夜雨聆风摘要：很多律师问：“我是文科生，看不懂Python，能用AI查判例、审合同吗？”答案是能——但想真正驾驭AI（私有化部署/RAG知识库/工作流自动化），你不需要先去补微积分。程序员说的“数学不是必须”，平移过来就是——法律人说的“逻辑+语言力是核心”。日本Arutowa文科编程心法，恰是律师深入AI的最佳入门指南。
常有同仁私下问我：“我是法学，是文科毕业，看不懂Python、不懂线性代数，搞AI是不是只能停留在豆包对话框里？”
我的回答是：不必先成为程序员，但要建立“编程式思维”。
我给大家介绍这套“文科生学编程“的大法，也几乎可以原封不动移植到“律师深入使用AI“这件事上。为法律人拆解“从Prompt用户 → AI Power User → 私有化AI运营者”的进阶心法。
一、“数学困难户”不影响当工程师，同理不影响深用AI
Web开发、后端、 infra——这些占IT业大多数的岗位，只要四则运算+条件分岐（If-Then-Else）就够用。高度数学只在ML/图形/密码学等特定领域才必需。
对应到法律AI：用AI做合同摘要、风险标记、判例对照→ 不需要懂Transformer架构，不需要会微积分
跑本地Ollama + 接律所知识库（RAG）→ 只需要懂“哪些文件放进去““问什么 Prompt”“如何看引用来源”，不需手写Embedding算法。
你已有的“把复杂事实分解成要件→效果→例外“的法学训练，就是最好的伪代码能力。
二、编程最重要的是“分解步骤”，法学早就在练这个
编程核心不是解方程，而是：按顺序把目的分解为可执行步骤的能力
这和法条适用完全同构：
[](@mark_underline=9)IF 被告主张时效抗辩
→ 检视起算点是否在3年内
IF 有中断事由（催告/承认）
→ 重新计算
ELSE
→ 时效完成，驳回
用AI做Legal Workflow（n8n/Make自动化）也一样：
[](@mark_underline=10)Trigger: 新邮件含.pdf
→ Parse PDF
→ 调AI提取[甲方/乙方/违约金%]
→ 写入Notion案件库
→ Slack通知律师
你已经在脑内run程序无数次，只是没意识到这也是“算法”。
三、最低限“算术”= 最低限“提示词精度”
说编程只需小学~中学算术：四则运算、百分比、余数（奇偶判定）、XY坐标。
对应AI使用只需：
基础算术概念 | AI法律应用对应 |
四则运算 | “总金额 - 已付 = 余额”，让AI批量核算违约金、利息或剩余价款。 |
百分比/折扣 | “定价的20%违约定金是否超出法定上限”，让AI校验格式条款的合规性。 |
余数（奇偶） | （无直接对应）但需理解AI的“交替处理”逻辑（如：奇数月付款 vs 偶数月汇报）。 |
XY坐标/布局 | 理解AI多模态识图（如：施工现场照片→标注安全隐患部位；图纸→识别尺寸冲突）。 |
更重要的——不是速算能力，而是“知道该列什么算式”。同理AI使用：不是写出代码，而是写出精准Prompt（“站在最高院某号指导案例角度，指出本合同与上例矛盾点，并引用条文”）。
四、“把做大盘鸡的步骤写出来”= 训练Prompt Engineering
Logic训练法——“把日常行为极细分并语言化”：
做大盘鸡→切材料（鸡肉、土豆、辣椒等）→炒→加水和调料→小火炖。IF土豆硬→再加时间。火关掉再加些小葱花。
这正是Few-shot Prompting / Chain-of-Thought的本质！
试着对你常用的豆包说：
[](@mark_underline=15)你是一位专注证券法的合伙人律师。
STEP1: 读以下股份转让协议
STEP2: 提取【转让价格 / 交割条件 / 违反救济】
STEP3: 对照我方标准模板，标记偏离>2处
输出格式：表格，偏离处标黄，附简要法理依据
会“分解步骤并语言化”，是法学基本功。你早就在练Prompt Engineering，只是没叫它这名。
五、文科生的优势——语言力×用户视角×沟通力
强调文科三大强项：阅读和理解能力、共情力、交流能力。
在AI中完全可以发挥：
文科强项 | AI法律应用体现 |
语言化能力 | 编写精准的 Legal Prompt；甄别 AI 输出是否存在逻辑谬误或法条张冠李戴。 |
用户视角 | 设计当事人自助问卷（如离婚财产申报向导），让非法律人也能在 AI 引导下完成信息采集。 |
沟通能力 | 向 IT 部门说明需接入的 API 字段（如“提取 SaaS 合同的当事者、金额、解除条款位置”）；向客户解释 AI 的局限性。 |
结论：你不需要先学数学。你已有的“把复杂事说清楚“的能力，正是工程师做不好、而法律AI最需要的。
律师进阶AI的“三阶里程碑“（不必跳级）
阶段 | 目标(Milestone) | 成就感来源 |
Lv.1 对话者 | 用豆包做合同摘要+ 风险标记 + 判例对照 | “它帮我半小时读完 80 页” |
Lv.2 工作流设计者 | 用扣子(Coze) / 元器搭建所内法规问答Bot； 或用飞书多维表格+ 自动化做“邮件 → AI → 飞书文档 → 群消息” | “所内不再重复问同一解释” |
Lv.3 私有 AI 运营者 | 私有化部署（Docker / Ollama / vLLM）运行通义千问 Qwen3（72B/32B量化）或 智谱 GLM-4（私有版），数据不出办公室将事务所历年备忘录、标准合同模板、内部法规汇编导入向量数据库（RAG），使 AI 输出贴合本所表述习惯与风控标准 | “客户数据不碰云端，AI 还认得我们所模板措辞” |
第一个Hello World建议：
让AI把一份三方投资协议 → 提取【出资比例 / 清算顺位 / 僵局解决】→ 导出表格
做到了？恭喜，你已经完成了法律人的“Hello World”。
结语：法学是最接近“编程“的人文科学
大陆法系本来就在写Rule（要件）→ Condition → Conclusion。
你早就在脑中run程序，只是没叫它编程。最后说一句：
“对数学的畏难情绪，不应成为你挑战科技行业法律服务的阻碍。”
将其置换一下，我想对各位法律人说：
“对代码和算法的畏难情绪，也不应成为你深入探索AI的阻碍。请一定要对自己拥有的‘法学逻辑与语言化能力’充满信心……去亲身感受与AI对话的乐趣吧。”
下次所里律师问“AI靠不靠谱”，你可以笑着回：
