律师用AI工具,一文说清楚:怎么选、怎么用、怎么沉淀

一篇文章解决一个痛点：律师并不缺AI工具清单，卡住的往往是三件事：工具该放进哪个工作环节，结果该怎么复核，经验该怎么沉淀成知识库和skill。

律师学习AI，不能只讲工具，也不能只讲提示词。工具是入口，工作流才是落点。

工具名称会变，模型能力会变，平台入口会变。今天觉得某个产品很好用，过一段时间也可能换模型、改功能、改价格。

律师要建立的，是一套能迁移的方法：知道不同AI工具在工作流里的位置，知道哪些任务适合AI做，知道结果怎么复核，知道哪些经验可以沉淀成知识库和skill，同时还要考虑成本。

把AI放进律师工作，至少会涉及工具选型、知识库、案件处理、法律内容创作和自媒体运营。

AI只会放大已有工作方法，所以持续优化自己的工作流也很重要。

01 律师选择AI工具：角色、场景、用途

律师选AI工具时，先不要问“哪个工具最强”。主要应该思考的是：这项工作属于什么场景，需要什么能力，需要什么结果。

市面上的AI产品，可以先按工作流分层。

第一层是底层模型/API，比如OpenAI、Google、DeepSeek、通义等。它们是能力底座，可以被各种应用、Agent和内部系统调用。律师不一定直接调用API，但要知道很多上层工具背后都在使用模型能力。

第二层是通用AI助手，比如ChatGPT、Gemini、Kimi、豆包等。它们适合问答、写作、摘要、翻译、资料分析和思路整理。律师要改一段代理意见、整理一个文章提纲、压缩一段会议纪要，通用AI助手就能做很多工作。

第三层是AIAgent和自动化工具，比如QoderWork、WorkBuddy、Manus、Claude Code、Codex等。它们的特点是可以执行任务，不只在聊天框里回答。比如读取文件夹、整理表格、修改Markdown、生成演示文稿、处理网页内容、把结果保存到指定路径。

律师要按任务选组合。

如果只是讨论一个观点、改一段文字、翻译一段材料，AI会话就够了。它启动成本低，适合开放讨论和文书打磨。

如果任务已经明确，需要读一批文件、生成一张表、整理一个案件目录、把结果写回文件夹，AIAgent更合适。比如Codex适合面向项目和文件执行任务，WorkBuddy更像企业办公流程工作台。

如果是法律检索和裁判依据，不能只依赖通用模型。AI可以做初筛、列关键词、整理检索路径，但权威数据库和人工核验仍然要放在后面。

如果是公众号写作和自媒体运营，工具组合也不同。

通用AI助手适合讨论选题、打磨段落；Codex适合整理选题池、生成草稿并写入项目目录；知识库适合保存写作风格、文章库和成稿；可视化网页适合做选题中心、小红书字卡、内容排期和图文导出。

所以律师选工具先写清楚任务类型，再判断风险等级，再配组合。

02 律师学习AI的标准：工作流、可复核和责任边界

律师学习AI，我建议先看三个标准：工作流、可复核、责任边界。

工作流，是指任务能不能被拆成清楚的材料输入、目标定义、执行步骤和交付标准。AI不是凭空帮你变出一个稳定结果。它要接住你的材料、理解你的目标、按你的流程执行，再把结果放回你能继续使用的位置。

比如“帮我写起诉状”就是一个很粗的指令。事实、请求、证据、法条和表达混在一起，AI很容易补事实、跳结论。可控的做法是：先抽取事实，列争点和证据缺口，确认诉讼请求，再写正文，并列出人工核验事项。

可复核，是指AI输出能不能回到资料来源。律师使用AI时，不能只看答案顺不顺。证据目录要能回到原始材料，事实时间线要能标注来源，法律观点要能回到法条、案例或检索记录，文书修改要能看到修改理由和人工确认项。

