夜雨聆风
对 AI 技术发展有关注的律师，一定注意到了 2026 年 AI 概念的新变化——
OpenClaw、Claude Code、Skill、Hermes、MCP 等技术概念成为了新的流行词。只是相比去年的 DeepSeek 热潮，新的 AI 理念似乎更难理解了。
事实上，这些新概念的流行，都是因为 AI 技术从「一问一答式」的对话式 AI，进化到了「可以思考、规划、执行」的 AI Agent（智能体）。
以合同审查这一场景为例，对话式 AI 只能阅读合同、给出意见，律师依据意见手动修改；而 Agent 则可以在上传文件后，一句话执行：
将合同拆分成不同模块，调取知识库中的《合规审查风控准则》进行标准化审查；
调用多个工具语子智能体，分别完成逐行扫描条款核查、联网检索对应法律数据库、前后条款对比等；
直接生成带有修订痕迹的 Word 文档，方便交付；
自动将本次审查中的新经验沉淀为「技能文档」，方便下次同类合同自动套用。
法律工作者如果能够进一步挖掘 Agent 在法律实务场景中的应用，一定能更深入地借助 AI 能力，大幅提高工作效率，甚至改变法律服务工作流程。
今年 5 月份，由 iCourt 主办的「第二届全国法律人 AI 大赛」的决赛现场，14 支参赛团队展示了他们如何将 AI 技术应用到实务中。
我们梳理了上述参赛作品，总结出了 6 个 AI Agent 应用相关的实务场景，供各位律师、律所负责人参考。
冠军作品：DataRuler 数据合规尽职调查系统
本次大赛的冠军作品《DataRuler 数据合规尽职调查系统》，来自北京德恒（深圳）律师事务所。
该作品在「构想和执行」两方面都做到了较高的水准。
所谓构想，指「发掘适合 AI Agent 接入提效的复杂实务场景」。在数据合规尽职调查的业务中，有几个大痛点非常适合转化为 Agent 的工作流：
1、单一中国法域项目就需核查近百项合规义务，法规高度分散，传统人工梳理不仅速度慢，而且极易遗漏；
2、几百份底稿需要反复检索比对，客户提交的原始材料通常散乱无序，中型项目通常耗时 3～5 个工作日；
3、尽调清单、访谈清单、尽调报告有极其严格和繁琐的格式要求，出具费时费力。
上述痛点正是 AI Agent 的天然优势所在，Agent 具备「长文本感知、多任务调度和工具调用」等特性，可以大幅提升工作速度和准确率。
但构想归构想，执行是执行。该团队另一亮点在于，用严谨、系统的「Agent 级工程化执行」，完整地将这一构想落地。
他们打造的 DataRuler 数据合规尽职调查系统，是一个围绕律师尽调全流程构建的本地化合规工作台。
它通过项目立项、底稿管理、合规清单、法规库、法律问答、文件导出 6 大核心模块，完成了从项目立项、自动化材料清洗、深度合规初判到一键生成交付级 Word/Excel 意见书的全环节闭环。
在技术路线设计上，该作品通过「Skill（专家技能）+ RAG（检索增强生成）+本地化模型+人在环路」四层架构，解决了 AI 的幻觉及信息安全两大难题。
1、系统将资深律师的实操经验固化为 Skill 知识库。每条合规义务均被拆解为「审核要求 + 证据要求 + 判断标准」的结构化逻辑，作为 Agent 的核心行动指南。
2、系统通过 ChromaDB 向量数据库维护动态法条库，要求 AI 在引用法条时必须精准「命中」知识库原文，并通过反幻觉校验（字符匹配度不低于 80%），对不达标内容予以红色警示。
3、系统内置 PaddleOCR / Vision OCR 模型解析各类扫描件，并在本地部署大模型（通过 Ollama 部署 qwen3.5:122b 等）完成材料清洗与按义务清单逐条初判。底稿数据全程不出局域网，云端仅维护义务模板，用物理隔离的硬核工程技术实现了效率和隐私的双保障。
4、AI 输出仅作为「初判」结果，将最终的审核权、修改权、备注权和最终签字权交还给律师。AI 跑 80% 的机械流程，律师做 20% 的核心价值判断，法律责任与判断始终由人类律师锁定。
