开四明山法师AI夜校以后，我经常说一句话：“挺好的，大家都玩得很开心。”这句话说多了，有朋友提醒我，说“玩”这个词好像不太准确，甚至有点不够严肃。她的意思是，大家明明是在学习，是在实践，是在用 AI 改造自己的工作方式，怎么能说是在“玩”呢？（似乎感觉太轻了）如果换一种说法，叫“大家都学得很开心，实践出了真知”，听起来可能更稳妥，也更符合一个培训项目、一个学习社群、一个法律人 AI 实践场景应有的表达。这个提醒当然是善意的，而且从表面上看，也没有错。我们确实是在学习，也确实是在实践，更确实在通过一轮又一轮的作业、分享、复盘和迭代，看到很多人对 AI 的理解发生了变化。但是我后来想了想，还是觉得“玩”这个词不能轻易换掉。因为对我来说，“玩”不是对这件事的轻描淡写，恰恰是对这件事运行机制的一种更准确描述。“成长叙事”的底层逻辑01在今天这个语境里，所有人都太习惯用“成长”等概念来包装自己的行动。读书是成长，学习是成长，工作是成长，失败也是成长，甚至焦虑、内耗、被时代追着跑，最后也可以被重新解释成成长。这个词当然正面，也很难反对，但它有一个容易被忽略的问题：成长叙事本质上是一种面向未来回报的叙事。它通常默认，今天的行动并不直接构成回报，今天的努力、坚持、忍耐和投入，必须在未来某一个时间点兑换成更强的能力、更好的机会、更高的效率、更稳定的安全感，才算完成了价值闭环。所以，“成长”这个词表面上积极，底层却经常带着一种功利结构。它把当下变成通往未来的工具，把行动本身变成一种抵押品。一个人今天之所以要学 AI，不是因为这件事本身有趣，而是因为不学可能会落后；不是因为模型、脚本、知识库、自动化工作流这些东西本身打开了一个新世界，而是因为未来的法律服务竞争可能需要这些能力。这个逻辑当然成立，我也不否认它的现实性。但如果一个人进入 AI 的方式只有这一种，那么他很容易始终处在焦虑驱动的状态里：今天学这个，是因为明天可能被淘汰；今天做作业，是因为以后可能有用；今天投入时间，是因为未来可能形成竞争力。问题在于，焦虑可以启动一个人，但很难长期滋养一个人。功利计算可以让一个人报名一门课，却未必能让他在课后继续打开电脑，把一个没有跑通的脚本继续调下去，把一个看起来不起眼的提示词反复改十遍，把一个本来可以“差不多”的知识库再整理一遍数据结构。真正让人持续回来的，往往不是“这件事以后有用”，而是“这件事现在就有意思”。“玩”意味着事情本身就是回报02这就是我说“玩”的原因。玩意味着，事情本身就是回报。不是为了未来某个抽象的成长目标，才勉强自己进入这个过程；而是在进入过程的同时，就已经获得了反馈、兴奋、理解和创造的快感。一个律师第一次发现自己可以用 AI 把一个复杂任务拆成流程，用脚本完成重复劳动，用知识库约束模型的输入，用一个小工具把原来靠助理、靠团队、靠外包完成的事情重新组织起来，这种感受不只是“我学会了一个技能”，更像是“我突然多长出了一只手”。这个时刻的价值，不需要等到三个月后、半年后、一年后通过某个绩效指标来证明，它在发生的当下就已经完成了一次奖励。尤其是 AI 这件事，如果只把它当作一门传统课程来学，反而很容易学偏。传统课程往往预设一个相对稳定的知识体系，老师把知识点拆开，学生按顺序掌握，最后通过考试、作业或者项目来证明学习效果。但是 AI 不是这样。AI 的能力边界在快速变化，工具形态在快速变化，模型能力和应用层的关系也在快速变化。今天看起来很复杂的工作流，明天可能被模型原生能力吸收；今天看起来很先进的 Agent，过几个月可能就变成某个软件里的基础功能；今天我们以为自己是在学提示词，过一段时间就会发现，更重要的是上下文工程、数据准入、流程控制和系统集成。在这样的领域里，学习的关键不是记住某一套固定答案，而是保持一种持续试探边界的能力。你要知道这个模型能做到哪里，做不到哪里；你要知道什么任务适合交给模型，什么任务适合写成脚本，什么任务必须回到专业判断；你要知道什么时候该追求智能，什么时候该追求确定性；你还要知道，法律工作里那些看起来无法标准化的经验，究竟能不能被拆成数据、规则、流程和检查点。所有这些东西，靠听课是不够的，靠背概念也不够，它必须在大量动手、试错、比较和复盘中形成。所以我说“玩”，不是反对学习，而是在强调一种更适合 AI 的学习方式。这里的玩不是消遣，不是随便点点按钮，更不是把严肃的专业问题娱乐化。