ARTICLE · 1045568
庄玉武 | AI时代的法学教育:知识灌输没用了,还剩下什么?
庄玉武 | AI时代的法学教育：知识灌输没用了，还剩下什么？
引言：如果机器已经可以回答法律问题，法学院究竟还要教什么？
既然人工智能已经可以检索法条、归纳判例、解释概念、比较法域、起草合同、撰写诉状，甚至可以参与复杂法律分析，那么我为什么还要花四年时间学习法律？
这不是一个遥远的问题。
武汉大学法学院院长秦天宝在2026级本科新生见面会上，就直接面对了这一问题。他承认，法律检索、案例综述、知识整理和法律文书生成正在迅速被人工智能改变，AI也开始进入立法起草、行政执法、合规审查、法律咨询等多个领域。
但秦天宝并没有把答案停留在“AI没有感情”或者“AI不能代替人”这种简单的技术悲观主义上，而是进一步把法律人的核心价值概括为价值判断、情境理解和创造性解决问题，并强调法律对象是人、法律责任最终由人承担，法律最终必须回答“应当怎样”而不仅仅是“通常怎样”。
这是一条正确的路径。
但还可以继续向前推进。
真正需要法学院回答的问题，并不是：
因为如果法学教育只把自己理解为“传授法律知识”，那么生成式AI的出现确实会动摇其根基。
但如果法学教育的真正使命，从来不仅仅是把法律知识装进人的脑袋，那么AI带来的就不只是危机，也是一次难得的自我革命。
因此，本文提出一个更强的命题：
知识内化、问题定义、批判审查、规范判断。
它们最终又汇聚为一个更加传统、却在AI时代重新变得重要的概念：
责任。
机器越来越擅长回答“是什么”。
法学教育必须重新训练人回答：
“为什么？”
“凭什么？”
“应该怎么办？”
以及最后那个最困难的问题：
“谁来负责？”
一、真正结束的，不是知识时代，而是“知识稀缺时代”
AI时代真正结束的，是知识作为稀缺资源的时代，而不是知识本身的价值终结。
这是两个完全不同的命题。
过去，一个法学院学生要完成一个法律研究课题，往往需要：
查教材；
查法条；
查司法解释；
查判决；
查论文；
寻找外文资料；
核对修法历史；
整理观点。
法律知识的获取本身存在巨大的时间成本。
因此，传统法学教育形成一种天然的制度逻辑：
它是对特定技术条件的合理回应。
但是互联网首先降低了“寻找知识”的成本，法律数据库又进一步降低了“获取法律”的成本，而生成式AI正在第三次降低成本：
不仅能够找到法律，而且能够重新组织法律。
它可以将数百页判例整理成几千字。
可以把复杂制度转换成图表。
可以比较多个国家的制度。
可以把零散资料组织成一篇结构完整的研究报告。
因此，过去那个非常重要的能力：
二、知识越来越便宜，判断越来越昂贵
过去：
因为同一个法律问题，AI可以在一分钟之内给出十个答案。
但十个答案之间可能彼此冲突。
更麻烦的是：
它们可能全部写得像真的。
每个答案都有法条。
都有案例。
都有逻辑。
都有引用。
都有结论。
真正困难的问题因此不再是：
微软研究团队与卡内基梅隆大学研究人员对319名知识工作者进行了调查，并收集了936个现实中的生成式AI使用案例。研究发现，对AI越有信心的人，在AI辅助任务中越可能减少批判性思考；与此同时，人的批判性思考并没有消失，而是更多转向信息验证、回应整合和任务监督。
这项研究对于法学教育具有直接意义。
因为律师工作本身就是典型的知识工作。
律师未来可能越来越少承担：
未来法律人的核心能力，将从信息处理逐渐转向信息验证。
从生成转向审查。
从执行转向监督。
从写作转向判断。
从答案生产转向答案认证。
三、因此，“知识”不能被取消，而必须被重新定义
没有知识内化，就没有有效监督。
一个法律人如果不知道：
什么是罪刑法定；
什么是责任主义；
什么是证明责任；
什么是证据能力；
