过去我们谈法律 AI，关注的往往都是模型。哪个模型更聪明？哪个模型写文书更好？哪个模型幻觉更少？

但最近我越来越觉得，法律 AI 真正值得关注的下一步，可能已经不只是「模型有多强」，而是：我们能不能把一个优秀律师的工作方法，直接交给 AI？

最近，Anthropic 开源了一个很有意思的项目——claude-for-legal。国内的技术和法律从业者又在这个项目的基础上，做了一套国内法律适配版本：claude-for-legal-ZH。

我看完以后最大的感受是：这可能比又发布一个新的法律大模型，更值得律师关注。因为模型解决的是「AI 聪不聪明」的问题，而 Skill 开始解决另一个问题——AI 到底应该像谁一样工作。

一、Anthropic 是谁？为什么它做的法律 Skill 值得关注？

很多律师对 Anthropic 这个名字还不太熟，但大概率听说过它的产品 Claude。Anthropic 成立于 2021 年，是一家专注人工智能研究与安全的公司，Claude 就是它开发的大模型产品。这家公司给自己的定位是开发「可靠、可解释、可控制」的 AI 系统，目前也是全球最重要的前沿大模型公司之一。

所以 claude-for-legal 最值得注意的第一点，是 Claude 的开发者 Anthropic 自己开源的一套法律工作流参考实现。

严格来说，它甚至已经不能简单叫一个 Skill。Anthropic 的原版项目包括 Plugin、Skill、Agent、实践画像和数据连接器等多个部分。它把法律工作按照商事合同、公司并购、劳动用工、隐私、产品合规、监管、AI 治理、知识产权、诉讼等领域拆开，再把每个领域里的具体工作进一步拆解。

比如审查一份合同。普通人用 AI，可能就是一句「帮我审查一下这份合同有什么风险」。但 Skill 的思路完全不一样。它会告诉 AI：什么问题先看，什么问题后看；风险应该怎么分类；什么情况下必须升级给律师；哪些判断必须有依据；什么地方只能提示风险、不能直接下结论；最后应该以什么格式输出。

这实际上是在把一个律师脑子里的工作流程和判断框架写出来。

所以我认为，这个项目真正值得注意的地方，不在于「Claude 又多了几个功能」，而在于它展示了一种可能：未来专业 AI 的竞争，可能不只是模型竞争，更是专业工作方法的竞争。

二、ZH版做了什么？远远不只是把英文翻译成中文

Anthropic 的原版毕竟建立在美国法律体系之上，如果只是把提示词翻译成中文，对国内律师的意义其实很有限。但 claude-for-legal-ZH 做的事情明显更深。

这个项目基本保留了原版的整体架构，但把其中大量美国法律规则、程序和法律工作习惯，系统性地替换成了国内法律体系：原来的 UCC、Delaware 和纽约州合同规则，被替换为《民法典》合同编及国内担保制度；美国劳动法体系被替换为《劳动合同法》《劳动争议调解仲裁法》《工伤保险条例》等规则；美国的 FRCP、FRE、Discovery、Deposition，被替换成国内《民事诉讼法》、民诉法司法解释以及证据规则；隐私领域从 GDPR、CCPA 转向《个人信息保护法》《数据安全法》《网络安全法》。公司治理、知识产权、法学教育、案例检索，也都做了对应的国内法改造。

但真正让我觉得这个项目有意思的，并不是「法条换掉了」，而是它加入了一些很有国内律师实务色彩的工作方法。

比如风险评价，不再只是简单地告诉你「高风险、中风险、低风险」，而是要求从风险定性、风险敞口、发生概率、可规避性、商业权衡和紧迫性等维度展开分析，法律风险和商业操作上的摩擦也要分开评价。引用法律依据时，要标记依据来自哪里；涉及具体法条、司法解释和时效问题的，还要求独立验证。诉讼材料处理中，则专门强调把证据列举、质证意见、证据认定、查明事实和争议焦点分析分开。

