La predicción de juicios legales (LJP) es una parte crucial de la IA legal, y su objetivo es predecir el resultado de un caso basado en la información en la descripción de los hechos criminales. Este documento propone un método de predicción de decisiones basado en inferencia causal y un mecanismo multi-experto FTOPJUDGE. Primero, se adoptó un algoritmo de inferencia causal para procesar texto no estructurado. Este proceso no requirió mucha intervención manual para extraer mejor la información del texto. Luego, se estableció una red neuronal dedicada a cada tarea, y también se estableció una red neuronal que sirvió simultáneamente a múltiples tareas. Finalmente, se utilizó el modelo de lenguaje pre-entrenado Lawformer para proporcionar conocimiento para tareas posteriores. Al usar el conjunto de datos público CAIL2018 y compararlo con los modelos actuales de predicción de decisiones predominantes, se demostró que el modelo mejoró significativamente el rendimiento de las tareas posteriores y logró grandes mejoras en múltiples indicadores. A través de experimentos de ablación, se verificó la efectividad y la racionalidad de cada módulo del modelo propuesto. El método propuesto en este estudio logró un rendimiento razonablemente bueno en la predicción de juicios legales, lo que proporciona una solución prometedora para la predicción de juicios legales.