封装还是自建:律师AI工具的两条路

市面上已经有几十款法律AI产品了。合同审查的、案例检索的、文书生成的、法律翻译的——每个细分赛道都有创业公司在做，产品越来越成熟，价格越来越低。

那为什么还要自己折腾？装一个App不行吗？

我的回答是：行，也不完全行。封装工具解决"有"的问题，自建harness解决"我"的问题。两条路，各有代价。选哪条，本质不是技术选择，是战略选择。

封装工具的诱惑

封装工具的优势是真实的，不用回避。

上手快。打开网页，今天注册今天用。零配置，不用写规则，不用管模型参数，不用建知识库。

场景聚焦。创业公司花了几百个工程师小时，把合同审查的每个环节磨过——哪些条款容易出问题、风险怎么分级、审查报告怎么呈现。他们替你做了绝大部分通用化工作。

有售后有更新。bug有人修，模型升级了自动适配。你不用管。

对80%的常见需求——标准合同的常规审查、常见法律问题的快速检索、基础文书的自动生成——封装工具完全够用，而且比从零搭快得多。

但问题出在剩下那20%上。

封装工具的代价

封装工具最大的代价不是价格，是边界。

规则是别人的。一款合同审查工具判断"高风险"的标准，是它的产品经理和法律团队定的。这个标准可能和你自己的标准有差异——你觉得高风险它标中风险，你遇到的交易结构不在它的分类框架里。你不能让它按你的标准重新判断，因为判断逻辑写在产品代码里，不向你开放。

边界是别人划的。封装工具只能在设计好的场景里工作。它审查买卖合同、租赁合同、劳动合同——这些是被定义好的场景。但如果你手上是一份复杂的合作协议，涉及多层交易结构，它可能就无能为力了。不是AI能力不够，是产品设计时没包含这个场景。在产品边界之外的需求，产品团队不会为你一个用户调整产品路线。

护城河脆弱。这点最关键。封装工具的核心竞争力是"在通用模型外面包了一层法律专用层"。但通用大模型的能力在快速提升。当基础模型的法律推理能力越来越强，那层专用层的附加值就被挤压。这句话不是预测，是已经发生过的事——过去两年，好几款法律AI创业产品，在GPT、Claude等基础模型升级后，用户发现直接用通用模型的效果和专用产品差不多了，护城河迅速收窄。

数据在外面。你的合同、案件分析、咨询记录，存在别人的服务器上。这些是你最核心的资产——记录了你对法律问题的判断方式、风险偏好、客户特征。用封装工具，这些数据不在你手上，还会被用于训练和优化产品。你的经验在帮别人的产品变得更好。

自建Harness的代价

自建harness的优势是对称的：规则是你自己的，每次迭代都在加深竞争壁垒；边界你来划，AI能做的事随规则生长而扩展；数据在你手里，变成自己的知识库；护城河在你身上——通用模型再强，不懂你的标准和经验。

但代价必须诚实说。

需要时间。不是装一个App就行。是每次使用后复盘，发现出错的地方，想清楚原因，写一条规则，下次验证是否有效。不是一次性投入，是持续投入。

学习曲线陡。你需要理解AI的工作原理——它为什么容易在法条引用上出错、为什么在复杂推理中可能遗漏前提、为什么不会说"我不确定"。不一定需要懂技术，但一定需要懂AI的思维习惯。这需要刻意学习。

需要持续维护。规则体系不会"建成"，它一直在长。每次使用都可能发现新边界，每次发现都需要增改规则。不想投入这个维护成本的话，自建不适合你。

怎么选：一个决策框架

对大多数律师，最优解不是二选一，而是分层。

核心业务，自建。你每天在做、最擅长、最在意质量的那部分——比如专攻建设工程纠纷，这类案件的合同审核和诉讼策略就是核心业务。封装工具的标准满足不了你，因为你的标准本身就是竞争壁垒。自建harness，让AI按你的标准工作。

边缘需求，用封装。偶尔遇到不熟悉的领域——主做诉讼但偶尔审一份劳动合同——封装工具完全够用。不需要自己建一套劳动法AI规则。

一个判断标准：使用频率 × 专业独特性。

高频 + 高独特性 → 自建。你每天在用，且用法和行业标准有差异。

高频 + 低独特性 → 封装优先，长期可考虑自建。

低频 + 高独特性 → 通用AI加人工强验证。封装和自建都不划算。

低频 + 低独特性 → 封装工具，完美匹配。

长期看，护城河在谁身上

封装工具的路，长期有一个结构性问题：大模型每升级一次，封装层的附加值就被挤压一次。封装工具陷入一个困境——功能做少了，用户觉得和通用模型没区别；功能做多了，成本上升，但大模型一升级又把差距抹平。

自建harness这条路，护城河不在技术上，在你的经验上。风险判断标准、合同审查重点、客户沟通偏好——这些通用模型不知道，封装工具也不知道，因为是你自己长年执业攒下来的。写成规则，AI就成了你自己的延伸。别的律师用同样的工具、输同样的提示词，得到的结果和你完全不同——不是技术有差距，是你的规则和别人的规则不同。

这个壁垒，大模型升级打不穿，创业公司烧钱追不上。

最后

封装工具解决"有"的问题——让律所有AI可用。自建harness解决"我"的问题——让AI变成你自己的延伸。

短期看，封装更省事。长期看，自建才能真正长出竞争力。律师这个行业，核心竞争力从来都在"我"身上——你的判断、你的经验、你的风格。这个规律在AI时代没有变。

如果今天只能做一件事，我的建议是：选一个你每天在做的工作环节，试着让AI参与一次完整的协作。做完后复盘它哪里做错了、哪里差点意思。针对最让你不满的那个点，写一条规则。下次再试。

从一条规则开始。这就是harness生长的起点。

作者简介：陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。