责任边界，是指我们需要AI参与了哪些动作，律师需要负责哪些判断，不能完全给AI，也不能完全不用。AI可以整理、提示、生成初稿、做反方审查；律师要决定证据怎么用、事实怎么认定、法律风险怎么评价、策略怎么取舍、最终文本怎么对外发出。

AI能解放重复劳动，但不会替你建立办案判断。

你原来就知道证据目录怎么做，AI可以帮你更快整理材料、提取信息、生成表格；你原来就知道文书复核要看哪些点，AI可以帮你从相反立场审一遍；你原来就知道公众号文章要怎么选题、怎么成稿、怎么归档，AI可以帮你搭选题池、写初稿、查避雷表达、同步输出目录。

原来的流程不清楚，AI也会给你一堆看着完整但很难用的内容。

案件工作可以拆成六个AI参与节点：接案、事实、争点、检索、文书、复核。

接案阶段，AI整理客户陈述、材料范围和主体关系。事实阶段，AI形成时间线，区分已确认事实和待核验事实。争点阶段，AI列出事实争点、法律争点和证据争点。检索阶段，AI辅助整理法条、类案、相反观点和裁判尺度。文书阶段，AI生成结构、草稿、表达和来源标注。复核阶段，AI从反方视角、法官视角和风险边界检查文书。

AIAgent执行前，还要锁定四件事：材料、目标、输出位置、复核标准。

材料要写清来源、版本、真实性和是否脱敏。目标要写清交付物类型、使用场景和案件阶段。输出位置要写清文件路径、命名规则和版本管理。复核标准要覆盖事实、证据、法条、逻辑和表达。

比如做证据目录，AI先读取材料、形成清单、提取关键信息、对应事实、提示缺页和待核验问题。证据交不交、证明什么、顺序怎么排、是否暴露己方风险，仍然要律师决定。输出的证据目录至少要包含证据名称、形成时间、来源路径、证明对象、关联争点、原件情况和备注。

文书复核也是一样。AI可以从结构、事实、证据、依据、表达和风格六个角度审一遍。它要看请求、事实、理由是否完整；事实是否与材料一致；关键主张是否有证据支持；法条、案例是否需要核验；表达是否写得过满、容易被反驳；文风是否符合个人习惯。

AI的价值主要是：接走重复劳动，把材料整理清楚，把中间成果留下来，把人工复核点标出来。

律师的工作环节不能省，省掉的是环节中的重复工作。事实核验、证据取舍、法律判断、策略选择和客户交付，都要由律师负责。

03 律师的知识库搭建：无论是工作还是AI学习，都有必要

律师使用AI到后面，必然涉及知识库的沉淀和管理。

如果所有内容都停留在聊天记录里，下一次任务很难复用。今天让AI总结一篇文章，明天让AI分析一个案例，后天又让AI写一段文书，每一次都像重新开始。答案可能很好看，但中间成果没有留下来。

一个能长期使用的律师知识库，至少要有三层。

第一层是原始资料层。判决、法规、文章、会议纪要、客户材料，都先放在raw层，原则上只读。AI可以读取和摘要，但不能顺手改原文。

第二层是知识维基层。这里放概念、实体、FAQ、对比、来源摘要和研究结论。比如某个法律问题的裁判规则、某类案件的证据清单、某个平台争议的处理路径、某个AI工具的使用经验，都可以单独成页。

第三层是规则治理层。这里放schema、日志和巡检规则。schema定义页面怎么组织，log记录每次导入、查询和更新，Lint检查死链、矛盾、过时内容和孤岛页面。

法律研究需要知识库。法规、司法解释、典型案例、专业文章、裁判观点和类案检索记录，不能每次都重新找。知识库可以降低重复检索，把规则框架保留下来。

实务资产需要知识库。文书模板、证据目录、尽调清单、办案复盘、庭审问答、客户汇报模板，都应该沉淀。AI下次起草文书时，不应从一张白纸开始，而应从真实工作格式开始。

个人风格也需要知识库。避雷表达、写作样本、客户沟通话术、公众号文章风格、小红书字卡规则、选题库和成稿目录，都可以放进去。AI写出来的内容像不像你，取决于这些规则有没有稳定保存。