它更接近一种实验状态：带着问题进去，带着好奇心试探，允许中间失败，允许结果不完美，但每一次失败都能反过来帮助我们理解系统的边界。低水平的玩只是娱乐，高水平的玩其实是实验，更高水平的玩，是把实验沉淀成方法论。这也是四明山法师AI夜校和一般培训班不太一样的地方。我并不希望它只是一个知识灌输场，也不希望它最后变成“老师讲、学员听、听完鼓掌、回去不动”的传统模式。AI 对法律人的真正价值，不在于多知道几个工具名字，也不在于收藏几套提示词模板，而在于能不能把自己的真实业务场景拿出来，重新拆解一遍：哪些环节靠检索，哪些环节靠生成，哪些环节靠结构化数据，哪些环节靠人工判断，哪些环节可以自动化，哪些环节必须保留人工复核。只有当学员开始把自己的问题带进来，开始愿意亲手搭一次、跑一次、错一次、改一次，这个学习场才真正成立。“玩”是一种严肃的能力03从这个意义上说，“玩”其实是一种非常严肃的能力。成年人最大的问题，不是不会学习，而是太会把所有学习都变成任务。任务有目标，有考核，有投入产出，有时间表，有结果承诺，但任务也很容易把一个人重新带回熟悉的压力结构里。一个法律人如果一开始就问“这个工具能不能马上提高我的产能”“这个模型能不能马上替我写完一份文件”“这个课学完能不能马上形成商业变现”，这些问题当然现实，但它们也可能过早地关闭了探索空间。因为在一个范式变化的早期阶段，很多真正重要的东西，最初并不是以清晰收益的形式出现的，而是以“不知道有什么用，但感觉这里面有东西”的形式出现的。很多新能力，都是先被玩出来的，后来才被命名为生产力。个人电脑最早对很多人来说是玩具，互联网最早对很多人来说也是玩具，智能手机刚开始也承载了大量游戏、拍照、聊天和社交的需求。可是回头看，正是这些看似“不务正业”的高频互动，让人和新技术之间建立了亲密关系，也让技术能力逐渐嵌入日常生活和工作结构。AI 也是一样。如果一个法律人只有在写正式文书、办重大案件、做高压任务时才想到 AI，他很难真正理解 AI；反过来，如果他在低风险、高频次、甚至带一点游戏感的场景里不断使用 AI，他才会慢慢建立手感，知道它什么时候可靠，什么时候不可靠，什么时候惊艳，什么时候胡说八道。这就是我对“实践出真知”的理解。实践当然重要，但实践不一定要被包装成苦大仇深的训练。很多有效实践，恰恰是在轻松、好奇、有反馈的状态里完成的。四明山法师AI夜校真正想保护的，也正是这种状态：大家可以严肃地讨论法律服务的未来，也可以很认真地研究一个脚本为什么没跑通；可以分析模型、数据和算力，也可以为了一个小工具成功运行而兴奋半天；可以谈职业转型和行业结构，也可以承认自己就是觉得这东西很好玩。先有有意思的行动，自然会有成长04所以，当我说“大家都玩得很开心”的时候，我并不是在降低这件事的价值，而是在试图把它从单纯的培训叙事里解放出来。它不是一个只靠未来回报来证明自己的项目，也不是一个用焦虑驱动大家不断向前跑的学习营。它更像是一个场：在这个场里，法律人暂时放下对“立刻有用”的过度执念，重新获得一点试探新世界的能力。大家在里面学习，但不只是学习；实践，但不只是完成任务；成长，但不是被成长绑架。成长当然会发生。一个人如果持续玩 AI，持续拆问题，持续做作品，持续把模型和自己的专业经验连接起来，他不可能不成长。但这个顺序很重要：不是先用成长压迫行动，而是在行动本身足够有意思的时候，成长自然发生。前者是未来回报对当下的约束，后者是当下兴趣对未来的打开。所以，我还是愿意继续说那句话：四明山法师AI夜校，挺好的，大家都玩得很开心。这不是一句客气话，也不是一句轻飘飘的总结。它背后其实是我对 AI 学习的一点基本判断：在一个高度不确定、快速演化、边界不断重写的技术周期里，真正能够留下来的人，不一定是最早焦虑的人，也不一定是最会喊口号的人，而是那些还能保持好奇、愿意动手、敢于试错，并且能把“玩”逐步沉淀成方法的人。作者简介陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社2025年度管理合伙人20佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办”首宗百亿地王”“长春第一高楼”“台州第一高楼”等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI底层思维与应用范式》，并在多地开展相关主题讲座与分享。
夜雨聆风