什么是比例原则；
什么是法源位阶；
什么是行政行为合法性；
什么是合同责任；
什么是公司法人独立责任；
那么即使AI给他一份100页的法律分析，他也未必能够发现其中的关键错误。
这意味着法学院仍然必须教知识。
但知识教学的目标需要改变。
传统目标是：
学生不一定需要把所有法律条文逐字背下来。
但他必须知道：
这个制度解决什么问题；
它与什么制度发生冲突；
它的历史来源是什么；
它的法理基础是什么；
它的适用边界在哪里；
哪些规则属于上位法；
哪些只是低位阶规范；
哪些解释会产生更严重的权利侵害。
换句话说：
从“法律知识库存”转向“法律认知架构”。
四、AI时代最值得保留的学习，不是记忆，而是“内化”
判断不能完全外包。
这也是为什么AI时代仍然必须保留大量真正艰苦的学习。
例如，一个学生在没有AI帮助的情况下认真阅读一份复杂判决。
开始时，他可能看不懂。
然后，他发现法院把一个程序问题当成实体问题处理。
再进一步，他发现判决引用的规则与上位法存在张力。
最后，他形成一个自己的解释。
这个过程十分低效。
但它正是教育。
因为学生获得的不是一个答案，而是产生答案的方法。
如果AI直接告诉他：
但他并没有经历“发现争点”的过程。
于是出现了AI时代教育最危险的幻觉：
因此，法学院必须刻意保留一部分“没有AI的学习时间”。
五、芝加哥大学与伯克利的共同逻辑：不是反AI，而是保护思考
芝加哥大学法学院公布的2026—2027学年AI策略明确提出，在核心一年级课程中，课堂原则上禁止使用笔记本电脑、平板和手机；考试则在没有互联网、电子文件和应用程序的环境下进行，同时继续强调苏格拉底式教学。与此同时，1L法律研究与写作课程又采取相反策略：明确训练学生负责任、有效和合乎伦理地使用AI，并要求学生具备审查、评估和改进AI输出的能力。
这个制度安排非常值得研究。
因为它不是“全面禁止AI”。
也不是“全面拥抱AI”。
而是：
这恰恰说明：
AI教育与AI限制并不矛盾。
真正需要反对的不是AI。
而是：
在学生尚未形成基本认知能力的时候，让AI直接替代认知训练。
六、AI真正带来的改变，是“执行”与“构思”的分离
姚叶的研究指出，在生成式人工智能介入之后，传统创作中的“构思”与“传达”发生了新的分离：人类越来越负责构思、选择、评价和控制，而机器承担越来越多的表达与生成工作。论文因此提出，AI时代不能仅仅盯着最终结果，而应该进一步寻找人类独创性的“作者构思”。
这一理论对法学教育有非常强的启示意义。
传统律师工作可以大致描述为：
执行劳动与构思劳动开始分离。
过去律师亲自写10页法律意见。
现在可能只是提出一个法律问题，再让AI生成多个版本。
过去律师逐份阅读所有案例。
现在可以要求AI先建立判例地图。
过去律师自己完成初步检索。
现在AI可以迅速给出搜索方向。
但这些变化并没有使律师变得不重要。
反而暴露了一个此前容易被忽略的事实：
法律工作的真正价值，未必在“写出了多少字”，而在于决定到底应该写什么。
七、因此，法律能力的第二个核心，是“问题定义”
普通人来到律师事务所，不会说：
只是现实生活中的问题。
律师真正的工作，是把生活问题转译成法律问题。
例如：
“公安拿走手机不归还”，究竟涉及：
刑事扣押？
证据保管？
财物返还？
侦查程序违法？
国家赔偿？
还是其他责任？
“政府要拆房子”究竟是：
违法建设认定？
行政处罚？
征收补偿？
行政强制执行？
规划管理？
程序违法？
这些问题必须先定义。
问题定义错了，后面所有法律分析都可能建立在错误轨道上。
因此，AI时代法学院应该增加一种完全不同的课程：
谁是当事人；
谁具有权力；
有什么法律关系；
哪些事实未知；
哪些证据缺失；
哪些程序已经启动；
