夜雨聆风LegalAI 日报 · 2026 年 5 月 13 日 · 第 37 期 / AI应用 Vol.04
《三体III：死神永生》开头，有一个很适合拿来理解 AI 的故事。
拜占庭快要陷落的时候，狄奥伦娜偶然接触到一个四维碎片。她发现自己可以从正常三维世界看不到的方向接近目标，也可以穿过我们以为封闭的空间。
三维世界里，墙就是墙，门就是门，卫兵挡在前面，你就只能从前面突破。
但如果多出一个维度，事情就变了。
你可以绕过墙，绕过门，绕过卫兵，从三维生物根本想不到的方向接近目标。狄奥伦娜正是想借这种能力刺杀奥斯曼帝国苏丹穆罕默德二世。后来四维碎片离开地球，她失去能力，刺杀失败，被处死。
在当时的人看来，这就是女巫杀人。
但那不是魔法。
那只是维度差。
你可以想象一只纸上的蚂蚁。它活在二维平面里，面前有一条墨线，它就必须绕过去。它不知道纸的上方还有空间。
但你作为三维生物，可以直接从上方把它拿起来，放到墨线另一边。对蚂蚁来说，这像瞬移；对你来说，只是多了一个维度。
低维世界里看似不可理解的事情，到了高维世界里，可能只是多看见了一条路径。
这就是 AI 现在给知识工作者带来的变化。
过去我们查资料，通常是一条线往前走：先查法规，再查案例，再查报告，再问专家。每走一步，都受限于自己的经验、关键词和资料入口。我们就像纸上的蚂蚁，只能沿着平面一点点爬。
现在 AI 可以把原本相隔很远的东西同时摊开：法规、行业、技术、商业模式、合同结构、监管担忧、证据路径、人的动机。
问题是，很多人还是把 AI 当搜索框。
他们问：
帮我查一下某个问题。
AI 就给他一堆资料。
他们问：
帮我总结一下某个行业。
AI 就给他一篇行业科普。
这当然有用，但还不是高维能力。
“AI 不是搜索框，而是高维调研工作台。”
真正的高维能力，不是知道更多材料，而是更快看见材料之间原本隐藏的连接。
这篇文章要交给你的，就是这样一个工具。
它不是一个提示词，也不是某个 AI 产品推荐，而是一套可以反复使用的高维思考工具。
不管你要解决一个复杂法律问题，快速了解一个陌生行业，还是为一篇文章建立判断框架，你都可以把它安装到自己的智能体里，让它帮你把模糊话题压成真实问题，再按「事实 -> 结构 -> 判断 -> 下一步」推进。
AI 时代，真正重要的不是多知道几个答案，而是拥有一种能不断生成判断的工具。
今天这篇文章，就把这个工具交给你。
资料更多了，判断反而更难了
法律人经常遇到一种问题：没有现成教科书。
比如，客户问你一个 AI 产品能不能上线。
这不是单纯查《生成式人工智能服务管理暂行办法》。你还要知道产品流程、数据来源、模型供应商、用户画像、内容安全、合同责任、监管口径、证据留痕。
再比如，你想快速了解一个行业。
你不能只读行业报告。你要知道这个行业怎么赚钱，谁有议价权，监管真正怕什么，合同风险在哪里，争议通常怎么爆发。
再比如，你要写一篇关于「大陆律师使用 AI 工具」的文章。
表面问题是：律师都在用哪些 AI 工具？
真实问题其实是：这说明中国法律服务行业到了哪个变化阶段？是个人尝鲜，还是团队试点，还是已经进入可追责的工作流？
所以，AI 时代真正有价值的问题不是：
我能不能更快拿到资料？
而是：
在没有标准答案的地方，我能不能更快建立一张足够可靠的认知地图？
这就是综合调研要解决的问题。
先别问答案，先搭地图
我把这套方法封装成了一个 Skill，名字叫 synthesis-research。
它的核心逻辑很简单：事实 -> 结构 -> 判断 -> 下一步。
但真正关键的是，它不会让 AI 一上来就回答。
它会先做一件事：把你的模糊话题压成一个真实问题。
比如你说：
研究一下中国大陆律师使用 AI 工具的情况。
一个普通 AI 可能会开始列工具、列报告、列比例。
synthesis-research 会先追问这个题目背后的判断任务：
你真正想判断的是不是：中国大陆律师的 AI 使用，已经从个人效率工具进入组织化法律工作流了吗？
这一步很重要。
因为资料不是越多越好。资料必须服务于判断。
接下来，它会把问题拆成几层：
你会发现，这张表本身就已经比「帮我查一下」高级很多。
它让 AI 不再沿着一条线跑，而是同时打开多个层面。
这就是高维工作台。
同一堆材料，为什么结论不同
我们刚才就用这套方法做了一次小型调研。
如果只看表面，很容易写成一篇工具盘点：律师在用 DeepSeek、Kimi、豆包、ChatGPT、法律数据库 AI、合同审查工具……
这类文章不会错，但价值有限。
综合调研要继续往下问：
