夜雨聆风今年5月13号，Anthropic 在 GitHub 上公开发布了一个叫 claude-for-legal 的项目：12个法律实践领域插件、80多个技能模块、5个自动化 Agent、20多个对接法律软件的连接器。
这不是某家法律科技公司的产品，是 Anthropic 自己写的。
名义上是给想用 Claude 构建法律工作流的人看的。但仔细读下去，你会感觉 Anthropic 是在对整个行业说一句话：法律 AI 应该是什么样的，这是我们的答案。
我花了一些时间把这个项目拆开来研究。有几个设计决策让我印象很深，不是因为技术有多复杂，而是背后的判断太清醒了。
文章最后也会附上安装方法。
先问来者何人，摸清底细再动手
打开 claude-for-legal 里任何一个插件，第一步都不是直接干活，而是一个叫"冷启动面试"（cold-start interview）的环节。
面试问什么？你的执业领域、管辖范围、客户类型、风险偏好、常用文书格式、哪些情形需要升级处理……每个插件有自己的问题清单，回答完之后，信息会写进一个专属配置文件，之后所有技能调用都从这个文件里读取你的背景。
如果你还没完成冷启动，插件会直接拒绝工作。不是报错，是明说：先去做 /cold-start-interview，做完再来。
很多人可能觉得这多此一举。我第一反应也是：为什么不直接问呢？
但 Anthropic 在文档里把理由说得很清楚："没有配置的法律 AI 输出是危险的——管辖错误、标准不一。"
这句话值得多想一想。我们平时遇到的 AI 法律助手，大多数是你说什么它就答什么，从不主动问你是在哪里执业、面对什么类型的法院、当事人是什么背景。它给出的答案，可能是美国法律框架下的，可能是通用教科书标准，可能和你实际处理的案件没有半点关系。
冷启动面试的本质，是强制在开始工作之前建立一个"我知道在为谁服务"的前提。没有这个前提，所有输出都是在赌运气。
但这个设计还道破了一件事，Anthropic 没有明说，但逻辑上清楚：法律人的专长，本来就只能是某一领域的顶尖专家。一个刑辩律师对劳动法的理解，和一个劳动法律师对刑法的理解，都不可能同时达到顶级水准。通用大模型没有这个限制，但它恰恰因此缺乏定向深度。冷启动面试做的事情，是把律师的专业边界告诉 AI，让 AI 在这个边界内深度配合，而不是在所有领域都浅尝辄止地给你一个"差不多"的答案。承认专长有边界，才能把边界以内的事情做到极致。
来源诚实，不知道就说不知道
claude-for-legal 里有一套来源标注系统。每一条法律引用，都必须带标签：
从 Westlaw 或 CourtListener 这类数据库里检索到的，标 [Westlaw]或[CourtListener]从官方法规网站获取的，标 [statute / regulator site]用户自己粘贴进来的，标 [user provided]模型训练数据里的，标 [model knowledge — verify]
最后这个标签是默认标签。凡是 AI 自己"知道"的东西，只要没有经过外部数据源确认，一律打上"请核实"。
有一条规则写得很直接：标签描述的是来源，不是置信度。不允许因为"看起来对"就升级标签。
与标注系统配套的，是一套叫"三值响应"的机制。当某个技能执行到一半，发现缺信息了，它面临的不是"是否往下走"的二选一，而是三条路：补充并标记来源；停下来问用户；或者标注风险但不改变分析。
第三条值得单独说。就算 AI 知道自己引用的某条信息可能有问题，它也不会悄悄删掉这条引用，而是保留并明确标注风险。文档里有一句话说得很准：沉默等于误导，已知的怀疑不标注等于确信。
这对中国律师来说应该有共鸣。AI 生成的法律文书里最危险的不是明显的错误，是那些"看起来没问题"的引用——条号对的，内容不对；法律对的，施行时间搞错了；司法解释存在，但适用范围不对。这些错误之所以能蒙混过关，正是因为 AI 选择了沉默而不是标注。
宁可多标，不可少标
这是 claude-for-legal 里我觉得最值得学的一个判断。
项目文档里有一段话，用了一个很直白的比喻。
少标风险是一扇单向门：律师看不到标注，就不会去核实，错误通过了就通过了。
多标风险是一扇双向门：律师看到了 [review]，花30秒确认没问题，然后关上这扇门。
两者的代价不对等。少标一次风险，可能是不可逆的；多标一次风险，顶多让律师多看一眼。所以系统的默认选择是：永远开双向门。
这条规则还有一个延伸。上游技能标记的风险，不能在下游静默降级。如果某个分析步骤标出了一个红色风险点，后续的汇总报告不能把它自动降成黄色，除非明确说明为什么降级。
目前很多法律AI产品为了让输出"看起来更有用"，会主动过滤掉不确定性表述，删掉"可能"、"有待核实"之类的标注，让答案显得更干净、更确定。这是在帮律师，还是在给律师挖坑？
Anthropic 的答案是：那是坑，不要挖。
清单是地板，不是天花板
最后一个原则，是关于 Skill 自身边界的设计。
claude-for-legal 里每个插件都带着自己的操作清单：审查合同有清单，处理案件有清单，做合规分析有清单。但项目里有一条明确写入的设计原则：
这句"比裸 Claude 更差"是很重的话。给 Claude 装上一个法律插件，反而让它变笨了，这才是最坏的结果，比没有插件还糟糕。
所以 Skill 的存在是为了补充，不是为了约束。清单保证了标准流程的覆盖，但当用户提出一个清单以外的问题，正确行为是直接回答，而不是说"这不在我的功能范围内"。
用中国律师的语境翻译一下：你给 Claude 配置了一个处理刑事案件的工作流，但今天客户临时问了一个关于民事赔偿的问题。AI 正确的做法是回答，而不是说"我是刑事专用助手，这个问题不在我的范围里"。那种回答是工具在管人，不是工具在帮人。
这套设计哲学说的是什么
四条原则，说的其实是同一件事：律师的判断权不能被 AI 替代掉。
先建立上下文，是为了让输出和律师的实际处境匹配，不是给一个通用答案让律师自己去套。来源诚实和多标原则，是为了让律师看到真实的不确定性。清单是地板，是为了不让工具反过来约束律师的思维。
claude-for-legal 是美国语境下的产品，很多具体功能直接照搬用不上。但它背后这套逻辑，和律师在用 AI 工具时真正担心的事是对得上的：我能信任这个输出吗？这个工具是在帮我还是在悄悄替我做决定？
这些问题的答案，要从工具的设计哲学里找，不是从功能列表里找。
Anthropic 把他们的答案公开写出来了。能不能用是一回事，值不值得看是另一回事，至少我觉得值得。
附安装方法
方法一：直接给Claude说帮我安装https://github.com/anthropics/claude-for-legal.git
方法二：
输入/plugin回车
在输入框加入https://github.com/anthropics/claude-for-legal.git