这已经不是简单的「提示词翻译」了。它实际在干一件更重要的事：把国内律师处理案件时的一部分隐性工作方法，变成机器可以执行的显性规则。项目甚至为劳动法、民事诉讼、证据、执行、公司法、合同法、知识产权、个人信息保护、行政法、AI 治理等领域，准备了国内法核心规则参考文件。

所以，把这个项目简单理解成「Claude 的中文法律插件」，其实低估了它。它真正做的，是一次法律工作流的本土化。

三、这个 Skill 到底能帮律师做什么？

答案可能有点夸张：它什么都想做。

当然，这里的「什么都做」不是说 AI 可以代替律师，而是说，在绝大多数需要法律专业知识参与的知识型工作中，它都尝试建立一套对应的工作流程。

以我最熟悉的诉讼业务为例，litigation-legal 里面已经包括案件大事记整理、要件分析表、律师函准备和起草、证据三性初步审查、庭前准备、法律文书章节起草、案件深度简报、案件组合管理、案件登记、证据保全等工作。

做非诉业务也一样。商事合同模块可以审查供应商合同、NDA、SaaS 合同，追踪历次合同修改；公司业务可以做并购尽调、披露清单、交割清单、公司治理文件；劳动模块可以做解除劳动合同审查、劳动关系认定、竞业限制、内部调查；隐私模块可以做个人信息保护影响评估；产品模块可以检查广告宣传和产品上线风险；知识产权模块可以做商标初筛、FTO 初步分析、侵权初步判断、开源许可证审查。甚至还有专门针对法学生的学习、IRAC 写作、案例摘要和法考训练模块。

所以我反而觉得，不必太纠结某一个 Skill 能不能直接替我们写出一份完美的代理词，这不是最重要的。真正重要的是：它开始试图把法律工作拆成一个个可以描述、验证、复用的专业流程。

过去我们使用大模型，大多数时候是在「问 AI」。未来我们可能越来越多是在「给 AI 装工作方法」。

四、比使用 Skill 更有价值的事：直接学习别人的经验

这是我认为这套项目最值得律师关注的地方。

很多人看到 Skill，第一反应是「装上以后能不能提高效率」。当然可以。但如果仅仅把它当成一个效率工具，反而浪费了它最大的价值。

因为每一个真正优秀的法律 Skill，背后其实都藏着一个人的经验。为什么先检查这个问题？为什么这个风险必须单独列出来？为什么出现这种事实以后要升级处理？为什么这个法律依据必须二次验证？为什么这个结论只能写到这里，不能再往下推？这些东西本质上都不是大模型自己创造出来的，它们来自律师长期处理真实案件以后形成的经验。

比如这个国内法适配版本的重要贡献者陈石律师，现任浙江海泰律师事务所副主任、高级合伙人，长期聚焦建筑房地产、投融资、并购重组以及商事争议解决。按照项目的贡献说明，国内法版本的系统改造并不仅仅依靠公开法条，而是结合了其长期建立的知识库体系以及多年法律实务经验。

这件事其实很值得琢磨。以前，一个年轻律师想学习资深律师的经验，通常只有几种方法：去他的团队工作，听他的课，看他写的文章，看他公开的文书，或者跟着他做几年案件。因为大量真正有价值的经验本来就是隐性的——一个律师可能知道「这个案子最危险的地方在哪里」，但他从来没有把自己的判断过程完整写出来过。

Skill 出现以后，情况可能会变。如果一个资深律师想让 AI 按照自己的方式工作，他就必须把一部分隐性经验显性化：遇到什么事实，检查什么规则，按照什么顺序，怎么判断风险，什么情况下停止，什么情况下继续，什么情况下必须由律师亲自决定。于是，原来只存在于资深律师脑子里的经验，第一次有机会变成一个可以被别人阅读、研究甚至调用的文件。

所以对年轻律师来说，未来一个优秀的 Skill 很可能不仅仅是一个「AI 插件」，它可能也是一份极其浓缩的律师实务教材。你甚至可以不运行它，直接打开 SKILL.md，看看一个优秀律师到底是怎么拆解这个问题的。

