
相关条款逐字引用，并以欧洲立法标识符（ELI）锚定。
2️⃣
本体
所有法律术语、主体和参数的形式化语义模型（OWL），人机均可查询。
3️⃣
配置
具体税率、阈值和日期以数据形式存在，每项都注明法源——改法律就是改数据，而不是改代码。
4️⃣
逻辑
带测试的可执行判定代码，实时从配置读取每个参数，并写出带引证的推导日志。
为什么是「孪生」而不是「聊天机器人」？
单纯的语言模型在猜测，孪生在计算：逻辑是确定性的，参数有出处，每个输出都说明产生它的条款。这就是「貌似合理的回答」与「公共机构敢于负责的决定」之间的区别。
- 确定性结果——同一案件始终得到相同决定
- 完全可追溯——推导日志引用 ELI 锚定的条款
- 版本化——每个已发布的孪生都固定在不可变的法律快照上
- 可更新——法源变化时，孪生自动检测并标记受影响的层级
底层皆为标准
DTL 建立在开放标准之上：ELI 用于法律标识，LegalDocML 分类，OWL/Turtle 表达语义，REST 与模型上下文协议（MCP）用于集成。没有锁定——孪生是属于您的资产。
目的
确定性孪生——为智能体框架而生。
确定性 DTL 的目的在于被集成：智能体 AI 框架——Anthropic Claude、OpenAI ChatGPT、Google Gemini 或 Microsoft Copilot——通过模型上下文协议（MCP）接入孪生。助手接收人类关于法律的提问；孪生计算答案——算法化、确定性，并经法律文本认证。
- 任何支持 MCP 的助手一行即可接入已发布的孪生
- 公民与办案人员用自然语言提问——答案由认证的法律逻辑计算得出，绝非猜测
- 每个答案都附带含 ELI 引证和锁定法律版本的推导日志
- getSemantic 与 explainDecision 让智能体查询法律本体并论证任何历史决定
