法律人的实用AI方法论

2025年，我分享了很多次关于法律AI应用的主题。去年年初讲的时候，我会觉得AI有很多特别新鲜、让人眼前一亮的东西，迫不及待想和大家分享，总觉得一个新时代就要来了。到了年底，年初讲的内容慢慢普及开来，但作为工具，从传递实用信息的角度来说，依然有分享的价值。

今年又有了一些新的法律AI应用主题分享的工作。核心问题仍然是，AI能为我们法律人做什么。但今年这些法律AI应用大家都已经了解、也都用上了，不必要逐个演示、反复拿出来讲，但对于AI的认识和使用AI的方法论依然很重要。于是就有了今天这篇《法律人的AI方法论》，主要想分享一些自己使用AI过程中的看法和思考。

去年很多人会觉得，会在DeepSeek检索问题就叫使用AI，我常常会在各种场合下纠正这个误区。今年我不想过多强调这个误区了，因为DeepSeek的热度本身也没那么高了，但反过来说很多人觉得DeepSeek因此就不行了，其实这本身也是个误区。

DeepSeek更多是面向企业厂商的。现在我们看到的很多AI迭代升级，背后都和它有关，不是它没用了，只是我们普通消费者没有直接使用而已。

市面上有两种常见的错误观点：一种是觉得“我用了DeepSeek，就是会用AI了”；另一种是用了DeepSeek之后觉得“也就那样，我不会被AI替代”。这两种观点都有问题，核心原因是，这款产品本就不是为日常办公设计的，只用它，根本感受不到AI对工作的真正价值，也判断不出它的优劣。

还有一种我不太认同的现象：很多人喜欢手搓AI，现在法律界还有不少AI产品大赛，参赛的全是律师。我觉得这件事很奇怪，打个不太恰当的比方：就像律所组织一场业余代理人大赛，参赛的全是不懂法律的当事人。

核心问题还是在于术业有专攻。我们做律师都知道，诉讼代理远不止起诉、开庭这么简单，里面有无数细节要把控。AI产品也是一样，它的底层是编程技术，我们律师虽然更懂自身的工作需求，但要把需求落地成可用的AI产品，单靠律师是做不到的。

有人说“很多人都做到了”，但在我看来，这种“做到”更像是一种假象——就像当事人用AI生成一份看起来规整的诉状，外行看着没问题，内行一看就知道漏洞百出。专业的AI产品经理看律师做的AI产品，大概也是这种感觉。

所以我始终觉得，术业有专攻，不是做AI研发的，就别花太多精力去研发AI，除非你打算转行。但如果你是律师，就专心做好本职工作，AI是用来赋能、提升效率的，没必要投身自己不熟悉的领域。

最近OpenClaw很火，但我自己完全没接触。不是它不强大，而是我觉得，花大量精力折腾一款还不够成熟、不能快速上手的工具，性价比太低。我们可以关注，但没必要一直尝试，先把手头的工具用好，把核心法律工作做好，不要本末倒置。而且这类工具的风险大家都清楚，比如隐私泄露、调用系统底层等，现阶段真的没必要折腾。

很多人觉得本地部署一劳永逸，能拥有一个“最懂自己的AI”。把自己的法律数据库、案例库放进去，看似能实现模糊检索、生成答案，但这并不是真正的AI逻辑。而且就算普通电脑能运行AI，也需要算力，算力需要消耗TOKEN，TOKEN也是要花钱的。这是一个选择，你是花200块吃一顿别人做好、有多年工艺的火锅，还是花同样的钱，自己买菜、洗菜、熬油，从头做一顿？当成爱好没问题，但放到工作中，还是要讲究术业有专攻，想清楚自己的本职是什么，把时间花在最有价值的地方。

我还见过一些律师，每天追各种AI新工具，一心想成为“最会用AI的人”，觉得每天都有新东西颠覆行业。不可否认，科技行业日新月异，一天不学习就可能落后，但AI落地到法律行业，并没有夸张到每天都在颠覆的程度。

我们的本职工作是法律，AI只是辅助工具，目的是提升效率。如果整天研究工具本身，把主业抛在一边，就算工具玩得再熟练，工作能力没提升，也毫无意义。当然，从工具使用和思维认知层面，我们确实要跟上时代，理解当下和过去的不同，对未来保持思考和警惕，不固步自封，但这些都是宏观层面的事，不会直接影响我们日常办案。

