Matrix 首页推荐 

Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。 

文章代表作者个人观点，少数派仅对标题和排版略作修改。

八月我写了一篇关于法律研究的经验分享，写完上篇后，下篇迟迟未发。主要原因是我总觉得自己用法律 AI 产品的思路似乎跟大部分用户相反，以至于我有点怀疑这些经验到底值不值得被拿出来分享。

到这周，我有点点感觉是哪里不太对劲了，问题可能主要在于我对当下不同 AI 工具的职能划分产生了误解。所以抛掉研究经验，我想先来捋捋自己平时做法律研究/写法律文书时的小小工作流，并借此琢磨琢磨对律师来说，现在到底什么发生了变化。

配置及经验分享

我最常使用的研究配置是两个大模型对话框，一个法律 AI 产品（目前最常用的是北大法宝的律爱多），这三个角色起到的作用如下：

• LLM 1：主力，用于构搭框架，写文书初稿。可能近似于程序员 vibe coding，先让 AI 生成基础文书架构，然后把自己认为对的留存，不对的删掉，输入新的指令重写，不断调试直至完成。
• LLM 2：用于梳理衍生的细碎问题。
• 法律类 AI（律爱多、元典问答、小威 AI+ etc.）：用于验证内容。

这个有些繁琐的配置，对应了我工作中的三个核心环节：文书起草、思路梳理和事实核查。下面我来分别解释一下为什么需要这样分工。

为什么需要两个对话框完成任务？

快速回答版：

1. 实务中大部分文书存在立场，立场会诱导大模型往我方有利方向答复，这对思考有争议的问题非常不利。所以，一旦某些问题思考不清了，建议新开对话框进行讨论，不要让混乱的思考打扰文书主线。
2. AI 可以处理的上下文长度仍旧有限，把文书和争议内容都放在一个对话框里处理，内容过多时 AI 表现会下降。
    

展开讲讲版：

文书是有立场的，我认为这是工作场景下的文书和论文、报告最大的区别。为什么要强调立场？因为大模型经常被人诟病的一点是有幻觉、很谄媚，会被用户的提问引导，作出用户可能想得到的答复。这是目前模型的客观特性，可以是好事，也可以是坏事。

这个特性对文书来说同样有好有坏：

• 好的一面：文书需要在客观里寻找偏向性，以达到文书应该发挥的作用

律师大部分时间就是在客观里找主观，在争议里找偏向性。运气好，淘到了可以支撑自己立场的客观依据是最佳解法，运气不好找不到依据（案例、法条）怎么办，套套基本原则展开一番解释挣扎一下还是需要的吧>o<

怎么解释？怎么构建解释的语句？用哪些词？怎么用词？这里面其实有很多「幻觉」可以发挥余地的空间。

• 坏的一面：自己也尚处于思索过程中的内容，如果对话本就预设了立场，你很容易被带跑

「坏」会在一个特定场景下展现得淋漓尽致：有些问题/思考/争议，我还没想清楚可行性，我需要进行一定的梳理。由于我自己也犹豫，这种情况下有人给了我明确的方向且出具了我认为可行的分析，我非常容易被这个观点带走。这种场景下，我需要更中立的分析来确保自己的方向不跑歪。

这也是我需要分成两个对话框来完成研究的原因。把我不确定的内容放到另外一个单独的对话框里进行讨论，可以确保大模型不会因为我文书中预设的立场（比如代理被告方，大模型很可能所有回答都会迎合被告方）来迎合我。

这一点我尝试过，有立场和没有立场，大模型的回答完全不一样。

思考框和法律 AI 的区别是什么？思考框的内容不能直接用法律 AI 产品完成吗？

我把「思考框」当作提问的预处理。预处理是说，我还没有非常成形的问题，但需要提出一个问题。从模模糊糊有感觉到提出清晰的问题，这个思考过程以前靠漫无边际地搜资料、看文章完成的，现在可以直接靠 AI 加速。我一般写文书的过程中需要梳理思路的类型如下：

1. 整理思路：厘清自己琐碎的想法，找出下一步思考方向【找核心法律问题】；
2. 对有争议的内容进行讨论【不一定有明确的法律依据，但需要斟酌如何表达】；
3. 检索预处理【提炼关键词、找实质性问题】。
4. 比较好理解的是（3），无非就是让大模型针对某个问题提供更多的检索关键词，针对（1）（2）我各举一个例子：

eg.1 厘清自己琐碎的想法，找出下一步思考方向

我现在有个关于租赁合同免租期的问题需要研究，我方是承租方。合同条款约定：租赁期限为 10 年，即自 x 年 x 月 x 日起至 x 年 x 月 x 日止。合同约定免租期为 3 个月，即从 2024 年 3 月 16 日起计租金。目前该租赁合同于 2025 年 x 月 x 日解除。现在我想研究的内容是，我们可否主张： 1、根据合同约定，我们应当从 2024 年 3 月 16 日起计租金，免租期的租金无需支付；2、如需支付免租期租金，免租期租金的性质是什么？我们支付了免租期的租金还需要支付违约金吗？