把Obsidian当成知识库底座。通过Claudian把Codex或Claude接入Obsidian vault以后，知识库不只是存档目录，而是Agent的工作目录。

左侧是知识库树：文章库、案例库、文献库、选题池、输出成稿、项目规则、写作避雷表。中间是当前创作区：当前笔记、生成结果、修改稿和发布草稿都留在Obsidian里。右侧是Agent入口：围绕当前知识库读取、搜索、编辑和执行多步骤任务。

对律师来说，这样的知识库可以服务三类工作。

第一类是办案。新案件进来后，AI可以把材料清单、案件信息表、事实时间线、补证问题、法规案例检索记录写进案件处理中转站。原始材料不动，整理成果进入中转站。

第二类是法律研究。AI可以扫描旧文章、案例、文献，生成主题地图、索引和研究问题。重要答案再写回新页面或更新旧页面。

第三类是公众号写作和自媒体运营。AI可以读取旧文，整理选题池，生成公众号文章草稿、小红书切口、字卡计划、标题库和发布清单。成稿要同步到输出目录，复盘要进入选题库和账号运营看板。

知识库的边界也要写清楚。

哪些材料能引用，哪些法条和案例需要核验，哪些客户材料不能进入公共知识库，哪些原始材料只读，哪些页面可以写入，来源怎么标注，过期内容怎么提醒，这些规则要先写进项目说明。

知识库的价值不在于文件很多。未来能不能被重复调用，才是判断标准。不能调用只是存档，能调用才是资产。

04 skill沉淀：代码、指令、工具和律师经验

有了工作流和知识库，下一步就是skill。

Prompt、Tool、Agent、Skill要拆开理解。Prompt像临时交办，解决这一轮怎么问。Tool像检索、OCR、导出系统，负责外部动作。Agent像办案助理，能规划、调度、保留状态。Skill像作业指引、模板包和审核规则，告诉AI遇到同类任务时按什么流程执行。

律师语境里，skill可以理解成写给AI的律师SOP。

一个skill不是一句高级提示词。它至少要写清六件事：场景、输入、流程、输出、边界和检查。

场景说明用于什么任务，也说明不用于什么任务。输入说明需要哪些材料和上下文。流程说明按什么顺序处理。输出说明交付什么格式。边界说明哪些事实不能补、哪些判断不能下、哪些材料不能动。检查说明金额、日期、主体、证据编号、引用来源怎么核。

skill可以包括三类东西。

第一类是指令。比如让AI默认使用中国内地法律语境，区分法律规定、司法实践、学理观点、监管口径和个人推论；处理案件时先抽事实，再归纳争点，再做规范检索；写文章时遵守避雷表达和个人风格。

第二类是工具。比如OCR、PDF解析、表格处理、网页读取、演示文稿生成、文档批注、浏览器操作、文件搜索。工具让AI不只停在回答里，而是能读取、整理、导出和保存。

第三类是代码或脚本。比如批量提取文档字段、检查避雷表达、生成证据目录表格、转换演示文稿、搭建选题中心网页、导出小红书图片包。代码让重复流程更稳定，也让输出格式更固定。

skill设计要分三层。

业务层定义做什么，回答法理是否站得住。比如合同审查skill，要先定义审什么，宏观交易结构、中观合同形式、微观条款语言分别怎么看，哪些问题属于高风险，哪些问题只是谈判取舍。

产品层定义怎么交付，回答结果是否用得上。不能只给聊天框里的风险摘要，还要能生成批注、修订痕迹、审查意见书、问题清单或交付报告。输入字段、流程步骤、输出格式都要固定。