这套系统经过十多个团队的测试，已可以将过去需要耗费资深律师 80～120 小时的传统人工工作量，缩短至了 8～16 个小时。
找准适合 AI 介入的痛点场景，通过系统化设计降低 AI 风险，该作品的整体思路的确是 AI 在法律实务应用中的典范。
用多 Agent 实现劳动法 AI 咨询
《职引 pilot：劳动法全主体·全场景·可溯源垂类咨询智能体系统》为本次大赛的亚军作品之一，来自北京德恒律师事务所。
该作品同时面向劳动者、用人单位及律师，尝试用一套完整的咨询智能体组合，覆盖目前劳动法数十亿的法律咨询问题。
该作品的亮点之一是通过多个 Agent 编排层，最终输出给用户一份完整的法律报告。其 Agent 编排包括：
Controller Agent，负责判断用户身份、匹配争议场景、评估信息完整度。信息不足时优先追问，当场景判断达到置信阈值，才进入下一阶段；
Scenario Agent，负责追问。这是该产品的核心环节，其任务是把法律事实梳理清楚。针对劳动者、用工单位和律师不同的咨询对象，Agent 通过相应的 Prompt 模板和角色变体，通过 3～5 轮追问后，整理出结构化案情摘要，之后才进入法律分析层；
Legal Analysis Agent，基于前两层数据，最多通过 8 轮工具调用（如法律 MCP、赔偿金额计算等），最终输出包含置信度、风险定级和完整溯源的结构化法律报告。
该作品的另一个细节是，在法律计算器部分，开发者接入了全国 289 个区市的最新社平工资数据，且计算过程基于确定性规则引擎，没有任何大模型参与——
计算是 AI 的薄弱环节，了解 AI 弱项并避免，展现了团队对于 AI 应用的深入认知。
通过多 Agent 编排完成复杂工作流，同时在细节处规避 AI 弱势，该作品展现了团队对 AI 的深刻理解，其设计思路值得法律人参考。
执行终本案件 AI 智能办案
《终本智治 执办有 AI——执行终本案件 AI 智能办案 赋能法律实务数字化升级》为本次大赛的季军作品之一，来自北京大成（西宁）律师事务所。
该作品以「龙虾类」自动化操作工具 QClaw 为基础平台，搭建了「终本案件 AI 总调度」。
工作流覆盖线索挖掘、保全续保、文书生成、监控自动化四大环节；在平台技术搭建上，展示了 Claw 类工具的标准化操作：
1、自动化层：在 QClaw 上配置有头模式、操作间隔、翻页限制、验证自适应的概念合规参数，使其完全复刻真人操作电脑、检索信息时的动作；
2、模型层：选用法律垂类大模型，并通过精准提示词同城实现信息提取、文书生成、法律分析；
3、规则层：搭建法律知识库、期限计算、线索评级、合规校验四大规则库；
4、推送层：对接微信、飞书等常用通讯工具，实现三级预警与异常报告实时推送；
5、稳定性层：配置定时任务、失败重试、异常报警机制，确保其 7✖️24 稳定运行。
今年初，Claw 类的自动化工具大火，其概念极为超前，但落到法律实务场景中，难度和风险都不小。该作品可以作为 Claw 类作品的参考搭建思路，帮助各位法律人真正尝试将 Claw 接入实务工作中。
三个实务场景推荐：飞书律助、执行案件分析、风险报告生成
1、《飞书律助 飞书里的法律 AI 工作台》北京市隆安（深圳）律师事务所
该作品使用飞书和 OpenCode 打造律师办案智能工作流系统，使律师可以在飞书聊天窗口，完成知识库调用、法律检索、证据材料结构化分析、案件可视化分析、生成法律文书初稿等。
该方案的流程为：
飞书消息、文件、URL、本地材料等，统一经过文本抽取、切分和索引，形成法律知识库底座；
律师在飞书中直接提问，Bridge 负责回话管理、上下文承接和状态反馈；
OpenCode 调用知识库检索工具，返回答案和引用依据，所有内容来源可被律师直接核对；
有用的问答、引用被标签，通过 Obsidian 笔记体系继续扩充知识库。
2、《穿透与扩张：强制执行全栈工作流 AI 辅助智能体》泰和泰（太原）律师事务所
