律师都能用 AI 造工具，一个 HR 已经做了两套

GitHub 前两天发了篇博客，主角是两个律师，不是工程师。他们用 Copilot CLI 搭了两套工作流——合同审查和 DMCA 分析，全程没写一行传统代码。

对 AI 从业者来说，技术上没什么新东西。但这篇博客真正的信号不在技术上——两个非技术人员用第一人称走完了从"我干不了这个"到"我刚搭了个东西"的全过程。这个距离，比大多数人想象的小很多。

所以这篇想说的不是 Copilot CLI 有多强，而是一个建议--AI coding Agent，让身边非技术人也用起来。 

两个律师，零代码搭出工作流

先说 GitHub 的两个律师。

Ngandu Kasuku 是产品律师。今年三四月份，他发现自己被一堆合作合同淹没了。转折点是他看到别人用 Copilot 搭了个完整工具，意识到自己"想小了"——不是用 AI 一次处理一个活，而是围绕自己的工作方式建一个系统。

于是他建了 terms-ai：内部起草风格指南 + 已完成合同库。新合同来的时候，工具能自动调取对照。效果？"审阅和起草时间大约减半，条款更一致。"（作者自述）

Jesse Geraci 是在线安全律师，起点更窄——只是需要快速分析源代码来评估 DMCA（版权投诉） 通知。他的做法很有意思：核心"编程"是一堆 Markdown 文件——工作流指令、政策参考、报告模板。他没有写一行传统代码，而是用律师的语言能力——定义标准、描述流程、设计输出格式——替代了编程。

后来这套东西扩展成了完整桌面应用，覆盖合同审查、NDA 分诊、风险评估、合规检查。他自己总结："我不需要等完美软件供应商，也不需要成为全职开发者。"

💡 难的不是代码，是"我不行"这个念头

两个案例里反复出现一个细节：不是 AI 帮他们把事情做好了，是他们发现原来自己可以搭工具。

Ngandu 的原话："最大的收获不是 AI 能帮我更快起草。是我能用 AI 围绕自己的判断、经验和做事方式造一个工具。"

Jesse 的原话："如果你能清楚定义自己的方法论、标准和输出格式，Copilot 就能让你把这些知识操作化。"

这不是技术突破的叙事，是心理门槛的叙事。他们做的事情本质上是什么？是把"我知道这份合同该怎么审，但我每次都要从头做一遍"变成"我把判断标准写成 Markdown 文件，AI 照着执行"。没有学习编程，只是学会了把隐性知识显性化——这在任何专业领域都是核心技能。

过去二十年，企业软件的逻辑是"通用产品 + 配置化"。但任何一个做过实施的人都知道，配置化走到最后一定会撞墙：总有一些判断逻辑是产品没考虑到的。自然语言驱动的工具体系把这个问题翻了个面：不是让产品去适配所有场景，而是让业务人员自己定义场景。

往小了说，不只大厂律师在干。

👀 一个 HR，两套应用，零行代码

我老婆是 HR，非技术背景。1个月前她开始用 Codex，到现在独立做了两套应用。

第一套是「人事行政数据助手」——Windows 桌面端应用，包含工作台 Dashboard、人员档案、培训考试、年假管理、电脑资产、自动汇总报表、导入导出与备份。听起来像一个小型 HR SaaS 的核心模块，但这些都是她用自然语言一个一个描述需求，Codex 一行一行写出来的。

这套工具已经在日常使用中。说实话，培训考试、年假管理、电脑资产这些功能公司的 OA 也有。但分公司的情况和总部 OA 不完全匹配，经常需要额外统计——自己做的助手更方便，也更贴合实际需求。尤其在数据汇总上，省掉了反复导表、手工合并的麻烦。

但故事没停在这里。做完 HR 助手后，她开始做第二套：宝宝辅食助手——一个 Web 端应用，把家庭沉淀的大量宝宝菜单系统化为每周辅食推荐。Web 端开发已经完成，现在正在往 uniCloud 迁移：后端接口改造为云函数，前端增加登录和云端同步层。

从桌面端到 Web 端，从本地应用到云端架构——工具类型在扩展，技术跨度在增长。而且这两套应用之间有一个关键的共同点：我完全没有干预开发过程。 我做的只有一件事：给她安装了 Codex（现已集成到 ChatGPT）。之后的一切——需求描述、功能设计、架构选择、迭代方向——全都是她自己和 AI 协作完成的。

这不是"有人在旁边教"的故事，是"自己用 AI 工具做出来的"故事。

当然这里架构选择、设计评审等，我教她让AI用HR能懂得话来表述，她给了codex后，codex生成了一个沟通叙事要求（涉及技术、专业词汇，转化为HR能懂的语言），并放到agents.md中。

不是她厉害，是这条路真的通了

说实话，如果你只看 GitHub 法律团队的故事，可能会觉得这和自己没关系——大厂、Copilot 内部用户、开源文化。ABA 2026 年的报告给了一个更大的背景：69% 的法律从业者已经在个人使用 GenAI 工具。Forbes 今年 3 月也写得很直白："vibe coding 的出现让软件创建的门槛实质上已经崩溃了。"

但数据归数据。我老婆这个案例让我想说的其实是另一件事：起点不重要，第一步才重要。

Ngandu 是被几十份合作合同淹没的，Jesse 是被大量 DMCA 通知推着走的，我老婆也是被一个具体的统计需求绊进去的——但关键不是他们被什么推着走，而是他们走出了第一步。做完之后发现：原来我可以。

第一步之后的惯性才是真正值得关注的。我老婆做完 HR 助手，接着做了宝宝辅食助手。不是因为突然变厉害了，是因为第一次成功之后，她自然就开始想「还有什么可以做成工具的」。从工作场景到生活场景，从桌面端到 Web 端再到云端，都是踏出第一步之后自然展开的。

用 AI 编码工具开发什么，其实没那么重要。真正重要的只有一件事：AI 能放大个人能力。拥抱 AI 不必从「学 AI」开始，从「用 AI Agent 工具」开始就够了。用得多了、用得久了，你会自然摸清 AI 的能力边界。更重要的是，你会开始把工作和生活中越来越多的重复事务工具化——效率提升只是表面，认知升级才是底层收益。这是我在这波 AI 浪潮里最深的体会。

讨论下

这篇文章不是写给 AI 从业者的——你大概率已经在做或者见过更复杂的例子了。

但如果你身边有非技术背景的同事，总说"我不懂代码，干不了这个"——可以把两个律师和一个 HR 的故事发给他们。不是因为工具有多强，是因为"我不可能"和"我刚搭了个"之间的距离，比他们想象的小很多。

你身边有非技术同事在用 AI 搭工具吗？或者你自己就是？留言聊聊。

参照来源

1. GitHub Blog: How the GitHub legal team used Copilot CLI to streamline their workflows 

https://github.blog/ai-and-ml/github-copilot/how-the-github-legal-team-used-copilot-cli-to-streamline-their-workflows/