可能有人会问：为什么自己做不出好用的AI？其实AI不只是需要一台电脑，还需要硬件、算力、能源，甚至大量人力投入。

我以前以为，AI训练就是电脑无休止地模拟运算，后来才知道，训练离不开人力介入，而且不只是计算机工程师，还包括劳动力。比如有的是低成本的基础劳动力，一些国外的公司会雇佣非洲的劳动力，以较低时薪让他们没日没夜的手动识别恐怖照片——因为这类数据自然积累很少，只能靠人工标注，才能让AI理解什么是恐怖照片。还有一种类型是相对高成本的脑力劳动力，比如AI公司会聘请律师、会计师，帮AI学习撰写尽调报告、把控法律和财务细节。这么做的原因是，公开领域的专业尽调报告全文很少，所以他们让会让律师、会计师做两件事：一是把工作报告脱敏后上传，二是像带教律师一样，通过问答的方式“教”AI，尽量去问它答不出来的问题，再告诉它正确答案，帮它优化。

所以说，AI训练根本不是有电脑就够了，甚至不是有算力就够了，我们自己根本没有办法手搓出真正能用的AI产品。

讲了这么多，听起来都比较偏理念、偏认知，没有涉及想讲太多实际操作的内容，因为这件事情并没那么复杂。逻辑很简单，根据你的工作内容，选择合适的AI工具，直接用就可以。

前两年我们还总强调要学提示词，要设计结构、设定场景、比如让AI扮演法律专家，写一大段指令。但现在你会发现，提示词在日常使用中已经没那么重要了。我现在用AI，就是把它当成一个人正常沟通。

核心就在于挑选工具、用好工具，在现有工具条件下，怎么最大程度提升效率。熟练使用后，整个流程就是输入、处理、输出，没那么复杂。去年我在AI产品上大概花了两万元，有踩雷的，也有觉得不好用退款的。但关键是要愿意尝试，不要不接触、不认可，或者总想着免费使用。

这里推荐几个我常用的工具，这里不会涉及有些更高级但对大多数人使用门槛却很高的应用，主打实用性。比如我们常用的Alpha GPT，能做法律咨询、梳理文书、修改合同，三年只要5000多元。尤其是改合同这类高频需求，现在效果已经很好，形成稳定工作模式后，成本完全可控。还有metalaw，专门做案例检索。虽然Alpha GPT也有这个功能，但我还是坚持术业有专攻，meta的案例检索最好用，一年只要500元。很多案件的制胜关键就是案例检索，一个案子就能直接回本。还有WPS AI，功能比较全面，工具性很强，格式调整、文稿润色、做PPT都很方便。整体来看，我们需要投入的成本，和AI带来的效率提升相比，真的不算高。

这些付费工具的好处，就是基本不会出现AI幻觉。以前免费工具出现的编造法条、杜撰案例这类问题，用这些付费工具时基本不会发生。从提升效率的角度来说，我们也不用花大量时间核查这些问题。原因在于，像豆包、DeepSeek这类平台，接入的是全网全部数据，内容包含失效法条、现行法律、域外法律，还有各种非正规信息，甚至会自主编造，肯定会出问题。这些付费ai使用的是专业数据库，并且经过了专门训练，所以更可靠。

除了这些付费工具，2026年我用得最多的，其实是一款免费工具——豆包。最开始我对它持谨慎态度，没怎么用，后来发现掌握正确用法，它真的很好用。不能像用百度、搜狗那样，有问题直接问它。尤其是涉及专业问题时，它很难给出真正实用的答案。

对我来说，它更重要的作用是文字整理。很多人用AI，就是跟它说一句话：“你给我生成一篇什么样的文章”。它能不能生成？当然能，但生成的结果往往AI痕迹很重，内容空泛。我觉得合适的用法是：给它足够的信息，再让它帮你整理。

比如我经常要给客户、团队伙伴发很长的信息。一方面要表达清楚，另一方面，我觉得发文字比打电话、发语音更好，因为文字是留痕的，以后回头看，能回顾当时的情况。以前就很纠结，打电话、发语音很方便，但几十秒的语音发好几条，别人根本不想听；自己打字又很麻烦。现在我的方法是：给豆包发语音，把要讲的内容全部说出来，再让它转成文字。你可以告诉它，需要正式的汇报风格，还是日常沟通风格。用久了，它慢慢就能掌握你的表达风格。很多时候，我发一段语音给豆包，它整理完我复制过来就能直接用，特别省时间。写会议纪要、法律意见也可以用一样的方法。