有哪些权利被影响；
有哪些潜在救济途径；
真正的争点在哪里。
这才是高级法律能力的起点。
八、未来律师可能从“文本生产者”转变为“认知总监”
从执行者转向监督者。
从写作者转向编辑者。
从检索者转向验证者。
从信息生产者转向认知总监。
所谓“认知总监”，并不意味着只会写漂亮Prompt。
恰恰相反。
真正的AI法律能力至少包括七个环节：
第一，定义问题。
第二，拆解问题。
第三，决定哪些工作交给AI。
第四，判断AI需要什么资料和边界。
第五，验证AI输出。
第六，提出反论证和替代方案。
第七，对最终结果承担职业责任。
因此，Prompt Engineering只是这一链条中非常小的一部分。
未来法学院如果只开一门《法律Prompt工程》，很可能仍然没有抓住重点。
真正需要训练的是：
九、第三个核心维度：批判性审查
让AI先回答，学生再审计。
例如给学生一份3000字AI生成的刑事法律意见。
学生不知道哪些地方有问题。
其中可能存在：
虚构判例；
错误法条；
错误法源层级；
忽略关键证据；
混淆行政违法与刑事犯罪；
错误理解主观故意；
忽略程序性抗辩；
偷换概念；
过度依赖“通常裁判结果”；
甚至引用不存在的外国法。
学生的任务不是重新生成一份。
而是：
把它拆开。
逐条审查。
逐条核实。
逐条质疑。
最终回答：
微软/CMU研究已经观察到，AI辅助工作中的批判性思维正在更多转向验证、整合和任务监管。
因此：
未来法学院应该把“审查AI”本身变成一门法律基本技能。
十、为什么“标准答案”应该逐渐退出法学高等教育中心
原因很简单。
标准答案容易评分。
但AI时代，标准答案越来越没有意义。
因为机器本身就极擅长生成标准答案。
如果考试题目要求：
如果要求：
即便禁止AI，学生也可能通过过去的题库训练得到高度机械化的答案。
因此，法学教育应当从：
答案教育
转向：
论证教育。
从：
它不再测试：
记忆容量。
而测试：
论证稳定性。
十一、美国NextGen Bar Exam：不是“不要知识”，而是重新排列知识与技能
但必须准确描述。
NextGen UBE并没有完全取消法律知识。
2026年启动的考试仍然包含八个基础法律知识领域，包括：
民事诉讼；
合同法；
侵权法；
证据法；
刑法与被告人的宪法性权利；
宪法；
房地产法；
商业组织与关系。
同时设置七类基础法律技能：
法律研究；
法律写作；
争点识别与分析；
调查与评价；
客户咨询与建议；
谈判与争议解决；
客户关系与管理。
真正的改变在于：
知识与技能开始被整合考查。
2026年NextGen UBE的总分构成为：
而这与AI时代的真实法律工作恰好高度接近。
因为现实律师本来就可以查法律。
真正重要的是：
查完以后怎么办。
十二、NextGen给中国法学教育一个重要启示：考试必须更接近真实法律工作
考试环境不允许查法条，而律师实际工作通常可以查。
考试要求：
如果未来AI已经能够在几秒内提供大量法律信息，那么继续把大量教学资源用于训练学生记忆细枝末节，就会出现越来越严重的制度错配。
但这里也必须避免走到另一个极端：
完全取消闭卷考试。
NextGen本身也没有这样做。
其制度逻辑实际上更值得借鉴：
十三、AI时代应该重新划分“必须记住”和“可以检索”的知识
例如：
法律基本原则；
核心部门法基本结构；
基本权利；
法源体系；
证明与证据基本理论；
法律解释基本方法；
程序正义；
责任原则。
这些不能完全外包。
因为没有这些，律师无法监督AI。
某个司法解释的具体条文；
某一年度某一地区的具体政策；
某一组案例中的具体事实；
某一细分领域的专业规则。
这些可以大量交给数据库和AI。
于是：
教育资源应当从“记住所有东西”，转向“把最重要的东西内化”。
