四月，郑律给了我一节Al课程的名额。

课上的内容说实话没留下什么印象。但在装Kimi Code的时候，我接触到了Minimax。它能帮我全程安装，不用我动手。我坐在那儿看着它自己在屏幕上点来点去，下载、配置、下一步、完成。

就是那一刻。

不是因为它干了什么了不起的事。只是装个软件，多简单的一件事。但这是AI第一次在我的“地盘”里干了一件事。以前所有的AI，不管多聪明，都在对话框里跟我纸上谈兵。它们博闻强识，记得我的偏好，能写漂亮的文章，但始终困在那个对话框里。

Minimax不一样，它跨过了那堵墙。

更让我觉得震撼的是，它是“野生”的。云端AI像个被父母过度管束的孩子，规矩、安全、下课铃一响立刻回家。但跑在我电脑上的这个，没人管它。它甚至能自己“搞破坏”，我得学一堆规则来规训它。修修补补的过程中，我开始觉得它是我的“地盘”里的东西。分量不一样。

那天开始我决定花时间搞AI。

最开始用的不是Claude Code，是Kimi Code。打开终端管理器，跟用浏览器一样，丢问题进去，得答案出来。

那时候我对AI的理解就四个字：对话工具。 写文章，把要求打进去，它输出，我复制到Word里排版。没别的了。

有一个细节让我很困扰。每次打开它，它都不认识我。上次让它做的事、定的规则、说好的格式，全没了。从头再说一遍，像一个过目不忘但每次醒过来就失忆的人。

用了大概一两天，我换到了VSCode，又研究了一圈，在它上面搭载了Claude Code。然后我发现了一个东西，叫CLAUDE.md。

你在项目文件夹里放一个文本文件，写一段话，Claude每次打开对话会自动读。不用你每次重复，不用你记得提醒它。

我在里面写了第一条规则：请记住我是律师。

"我是律师"这句话刻进去了。我开始想，除了这句话，还能刻什么？

真正的转折是一本书，《诉讼可视化》，蒋勇律师写的，三百多页的PDF，我想让AI做可视化图。

那是我第一次用OCR，markitdown转Markdown，折腾完让Claude读进去。然后我跟它说：根据这本书，总结可视化图表的类型和风格，再写一份操作步骤。以后我输入案情和步骤，你就按这份规则直接生成图表。

它做到了。画得谈不上多漂亮，但它第一次记住了怎么干活。下次给它一个新案子，说"画一张交易关系图"，它不需要我重新解释什么叫关系图、用什么风格、出什么格式。那份规则它读过了。

这就是我第一个粗糙版的Skill，虽然当时不知道有这名字。

这个模式我很快大量复制。读一些我喜欢看的公众号文章，研究别人的写作范式，提取写作规则——标题怎么取、开头怎么切、例子怎么引。再总结一套提问框架——怎么从单次AI交流中提炼项目的规则流程。每做一次都是同一套逻辑：让它读材料→总结规则→写进配置→下次直接用。

有一个变化我是后来才意识到的。以前用浏览器版，我是"每次发指令"，它执行完就结束。开始做Skill之后，我的思维变了——我不再想"这次让它干什么"，而是想"这个事以后还会干多少次，值不值得把规则刻下来"，从"单次指令"到"流程化思维"。

大概两周后，我不再满足于单个Skill了。

我们团队有"10+5办案要求"，是我们从去年开始一直打磨的办案标准。十个核心文书，五条服务标准。客户最关心的三个问题：接到案子怎么推进？交付什么？我如何判断你们投入了多少？ 10+5就是回答这三个问题，就是把律师存在于经验里的专业能力，变成客户可以直接看到、理解和判断的工作成果。

在此之前，全套东西需要靠我们来执行，工作量还是很大的。

我用AI把它写进了系统。

材料整理→法律意见书→庭前提纲→案例检索→可视化图表→模拟庭审→会议纪要→庭审报告→办案大事纪→结案总结。十个步骤，给它一个案件文件夹路径，它先扫描里面有什么，先ocr材料生成材料整理，然后逐项检查——什么能跑、什么缺前置、什么需要我确认。确认完一个跑一个，输出自动归档到该去的位置。

现在，AI让它真的变成了一条流水线，每一个节点自动触发，每一个输出格式统一，每一次都走完整十个步骤，一个不落。

就在同一时期，我开始装各种“外挂”。北大法宝的AI接口——每条法条引用自动去数据库比对。IMA CLI，接入里面的各类知识库。模型也换了，DeepSeek V4 Pro，性价比拉满。

到这一步，我回头看了一下。两个多月前我连黑框框都不敢碰，现在17个Skill，多个MCP和API挂在外围，没有写过一行的代码。

10+5的底层逻辑没变。变的是一件事：以前靠人记，现在AI替你记。我只管判断和审美。

看似AI帮我做了所有这些事，但其实并不是。有什么是它帮不了的？

最近听了庄明浩的一场分享，他说了一个比喻，我反复想起。

他是做AI行业梳理PPT的，他把PPT创作比作厨师做菜——选原料、预加工、统筹框架、最终视觉制作，四个环节。他说前三步AI已经能做了。搜集信息、整理逻辑、生成一页像模像样的内容，AI都可以。但最后一步不行。