这可能就是 Skill 对法律行业最有意思的地方：我们第一次有机会「下载」别人的工作方法。

五、怎么安装？我用 Claude 实际演示一下

下面我用国内法版本简单演示。Claude 本身怎么安装就不展开了，以下以 Claude Code 为例。

首先，把国内法律版的仓库加入 Claude 的插件市场：

打开 Claude Code，输入 /plugins，出现以下界面，把 GitHub 仓库地址复制进去：

回车后会自己安装好：

或者直接在 Claude Code 中输入 marketplace add 命令：

/plugin marketplace add <仓库地址>

比如我主要做诉讼，就安装：

/plugin install litigation-legal@claude-for-legal-zh

主要做合同的，可以安装：

/plugin install commercial-legal@claude-for-legal-zh

劳动业务则安装：

/plugin install employment-legal@claude-for-legal-zh

安装完成后需要重启 Claude Code，项目的安装说明也特别强调，重启以后插件才会真正生效。

但这里还有一步，我认为比安装本身更重要——运行「冷启动面试」。以诉讼模块为例：

/litigation-legal:cold-start-interview

Claude 会开始了解你的业务类型、工作习惯、审查方式以及团队规则，并据此形成属于你的实践画像。项目本身也明确提示：其他 Skill 会读取这个实践画像，如果直接跳过这一步，Skill 的输出很容易重新退化成普通、泛化的大模型回答。

完成以后，就可以直接调用具体工作流。比如整理案件大事记：

/litigation-legal:chronology

或者做要件分析：

/litigation-legal:claim-chart

到这里，你会发现一个很明显的区别：我们已经不是简单地对 Claude 说「帮我分析这个案件」，而是让 Claude 按照事先设计好的律师工作流程分析案件。这就是 Skill。

六、AI 来了以后，律师是不是反而什么都不用学了？

恰恰相反。我认为未来律师真正需要做的事，可能会越来越难。

因为 AI 最先消灭的，很可能就是大量低价值的文字劳动：复制材料、整理格式、初步归纳、生成表格、修改措辞、整理时间线，甚至大量标准化法律文书的第一稿。这些事情会越来越便宜。

那律师剩下来的工作是什么？判断当事人有没有说真话；判断一份证据到底可不可靠；判断法官可能真正关心什么问题；判断一个商业方案虽然法律上可以做、但现实中值不值得做；判断一个案件应该继续诉讼、调解还是退出；判断某一个风险到底值不值得客户承担。以及最后，为这个判断承担责任。

这些事情并没有因为 AI 出现而消失，反而因为 AI 把前面的文字工作做掉以后，会变得越来越重要。

所以我并不认为 AI 的未来是律师什么都不用干了。更可能的情况是：律师的工作，从「生产文字」，逐渐转向「生产判断」。而 Skill 恰好处在中间——当一个律师把自己的经验写成 Skill 时，他实际上也在回答一个问题：我到底是怎么判断的？

这也是为什么我很看好未来法律 Skill 的生态。今天，我们看到的是 Anthropic 发布 claude-for-legal，国内的法律和技术从业者再把它改造成国内法版本；以后很可能会出现越来越多细分的 Skill——建设工程律师有建设工程 Skill，劳动法律师有劳动用工 Skill，公司法律师有公司治理 Skill，执行律师有执行 Skill，甚至每一个细分案由，都可能逐渐沉淀出自己的工作方法。

到那个时候，一个刚入行的年轻律师，学习专业知识的方式可能也会变。过去，想和行业里非常优秀的律师「交流」，是一件成本很高的事；未来，他也许可以先研究这个律师公开的 Skill，看看他遇到一个问题以后第一步查什么、第二步判断什么，哪些风险会被他特别标红，什么情况下他会选择停止自动化、让律师本人介入。

这当然不能代替真正的执业经验，但它提供了一种以前从来没有过的学习渠道。年轻律师第一次有机会，通过 AI Skill，与行业中优秀律师沉淀下来的工作方法进行某种形式的「交流」。

我觉得，这可能才是法律 AI 真正值得期待的地方。过去只能存在于少数优秀律师脑子里的经验，开始有机会被保存、传播和重新利用。