我希望你可以针对我的描述，为我进一步厘清我需要思考的核心法律问题

eg.2 对有争议的内容进行讨论

保证金的首要功能是抵扣已判决的确定债务。保证金的法律性质是为合同履行提供担保……被上诉人主张的「占用费」是一个未经审理的债权，不能对抗上诉人已支付的确定款项。首先…… 其次…… 

（以上内容过多此处略过） 

我觉得这两个观点都很有启发，但我接着想问的是，未经审理的占用费用真的不属于合同解除后导致的损失吗？站在被上诉人的角度，他们会怎么辩驳这一点？我们应该如何撰写上诉状中的相关内容？

法律 AI 产品的「验证」是指什么？

• 法律问题很明确的，直接搜索寻找依据（法条、案例、文章）。
• 针对大模型结论中不确定的部分，进一步用法律 AI 确认结论是否正确。比如 Gemini 给过我这么一个回复：

法律的基本原则是，不允许任何一方当事人，以一个未经审判的、不确定的或然之债，去对抗、扣押另一方当事人一个已经支付的、金额明确的款项。

听起来有点道理但似乎没这样的基本原则（挠头），这时候我会用律爱多做做检索（翻译），看看能不能找找更适合的措辞。

• 涉及法条、案号等内容，我会直接查法条、查案例。

*这只是律爱多在法律研究中的使用方法。其实我还会用它做别的事，比如直接用它写不需要思考的程序类文书（eg.申请中止审理）它比大模型更专业。这个以后再盘。

我用现有法律 AI 工具用得很传统、很正派（笑）

把上面的内容梳理完，我觉得自己用法律 AI 没啥不对的，我用得非常正派（？）我觉得自己用反了，是因为我对「工具」的期待发生了根本性的变化。

以前律师使用工具，期待往往是单一且明确的：获得信息。我们通过关键词在数据库中检索案例、法规和文章，工具的角色就像一个无限大的图书馆管理员，它负责响应指令，将我们可能需要的资料搬运到我们面前。但「搬运」之后，如何从海量信息中筛选、提炼观点，如何将这些观点组织成逻辑严密、符合要求的法律文书，这些「分析」和「生成」的工作，完完全全需要律师自己来完成。工具的终点，是我们工作的起点。

但现在，大模型的出现彻底改变了这一现状。现有技术可以提供的，不再仅仅是信息检索，它还能够分析文本、生成文本。这意味着，工具的能力边界已经从「提供原材料」延伸到了「加工半成品乃至成品」。当我意识到这一点时，我自然而然地会对工具有了更高的诉求，期待它能在我工作流的更多环节中扮演角色。

也正因如此，我一度陷入困惑，觉得自己把工具「用反了」。这种困惑的根源，在于我下意识地将从通用大模型上看到的、强大的「分析与生成」能力，错误地投射到了接入 AI 的法律工具上，期待现有的法律 AI 成为一个能包揽一切的「全能选手」。

但现在我认识到，这并非是我用反了，而是我对工具的职能划分有了误解。律爱多的本职，首先就是一个检索 + 分析工具，只不过它是响应更精准、交互更友好的高级检索工具。

这种「检索」的本职属性，决定了它的核心价值在于「可溯源」——它的每一个结论都必须附带案例和法条的索引，这是它作为法律工具严谨性的体现。然而，在很多工作场景下，尤其是在需要反复迭代、发散思考的文书起草阶段，我需要的并非是一个时刻提醒我「依据在哪」的核查员，而是一个「干净」的、能够不受拘束地生成文本、分析信息的创意伙伴。

所以过去必须由我自己完成的「分析信息」和「生成文件」这两项核心工作，我更愿意交给大模型。如今大模型的对话框几乎已经成了我的第二个 Word 面板，我至少有一半的文书内容是在与大模型的对话、修改、迭代中完成的。

我不再是从零开始逐字构建，而是像程序员 vibe coding 一样：先让 AI 生成一个基础的文书架构或段落，然后我来评判和筛选，保留正确的部分，删除或修正不妥之处，再输入新的指令进行重写。这个过程不断调试，直至文书的血肉被逐步填充，最终成型。

叽里咕噜的今天就先敲到这儿，写到结尾正好看到文马老师发了新文章《法律 AI 技术路线和训练数据：从 Harvey 和 Legora 引发的感触》，一并作推荐。

就敲到这里，周末愉快大家！

> 关注 少数派小红书，感受精彩数字生活 🍃

> 实用、好用的 正版软件，少数派为你呈现 🚀