这不是降低法学教育的标准。
恰恰是在提高标准。
因为学生不再被允许用大量记忆掩盖结构性无知。
十四、第四个核心维度：规范判断
因此，“AI没有价值观”已经不是足够好的论据。
生成式AI完全可以讨论：
正义；
自由；
平等；
尊严；
比例原则；
权利冲突；
功利主义；
康德义务论；
自然法。
它甚至可以写出比普通学生更加流畅的法哲学论文。
真正的问题不是：
一个AI可以告诉你：
AI可以告诉你：
AI可以提出：
因此，必须区分：
认知能力
与
制度授权。
能够提出一个规范主张
与
有权作出具有法律后果的规范决定
不是同一回事。
这也是为什么我并不赞同简单使用“规范主权”这个容易引起概念混乱的说法。
更加准确的法律语言应该是：
十五、法律人首先是责任主体，而不是信息处理器
一名法官作出错误裁判。
一名行政机关依据错误规则处罚企业。
这些错误都会产生现实后果。
可能是：
财产损失；
商业机会损失；
人格损害；
人身自由损失；
甚至生命损失。
AI可以产生建议。
但法律制度仍然需要回答：
谁作出了这个决定？
谁有权限？
谁应该说明理由？
谁承担责任？
谁可以被申诉？
谁可以被追责？
这正是法律职业与普通信息服务最大的不同。
因此：
十六、第五个核心维度：价值冲突中的选择
公共安全与个人自由；
效率与程序正义；
商业利益与环境保护；
财产权与公共利益；
受害人保护与被告人权利；
国家治理效率与行政程序；
社会秩序与个人自治。
AI可以把每一组价值都解释得很好。
但最终问题仍然存在：
不是让学生避免价值判断。
而是让学生：
意识到自己正在作价值判断。
能够说出：
我的价值前提是什么？
我的规范依据是什么？
我牺牲了什么？
我保护了什么？
有没有侵害更小的替代方案？
有没有更符合比例原则的措施？
这才是成熟的法律判断。
十七、法学院必须重新发现“法律为什么存在”
一个学生学习刑法，不应该只知道：
十八、法学院应该从“答案教育”转向“问题教育”
老师先讲规则。
然后讲案例。
最后问学生：
先给一个现实世界中的混乱案件。
不要告诉学生它属于什么部门法。
不要告诉学生争点是什么。
甚至不要告诉学生应该查什么法。
学生必须自己发现：
这里到底发生了什么？
然后：
什么是事实？
什么是主张？
什么是证据？
什么是法律问题？
什么是价值问题？
最后：
什么是最优解决方案？
这是一种真正意义上的Problem-Based Legal Education。
其训练目标，不再是：
十九、案例教学也需要升级：从“学习判例”转向“与判例搏斗”
老师讲一个经典判例。
学生记住裁判规则。
然后考试。
AI时代应该让学生与判例真正发生冲突。
例如：
给学生一份最高法院判决。
再给学生一份反对意见。
再给学生一份外国法院的不同判决。
再让AI分别扮演：
原告律师；
被告律师；
法官；
学者；
行政机关。
学生最后必须回答：
而是：
法律论证。
二十、教师也必须从“知识广播员”变成“认知对手”
教师承担认知组织功能。
优秀教师应该：
制造认知冲突；
提出反例；
挑战前提；
指出逻辑漏洞；
迫使学生解释；
要求学生承担立场；
让学生面对没有标准答案的问题。
因此，未来最好的课堂可能不是：
而是教师变得更加重要。
二十一、律师教育尤其需要“现实世界转译”
AI时代，这一点甚至比过去更重要。
因为模型主要处理的是被数字化的信息。
而法律生活中大量最重要的信息，并不会自动进入数据库。
一个当事人说话时的犹豫。
一个家庭的真实经济压力。
一个被行政处罚的企业为什么已经无法继续经营。
一个嫌疑人在会见室里突然改变陈述。
一个普通人面对法院时的不知所措。
这些都属于法律事实的一部分。
因此：
学生越来越会分析案卷，却越来越不会面对人。