1. 这些使用是个人行为，还是律所制度？ 2. 是偶尔试用，还是高频嵌入工作流？ 3. 是通用大模型裸用，还是接入了法律数据库和内部知识库？ 4. 输出结果有没有复核、留痕、客户授权和责任边界？ 5. 这件事对中国律师真正意味着什么？
于是结论就变了。
大陆律师使用 AI 的真实状态，不是「会不会用 AI」。
更准确的说法是：
“个人高频使用已经发生，组织级工作流仍在早期。”
这句话比工具清单更重要。
因为它提示法律行业真正的分水岭已经出现：不是谁知道更多工具，而是谁能把 AI 放进可追责、可复核、可交付的工作流。
这就是综合调研的价值。
它不是帮你堆材料，而是逼你形成判断。
哪些问题适合交给它
我建议你把它当成一个临时研究部。
它尤其适合三类场景。
第一类，解决复杂法律问题。
比如 AI 产品合规、数据出境、劳动争议、合同风险、监管问询。很多法律问题表面是规则问题，底层其实是业务、技术、证据和责任分配问题。
第二类，快速了解一个行业。
比如新能源、医疗器械、跨境电商、法律 AI、低空经济。你不是要一篇百科，而是要知道这个行业的关键结构、真实矛盾和法律服务机会。
第三类，写作和研究前搭建认知地图。
不要让 AI 一上来替你写文章。先让它帮你找到真问题、关键分歧、反方观点和最值得写的判断。
这样写出来的东西，才不会像资料拼贴。
一句话安装，三种方式调用
我把这套方法封装成了一个开源 Skill。
不管你用 OpenClaw、Hermes、Codex，还是其他支持 Skill 的智能体工具，你只需要对它说一句话：
请安装下面这个地址里的 Skill，并在后续调研任务中调用它：
https://github.com/Raynox77/synthesis-research如果 GitHub 访问慢，也可以用 Gitee 地址：
https://gitee.com/raynox77/skills安装后，你不需要学复杂指令。你可以按自己的习惯用三档方式调用。
专家版，适合你已经知道自己要判断什么：
主题/对象 + 你真正想判断的问题 + 用途 + 输出要求比如：
中国大陆律师使用 AI 工具的情况 + 我想判断它说明中国法律服务行业到了哪个变化阶段 + 用于写周三专栏 + 最后给我一页 issue map普通版，适合你只有一个大方向，但还没想清楚判断问题：
研究中国大陆律师使用 AI 工具的情况，帮我判断它对中国律师/法律 AI/这个项目到底有什么意义，最后给我一页结论。傻瓜版，适合你什么都懒得写：
帮我调研中国大陆律师使用 AI 工具的情况。这也可以。
你不用担心自己说得不够专业。这个 Skill 的第一步，就是先把你的模糊话题压成一个真实问题。
它会默认这样做：
1. 先把模糊话题压成一个真实问题
2. 再按“事实 -> 结构 -> 判断 -> 下一步”推进
3. 输出时明确区分：已核实事实 / 经验判断 / 待验证假设
4. 如果你不指定格式，默认交付一份 1 页 issue map你可以这样直接说
你可以直接这样对你的智能体说：
请安装下面这个地址里的 Skill，并在后续调研任务中调用它：
https://github.com/Raynox77/synthesis-research安装完成后，专家可以这样说：
调研问题：中国大陆律师使用 AI 工具的情况
调研目标：判断真实采用阶段、主要使用场景、组织化程度和风险边界
输出要求：一句话结论、议题地图、关键事实、反方观点、不确定性和下一步行动普通用户可以这样说：
研究低空经济，帮我判断它对中国律师/法律 AI/这个项目到底有什么意义，最后给我一页结论。最懒的时候，也可以这样说：
帮我调研一个面向未成年人的 AI 陪伴产品。真正的使用门槛很低。
你能给三个要素最好：主题 / 真正想判断的问题 / 用途。
如果给不出来，也没关系。
剩下的，它会按 Skill 的流程推进。
你带走的不是资料，是工具
你发题目，它不急着回答。
它会先帮你把题目变成一个真正值得判断的问题。
不管你要解决一个法律问题，快速了解一个行业，还是为一篇文章建立判断框架，它都会按「事实 -> 结构 -> 判断 -> 下一步」推进。
“最后，你获得的不是一堆资料，而是一个可以反复使用的高维思考工具。”
AI 时代真正值得带走的，也不是某一个提示词。
提示词会过时，工具会更新，模型会换代。
但只要你学会把问题分层，把材料组织成结构，把结构压成判断，再把判断落实到下一步行动，你就不再只是向 AI 要答案。
你是在使用 AI，搭建自己的高维调研工作台。
这才是我理解的 AI 应用。
