900万Token实测:法律AI工具DeepSeek Harness,律师的新选择?

法律 AI 讨论会 · 参会实测笔记

我在 DeepSeek Harness 上用了 900 万 Token：律师到底该不该用？

胡劲科律师在法律 AI 讨论会上的实测分享

原创 · 胡劲科律师 · 胡律用AI

8 月 13 日，DeepSeek 开源了 DeepSeek Harness，简称 DSH。发布当天，我就开始安装和测试。最初几个小时的感受很直接：它确实不省心。

但“费劲”不等于没有价值。几天下来，我前后在 DSH 上消耗了约900 万 Token。这段时间没有白费，也让我对它适不适合法律人，有了更具体的答案。

先给结论：个人用户如果不愿意折腾，优先用 Codex 或 WorkBuddy 等开箱即用的工具；但对于希望搭建内部共用平台的中小企业或律所，DSH 值得认真研究。

我的第一轮体验，主要卡在插件与界面。装一个 MCP、调一个插件，可能就需要十几分钟；同样的授权动作，在 WorkBuddy 里点一下即可完成。

生成的 HTML、Markdown 也没有顺手的预览。我甚至为预览功能花钱做过一遍，做完后才发现社区已经推出类似插件。这个过程多少有些绕路，但也说明 DSH 的生态仍在快速变化。

因此，如果你当前只是需要完成一次法条查询、案例检索、材料整理或初稿起草，没有必要为了使用 DSH 而额外增加安装、调试和维护成本。先把成熟工具用好，往往是个人律师更务实的选择。

DSH 起步时更像一个可自行配置的工作区，需要使用者决定怎样安装和组织能力。

DSH 的使用门槛不低，但搭配 DeepSeek 自家模型时，缓存命中率很高。在我测试的炒股和法条检索两个场景中，命中率大约在95% 至 98%。

我理解的原因并不复杂：模型厂商自己做 Harness，更清楚自家模型如何缓存才更划算。这不代表每一个任务都会自动更便宜、更准确，但模型、运行框架和上下文管理之间的协同，确实会影响实际体验。

对法律工作来说，值得关注的不是一个漂亮的百分比，而是高频任务能否稳定复用。例如法条检索、企业查询、案例初筛等日常重复工作，是否能在清晰边界下形成可重复调用的流程。

法条检索只是一个入口，实际交付前仍应对原始法律文本、来源和适用条件进行人工核验。

对个人用户而言，工具最重要的是尽快完成工作。若不愿意投入大量时间研究插件、流程和配置，直接使用 Codex 或 WorkBuddy 等产品，通常更合适。

但 DSH 的前后端分离、插件可以即时生效等形态，让我看到它更适合作为内部共用平台的可能性。查法条、查企业、查案例，本来就是律师日常会不断重复的查询动作；如果律所部署一套内部平台，把经过验证的能力沉淀下来，团队成员就可以共同使用。

这并不是让每位律师都成为开发者，而是让少数愿意动手的人先把流程、插件和规则搭起来，再让多数同事使用更稳定的结果。个人要的是效率，团队要的是可复用、可管理的工作流。

我现在不会建议所有律师都去研究 DSH。它仍然需要时间和耐心，也不适合为了“尝鲜”而把日常工作弄得更复杂。

但如果你所在的团队有明确、重复的业务流程，又希望把检索、查询、材料整理等能力沉淀为内部资产，DSH 代表的方向值得提前理解。它带来的不只是一个新工具，而是一种把工作流逐步变成可配置系统的可能。

个人先把工具用顺，团队再把流程搭稳。AI 可以参与执行，律师必须负责判断。

麻烦各位帮忙点一下右下角「在看」～