二十二、法律教育必须保留“人与人的关系”
律师是一种制度性信任关系。
客户把秘密告诉律师。
被告把自由问题交给辩护律师。
企业把经营风险交给法律顾问。
家庭把重大财产争议交给律师。
因此，法律能力不仅包括：
分析能力；
论证能力；
知识能力。
还包括：
倾听。
询问。
解释。
说服。
谈判。
建立信任。
NextGen Bar Exam把客户咨询、建议、谈判、争议解决和客户关系管理列入七类基础法律技能，并不是偶然。它实际上承认：
法律职业从来不是纯粹的文本工作。
二十三、AI时代真正需要重新设计的是“法学院四年”
而是建立：
法律结构；
基本概念；
法理学；
法律史；
基本权利；
法律解释；
逻辑与论证。
这一阶段可以合理限制AI使用。
因为学生需要形成自己的“认知肌肉”。
不告诉学生：
“这是民法问题。”
“这是刑法问题。”
“这是行政法问题。”
而是：
这是一个真实的人遇到的一团问题。
学生必须自行拆解。
但训练重点不是Prompt，而是：
任务拆解；
多模型比较；
法律检索；
资料验证；
虚假判例识别；
法律意见审计。
法律诊所；
法院；
检察机关；
律师事务所；
企业法务；
政府部门；
公益法律服务。
同时要求学生说明：
哪些判断由AI提出？
哪些判断由自己作出？
为什么最终选择这个方案？
如果方案错误，责任在哪里？
这才是一套完整的AI时代法学教育。
二十四、考核制度必须同步改革
因为：
考试决定学生真正重视什么。
如果老师上课讨论问题定义、价值判断和AI审计，但最后考试仍然是：
因此必须进行考评革命。
二十五、一种新的考试：AI生成法律意见审计
向学生提供一份AI生成的法律意见。
3000—5000字。
故意包含若干问题：
虚构判例；
错误法条；
错误法源；
遗漏事实；
遗漏证据；
错误归责；
忽略程序问题；
价值前提不明；
比较法错误。
学生不能单纯重写。
而必须：
这种考试的本质不是：
二十六、评价学生的，不应该只是答案，还应该包括“判断过程”
但AI时代更加重要的是：
你怎么得到这个结果？
未来评分可以增加：
问题定义能力；
事实识别能力；
法源选择能力；
证据审查能力；
论证能力；
反方回应能力；
价值权衡能力；
AI审查能力。
甚至可以要求学生提交：
AI使用记录；
提示词；
版本变化；
引用核查表；
事实核查表。
这样才能避免：
学生交了一份漂亮论文，却不知道里面写了什么。
二十七、这也是为什么“论文教育”必须改革
一篇文章已经越来越不能证明一个人真正会思考。
传统论文评价通常看：
观点；
结构；
资料；
语言；
引用。
这些都可以大量被AI辅助。
因此，未来法学论文教学需要从：
为什么选择这个问题？
为什么不是另一个问题？
你的核心假设是什么？
有哪些竞争性解释？
为什么相信A而不是B？
哪些材料可以推翻你的结论？
如果反方成立怎么办？
这实际上把法学论文从：
文本产品
重新变回：
思想过程。
二十八、法学教育最终要培养的，是“第二层认知”
AI正在快速接管。
规则之间是什么关系。
这一层仍然必须由法学院重点训练。
什么证据最可信。
什么解释最有说服力。
什么权利应优先受到保护。
什么方案虽然有效，却不应被采用。
这一层才是未来法律人的真正核心竞争力。
所以：
二十九、比较法教育可能因此迎来黄金时代
学生可以迅速比较：
中国法；
美国法；
德国法；
日本法；
台湾地区法；
欧盟法；
国际法。
但是，信息越容易获取，真正的比较法能力反而越重要。
因为AI非常容易犯一种典型错误：
制度表面相似主义。
例如同样叫：
比例原则；
正当程序；
无罪推定；
司法审查；
律师调查权。
不同法域的制度历史和宪法结构可能完全不同。
因此，比较法教育必须从：