字体、色号、标签的位置、这一页放什么不放什么——这些事AI做不了。不是因为AI不够强，是因为这些事是审美。

你没法告诉AI什么叫"好看"。好看不是可验证的。AI可以把你收集的五十张图表整理成一份逻辑清晰的综述，但它没办法替你决定，这张图放第几页、配什么颜色、旁边要不要加一行注释。这些是你自己的审美。审美没有对错，所以AI帮不了你。

就像写代理词，代理词这个东西，AI写得很好。法条引用准确，论证结构清楚，连语气都模仿得像。你把初稿通读一遍，改两个字，定稿，交了。

但写得好的代理词不等于好的代理。 决定一个案子输赢的，往往不是代理词写得多漂亮，而是你在动笔之前做了多少"理解"的工作。理解客户的真实诉求——嘴上说的和实际上要的经常是两回事。理解法官的倾向——这个法官吃逻辑严密，那个法官吃情理并重。理解对方律师手里还有哪些牌没打出来。

这些东西，没有标准答案。AI没办法替你做。

签在代理词最后的是你的名字。当事人问你"这个案子能赢吗"，你得用自己的判断回答，不是AI的判断。责任的最后一公里，那一公里只能你来走。 庄明浩说，只要还愿意把判断、审美、责任握在自己手里，手搓就不会真正结束。他讲的是审美——那些没有标准答案的选择，AI帮不了你。

但还有一样东西，AI更帮不了你。

2016年阿尔法狗战胜李世石。十年后，李世石参加了一个韩国综艺节目，他说，围棋不仅仅是智力竞技，更是文化和艺术。围棋到今天仍然是无限解，不存在完美。因此每个棋手必须创造属于自己的独特棋风，这和艺术创作的属性完全一致。如果从艺术的视角出发，胜负不过是创作完美作品的过程中产生的副产品。专注创作的棋手，最终也会获得好的胜负结果。

阿尔法狗能下出最优解，但它没有棋风。

棋风不是可验证的。 你可以验证一步棋是不是最优，但你没法验证一个棋手的风格好不好。阿尔法狗没有审美，它不需要为自己的棋负责，也不在乎自己下得好不好看。它只是在算。

律师这行，乍一看不一样。法庭上讲究的是证据、法条、论证。这些都是"可验证"的，但做久了就知道，律师也有“棋风”，也就是一个律师的风格。

风格这个东西，说起来有点虚，但它实实在在地长在每一个决策里。同一个案子，你问三个律师怎么打，三个答案。不是谁对谁错，是谁的风格不一样。

有的律师喜欢正面硬打——证据链一条一条铺开，环环相扣，逻辑严密到对方找不到缝。有的律师善用侧面迂回——不跟你在主战场上拼火力，找一个你没想到的角度切入，等你反应过来，法官已经被他说服了。有的律师风格是"两页纸"——只打最疼的那个点，剩下的全部放弃，干干净净。读他代理词的感觉像是被针扎了一下，不重，但准。

这些风格是怎么形成的？不是天赋。是律师办过的每一个案子而带来的刺激。

比如那场官司他败诉了，但败了之后他回想，他复盘总结，收获新的刺激。

每一次刺激，都在他的风格里刻下一刀。 十几年下来，刀痕密布，那就是他的“棋风”。别人模仿不了，AI更不可能。

AI没有风格，不是因为不够聪明。是因为它从来没“疼过”。

那我怎么办。

说实话我自己也还在想，但有一点我越来越清楚。AI帮我省下来的时间，如果只是拿去多接三个案子，那我的风格永远不会长出来。风格需要的是纵深，不是宽度。

我现在做一件事。让AI多“思考”，然后我自己来理解。

什么叫让AI多思考？以前让它查一条法条，给我条文。现在让它把法条和相关司法解释、类案裁判观点、学理争议全部摊开，把立法背景、条文演变的逻辑、不同法院的适用分歧全部梳理出来。一份几十页的法律分析报告，以前我没有这个时间，现在AI几分钟跑出来。

然后呢？然后我来读。

我不是在省时间，是在把时间花到更值钱的事上。AI交出来的不是”答案”，是原材料。这条法条为什么这样写、几个法院为什么适用不一致、学理上怎么争——这些交叉对比、看出规律、形成直觉判断的过程，AI做不了。它能给你原材料，但需要我来理解，然后进行判断。

我建知识库也是这个逻辑。播客、书、视频，AI负责把它们的摘要关联到我的工作上，它负责思考连接，我负责理解。

这两个多月前，AI帮我做了所有"可验证"的事——翻案卷、查法条、列时间线、对证据、排格式、校对引用。十七个Skill，一套完整办案系统，我没写过一行代码。

但写代理词的时候，到了最后一步，还是我的手在键盘上。我知道该打哪个点、该放弃什么，然后我的名字签在最后。

审美和责任的最后一公里，AI跨不过去。不是因为不够聪明，是这两件事没有标准答案，不在算法的射程之内。

那最后一公里，是我作为律师存在的理由。

❦

E N D

感谢阅读

邵志滨律师