这里涉及一个方法论问题，不要把AI当成创作者，要把它当成助手，你是创作者，告诉它要做什么，这样出来的内容才好用。当然有人觉得自己打字更快，文思泉涌直接写出来。但我自己的体验是：有时候心里有想法，但坐在电脑前一个字都写不出来。这种时候就用这个方法，把想讲的内容说出来，哪怕没有逻辑、观点不成熟，至少先把内容生成出来，这对我今年的工作效率提升非常明显。

而且我最近发现，用AI做PPT，豆包也特别好用。我之前试过讯飞智文、WPS AI等各种工具，最后发现，最好用的居然是免费的豆包，做出来的内容最实用，其他工具多多少少都差一点。

去年年底，我还尝试用AI完成一项系统、专业的非诉工作，主要用的就是豆包。这听起来和我刚才说的有点矛盾：不是说不要用免费软件做专业事吗？但我反而觉得，我是在用它擅长的功能做专业的事。这也是一个方法：不只是用工具本身，还要知道每个工具擅长什么、核心价值是什么。

对我来说，豆包的核心优势不在研究、检索、分析、创作，而在于文字整理。很多非诉工作，耗费我们大量时间的，恰恰就是文字整理。

去年我做的一个立法后评估项目，核心工作是：针对某部法律司法机关在各地调研的情况，汇总各地反映的问题，进行总结提炼、分析痛点、提出改进建议。这里面AI能做什么？比如几十份调研意见，我全部发给它，让它从中提炼把关键点一条条抽出来，我来做分析、判断，它帮我整理、归纳、结构化。我们分工配合，一步步完成报告，客户也很满意。

这里还涉及一个很重要的方法论，现阶段使用AI，必须具备拆解工作任务的能力。比如我要做一份立法后评估报告，不可能直接把这部法律文件丢进去，说“豆包你给我出一份完整报告”。它当然能生成，但内容一定没法用。

你需要把工作拆解成多个部分，一部分一部分生成，后一部分依托前一部分的内容，再整合、梳理、不断迭代，最后形成完整成果。所以就算用AI做，这个项目我也大概花了一周时间。如果完全靠人工整理，耗时会极其漫长。我们不排除未来专业法律AI能自主拆解任务，但至少现在它做不到，这部分能力需要我们自己锻炼。

在这个应用案例里，还有一个关键，如何在使用通用AI时避免AI幻觉。大家用豆包、千问这类免费AI时，都会看到一个按钮：是否联网生成结果。我做这类工作时，会选择不联网生成，这能最大程度避免AI幻觉。比如这个立法后评估项目，我会明确告诉它：只允许使用我给你的调研材料，只允许按照我的指令整理，不允许自主发挥，不允许从网上添加内容。在这样的约束下，最终才做出了客户认可的成果。

归纳起来，有三个非常重要的方法论：

第一，认识AI幻觉，掌握在具体场景下如何避免AI幻觉。比如使用免费工具，要严格限定它只能使用你提供的物料，不联网、不自主创作。

第二，根据情况的不同使用不同的AI，比如我认为豆包最核心的功能是文字整理，就让它专注做文字整理，不把它用在不擅长的专业研判上。

第三，使用AI的方式，不是一句话下指令，而是把自己当成主角给他安排具体工作，把任务拆解清楚，分步骤生成，最后形成完整的工作成果。

最后我想补充聊一个话题：AI现阶段能不能替代我们传统的法律检索？未来不好说，但至少现在我认为不行。

我的AI课程通常会和法律检索一起讲，很多人会觉得矛盾：都有AI了，还讲检索干什么？AI不是就能检索吗，还更快。但比如在我的检索课件时，预设了10个检索场景。直到今天，我认为其中很多场景，AI依然检索不出来。我们讲的检索，不是在百度、搜狗搜一个关键词得到答案那么简单，而是要结合专业及正在处理的工作，使用不同的工具，分步骤层层递进才能得到结果的。

我印象很深在一次检索实践课中，我给大家抛出问题让大家检索，很多人告诉我答案，而我再问他们答案怎么来的，他们说是豆包说的，除此之外什么都不知道。暂且不论这样得出的结论是否正确，比如你的客户问你、你的领导问你、你代理案件里的法官问你，你的结论从哪里来的时候，你不可能说“是豆包告诉我的”吧。

所以我认为，至少目前来看，AI虽然方便，但依然要学会正确看待它。什么时候用收费工具，什么时候用免费工具；该怎么用才能发挥最大价值；什么时候不能用AI，必须回到传统工具、传统方法。归根结底，它并没有脱离没有AI时的工作方法：对一项工作，如何发现问题，如何拆解问题，如何针对每个具体问题的特性，选择不同方法落实，最后得到最优结果。