该作品通过复杂的执行案件总结出了四大实务痛点：信息碎片化、资产隐匿方式复杂、期限管理高风险和策略推演缺乏系统性 。
基于上述痛点，团队设计了完整的系统架构：
采用 Vibe Coding 方式开发，技术栈为 Next.js 14 + TypeScript、Supabase、DeepSeek API（支持切换 Claude 等模型）、n8n，部署至 Vercel 实现公开访问 ；
作品将近 3000 字法律逻辑预置在代码中，自动按时间锚点比对资产变动，穿透主体关系至实控人，并标注证据充分度 ；
支持律师专项知识注入，实现人机协同 。
在上述开发思路基础上，作品形成了完整的 AI 工作流：
骨架还原： 30 秒自动构建纠纷、诉讼、执行「三轨并行」时空矩阵 ；
全息扫描： 穿透金融流水、工商底档等，将静态查控升级为全方位资产透视 ；
期限守卫： 针对查冻期限建立三级预警，自动倒计时并预填续封文书 ；
权利扩张： 预置多维 Skills，纵向推演「以刑促执」证据链，横向扩张追加债务主体 。
该作品展示了 AI Agent 的「实务行动能力」，律师可借鉴其「Skills（技能）预置」思路，将自身积累的深度法律逻辑（如撤销权比对、拒执罪三要件）直接外挂为 Agent 的核心大脑，实现「数据输入-逻辑碰撞-线索预警-文书预填」的闭环自动化流转。
同时借助 Agent 「多轨并行」的处理能力，律师能够从无序的金融流水、工商底档中秒级还原案情骨架，让 Agent 代替人工进行跨维度的主体与资产穿透，从而将精力解放出来，专注于高价值的执行策略推演与对抗。
3、《上市公司风险分析与研判系统》北京因诺律师事务所
该作品尝试通过 4 层技术架构，解决上市公司合规风险的三大痛点：穿透能力不足、知识更新滞后、工具有效性缺失。
其中，多 Agent 协作架构，是目前 Agent 在法律应用中的常用技术方法。多个 Agent 分别负责财务分析、内控合规、关联交易和控制权分析，所有子 Agent 均由助 Agent 调动，结合律师人工审核介入，大幅提升工作效率。
该系统的核心产出为结构化风险报告，每条结论均经过 Multi-Agent 架构优化，可作为律师出具正式法律意见提供参考。
具体到实操效果，该系统可大幅减少工作耗时并提高复核一致性，是将 AI 作为工具的标准应用。
适合更多律师的专业法律 AI Agent
Agent 是技术难度更高、操作难度更大的 AI 工具。比起这些熟练掌握技术底层、能够自己手搓的前沿律师，大部分律师使用成熟的垂类工具是更好的选择。
推荐大家尝试 iCourt 近期发布的 AlphaClaw。它以当下最火的自动化操作工具为原型，由专业的法律团队和技术团队共同开发，避免了 Agent、Claw 类工具复杂、繁琐的配置流程，整体体验和普通电脑软件一致，下载即可使用。
和其他 Claw 类工具相比，AlphaClaw 的五大优势，使其更适合律师、法务等法律人直接上手使用：
1、独家法律 Skill 生态。市面上的 Skill 多是用户自己写的 prompt，AlphaClaw 的 Skill 来自法律研究院专家、清华等高校学者，以及执业律师同行沉淀的专业经验包。
2、全产品与能力调用。AlphaClaw 可以直接调用 iCourt 的专业法律数据（案例/法规/专题库）和 AI 工具（审查/起草/咨询），这是通用 Agent 不具备的专业能力来源。
3、法律专属记忆与知识体系。其记忆系统并非通用记忆，而是为律师工作模式设计的专项系统——案件画像、写作风格学习、领域偏好识别，以及私有知识资产沉淀与管理。
4、合规安全保障。律师行业对数据安全有硬性要求。AlphaClaw 可以做到 数据不出域、等保三级认证，并提供律所 AI 基建深度合作方案，确保安全合规。
iCourt 即将在 618 活动期间开放 AlphaClaw 第二批内测名额，大家可以扫码提前了解、锁定名额。