技术层定义怎么跑起来，回答系统是否稳定可控。工具调用、schema、校验、日志、测试和反馈，都属于这一层。

我现在的skill大致分成三条线。

案件处理线包括legal-case-intake、legal-document-drafting、legal-submission-review、case-note-writing。它们分别处理新案接收、文书起草、提交前复核和办案经验转文章。

法律内容线包括legal-writing-style、legal-content-splitter、xiaohongshu-graphic-post-workflow、legal-media-topic-center。它们处理法律文章降AI味、公众号长文拆分、小红书图文内容包、内容选题中心和热点来源核验。

AI学习线是ai-learning-article，把AI工具、Agent、skill、知识库和工作流方法，转化为可发布、可复用的AI学习文章。

公众号写作和自媒体运营特别适合沉淀skill。

比如公众号文章，可以把选题判断、文章结构、初稿、避雷表达检查、成稿归档写成流程。比如长文拆小红书，可以把封面标题、高亮词、正文、标签、字卡标题、字卡正文、备选标题固定成字段。比如选题中心，可以把热点抓取、来源核验、题库管理、排行榜和发布状态做成一个网页。

skill的价值不在于“我有几个工具”。它解决的是入口和交付物。每个skill都要能回答：接收什么材料，第一步做什么，中间怎么处理，输出到哪里，人怎么复核，下次怎么改进。

05 从场景和角色开始，设计自己的AI工作流

律师开始用AI时，不要先搭一个“大系统”。

先选场景，再定角色，然后写流程。

场景要足够具体。不要写“AI辅助办案”，可以写“新案件进来后，先建立案件处理中转站”；不要写“AI辅助写作”，可以写“把公众号长文拆成小红书图文内容包”；不要写“AI辅助检索”，可以写“围绕一个争点生成法规和类案检索路径，再由律师核验”。

角色也要写清楚。AI在这项任务里是法律研究助理、案卷分析助理、文书编辑、内容编辑、选题助理，还是文件整理员。角色不同，边界不同。

如果是法律研究助理，AI可以整理法规、案例和观点，但不能编造法条和案号。如果是案卷分析助理，AI可以抽取事实、整理时间线、提示证据缺口，但不能替律师决定证明目的。如果是文书编辑，AI可以修改表达、提出风险、生成替换文本，但不能新增未经确认的事实。如果是内容编辑，AI可以整理选题、标题、初稿和避雷表达检查，但观点和发布取舍仍然由人决定。如果是文件整理员，AI可以命名、分类、归档和生成索引，但原始材料默认只读。

一个最小工作流，可以从六格表开始。

场景：新案件材料刚进来，需要先接住事实和材料角色：案卷分析助理输入：合同、聊天记录、付款凭证、客户陈述、已有文书流程：列材料清单；填案件信息表；整理事实时间线；标注待核验事实；列补证问题输出：材料清单、案件信息表、事实时间线、补证清单边界：不写正式法律意见，不下胜诉判断，不移动或覆盖原始材料检查：每个关键事实是否有来源，客户陈述和材料事实是否分开，是否标注待核验内容

自媒体运营也可以拆。

场景：维护一个法律内容选题中心角色：选题助理和资料整理员输入：历史文章、热点来源、平台规则、选题池流程：抓取来源；标注主题；判断可写性；生成标题方向；更新发布状态输出：选题表、来源链接、标题池、发布计划、复盘记录边界：来源必须可核验，不搬运公共内容，不生成虚假热点检查：是否有信息增量，是否与账号定位一致，是否避免低质AIGC风险

这样写完以后，AI才知道自己要做什么，也知道哪里要停下来等人确认。

实际可从五个动作入手：先盘点高频重复劳动；再选低风险场景做轻量测试；随后用六格表明确流程结构；再用脱敏材料跑通并排查错误；最后将问题固化为工作流。

律师学习AI，最终会回到自己的工作方法。

AI能解放重复劳动，也能把中间成果留得更清楚。但它不会替律师完成判断。事实核验、证据取舍、法律判断、策略选择、客户交付和公开发布，仍然要由人负责。