1. 对话框，为什么对律师完全不成立？

大家习惯了 ChatGPT 的对话框界面，就把对话框直接搬进了法律场景。但这在法律行业，恰恰是个巨大的伪命题。

1. 律师交付的是“文件”，不是“答案”

对话框的产物是一段文字；律师的产物是一份有条款编号、标准排版、带修订痕迹、随时能盖章发给客户的正式文书。从“AI 给出的回答”到“能交付的文件”，这段距离极其漫长且充满了机械排版与对比工作，而对话框把这 100% 的工作量打包甩给了律师。

2. 律师的上下文单位是“案件”，不是“会话”

一个项目或诉讼，动辄几百份材料——各版本合同、往来邮件、笔录、证据清单、内部备忘。律师的脑子里只有“案号”和“工作空间”，根本没有“对话窗口”的概念。每次新开一个对话窗口就要重新喂一遍上下文，这是极度反直觉且反工作流的。

3. 可验证性是硬门槛，因为律师要担责

普通人调用 AI，答错了不过是外部化的一点小尴尬；律师如果在法律意见书或诉状里引用了一个虚构的判例，那是直接导致执业资格受损的执业事故。

缺乏原生溯源锚点的输出，对律师价值接近于零。如果“交叉核验 AI 输出”的成本接近于“自己做一遍”的成本，这个产品就没有价值。

4. 律师的核心痛点不是“回答”，而是“发现”

对话框假设用户“知道要问什么”。但在实际执业中，律师耗时极长的往往不是去找明确答案，而是“发现潜在风险”——这份合同里隐藏的不对称条款、这几百份证据材料中对我方不利的细节。

这类任务的正确交互绝不是问答式/对话式，而是“AI 主动标注/预检，律师进行审查”。

5. 商业逻辑的冲突：计时收费的悖论

在计时收费模式下，单纯提升效率在短期内甚至等同于律所收入的损失。这就决定了法律 AI 的价值主张必须落在非计时工作、固定收费业务、提高单位律师的案件承载量，以及放大初级律师的产能上。

2. 真正的法律 AI，到底应该长什么样？

如果我们抛弃对话框思维，站在律师二十年的既有习惯里看产品，它应当具备以下 5 个底层特征：

1. 画布是文档，而不是聊天框。

AI 应该活在 Word / WPS 的批注栏、侧边栏和修订痕迹里。律师在 Word 里待了二十年，产品该主动去找律师，而不是强制让律师适应新的软件。

2. 工作单元是“项目/案件空间”。

建一次工作空间，导入所有案件材料，后续所有交互自动继承背景上下文：AI 始终记得我方诉求是什么、争议焦点在哪、上一版合同改了什么。

3. 主交互动作是“审阅”，而不是“提问”。

让律师写提示词是反人性的。正确的逻辑是：AI 先出草稿、先打标注、先列风险矩阵，律师做决定。这把认知任务从“如何精准描述需求”成功转换为律师最擅长、最核心的“专业判断”。

4. 交付形态默认结构化，而不是散文。

证据对照表、事实时间线、争议焦点梳理、条款风险矩阵——法律工作的正确输出形式是表格、时间轴和双栏对照视图，绝对不是一篇洋洋洒洒的大白话。

5. 每一个结论，皆可点击溯源。

点击 AI 的意见，直接精准跳转并高亮显示原始卷宗中的出处；碰到模糊地带，显式声明不确定性（如“该问题各地法院裁量口径不一”），而不是自信地瞎编。

将这套架构落实到具体业务场景中，产品形态应当发生如下转变：

场景	传统 AI 产品的误区	真正对路的产品形态
合同审查	在网页对话框里复制粘贴文本改写	文档原生 + 条款级比对 + 嵌入所内标准立场 + 一键生成修改痕迹
诉讼业务	让 AI 总结案件案情	材料库进 → 自动提取事件节点生成“事实时间线”/“证据索引”/“争议焦点矩阵”
类案检索	让 AI 推荐几个类似案例	一键直接产出符合法院格式要求的结构化检索报告
尽职调查	单文档问答	批量文档导入 → 结构化数据提取至 Excel 矩阵 → 自动高亮异常/风险项

越想让律师“沉浸在你的产品里”，就越是在跟他二十年来雷打不动的习惯抢地盘。

做法律科技的团队，不妨少想一点“我的 AI 界面有多绚丽”，多想一想“我的 AI 怎么能够像水一样，悄无声息地无缝流进律师每日处理的 Word 表格、卷宗文件夹和工作邮件中”。

好的技术，应当是隐形的。