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。

一眨眼2025年已经快结束，今年AI进步速度快到远超预期。从DeepSeek到Claude Code到GPT 5.1到Gemini3到Nano Banana二度升级，整整一年，AI圈都处于「月月有惊喜」的放烟花状态。

与之相伴的，是AI越来越嵌入我的工作场景，我扎扎实实感受到了AI对我工作（乃至个人生活）的优化与提升。今年最最喜欢的大模型是谷歌的Gemini，文书和信息分析的表现非常不错，也因此被我亲切地称呼为「G老师」。

本篇主要盘点和G老师相处的25年，我在如何花式压榨G老师，同时盘了盘目前法律人使用AI的现况。

本文将从【工具地图】和【项目思路】两个维度，复盘我这一年压榨G老师的经验。如果你想直接看实操，可以选择跳到第二部分进行阅读。

一、法律人使用AI的三个层级&调用工具的五个维度

（一）法律人的AI使用三层分级

最近非常启发我的一篇文章是杨律师写的《律师用 AI，别只盯着那些「法律 AI 工具」》，他在这篇文章中提到了法律人使用AI的三个层级：

第一层，是通用大模型工具。比如豆包、ChatGPT 这一类chatbot，能帮你改写、润色、翻译、起草，解决的是「文本处理」的通用问题。

第二层，是行业化的法律 AI 产品。比如法律检索、智能合同审查，这些是厂商基于「律师的共性场景」包装出来的服务。

第三层，则是你个人或团队的 AI 工作流。这一层，往往不会以「产品」的形式出现，而是：

• 写好了就反复复用的提示词和模板；
• 若干半自动的脚本、小工具、表单；
• 以及围绕你自己的客户、案件、内容库搭出的上下文工程。

前两层可以用钱买，第三层只能靠你自己「支棱起来」。而真正把你从「会用 AI」拉向「离不开 AI」的，恰恰就是这一层。

（二）个性化层级下的工具调用五阶梯

我非常认同杨律师的观点，在未来，第三层（个性化设计）的使用只会越来越重要。根据他对法律人使用AI的「第三层」，我认为第三层的工具调用可以被分成五个阶梯：

第一阶：将应用嵌入已有工作流

这是最轻量的一层，追求「即时、无感」。例如以浏览器插件、输入法或划词助手等形式，让用户在阅读网页或打字时随时调用AI，主打一个Shortcut快捷操作 。法律场景下也已经有此类产品出现：

• 如北大法宝最近研发了「律爱多浏览器助手」，用户可以在浏览网页时调用小助手一键检索浏览信息相关的法律法规；
• 再如小杨老师、奇川律师都曾经写文章介绍过豆包划词助手的快捷用法；
• 又如案牍近期推出了word插件版本的新产品形态，这也是一种典型的让产品嵌入现有工作流的形式。

第二阶：顶级模型定制化

这是最常用的进阶层。利用Claude Projects、GPTs或Gemini的Gem，通过投喂知识库、设置系统提示词和上下文，让AI成为懂你业务的专属助手 。

这一层的构想，是我在读小杨老师的文章《一文教你把GPT-5调试成最强法律助手》时得到的启发，她在这篇文章里介绍了何为「AI工程化思维」：

 一言以概之，AI工程化思维就是通过合理的架构，如版本控制（Prompt库）、学习机制（记忆库）、审查标准（Criteria）、反馈闭环（Iteration Log），使得输出效果不断提升，接近人类思维结果。 学会利用上述步骤尝试对大模型进行自主工程化设计，是让大模型表现越来越个性化的必要入口。

除此以外，今年Claude、Gemini、ChatGPT都在研发的skil功能也非常值得探索：只用 Claude Skills，打造专属 AI 伴侣｜附完整教程。目前，我也已经看到有律师使用skil研发自己的小工具。

第三阶：自动化私有数据

利用Obsidian、Notion、飞书等软件，让个人数据更好地被流转调用 。这一层我摸索得不多，但身边已经有法律行业的朋友在卷了：

附相关文章：Gemini Cli + Obsidian 才是知识管理的神！！（附教程）

第四阶：搭建业务流应用

利用Dify、Coze或FastGPT搭建Workflow（工作流）和Agent。这里涉及多步推理，让AI像人一样按步骤思考，比如「先检索法条，再分析案情，最后写出报告」 。

第五阶：Vibe Coding

使用Cursor、Trae等工具进行开发，创造完全属于自己的工具 。

四五阶我目前几乎不涉及，此处就不再多展开，感兴趣的朋友可以自行检索。

（三）AI工具的使用心法：君子不器

列出这五层，不是为了让大家去攀爬技术的高峰，非要学会第五层工具才算「会用AI的律师」 。恰恰相反，我想强调的是 「君子不器」 。我们使用AI的核心原则应当是以完成任务为导向，而不是以技术为导向 。

不要为了显摆技术而去强行使用高阶工具。比如，没必要专门用自己做一个合同审查的agent，合同审查这个场景，花了更多精力和时间的法律科技公司研发的产品必然比一个律师手搓的小工具好用。作为律师个人，通过配置层做一个专门「思考合同条款的Agent」反而更实用、更好落地 。

二、我使用Gemini搭建个性化工具的思路

作为一个非技术背景出身的纯血法学生，我目前的个性化探索主要围绕主流大模型自带的「自主工程化工具」展开。我把Gemini整成了项目制的，用到的工具是Gemini自带的「Gem」功能。

Gem的架构非常简单，名称、指令（系统提示词）、知识库就是构成一个Gem的全部要素。

（一）为什么是Gems，而不是Coze或Dify？

市面上有很多Agent搭建平台，比如Coze、dify、腾讯元器等等。我在日常工作中首选Gemini的Gems，主要基于以下考量 ：

• 顶级的模型底座：智能体的表现如何首先取决于调用了什么大模型。工作流程相对简单的法律任务，直接使用顶级大模型优于可以设计复杂流程的低代码工具。
• 交互记忆的连贯性：Gems直接嵌入在Gemini的聊天界面中，拥有最多的日常交互记忆，使用起来像是在和一个熟悉的同事对话，而不是每次都在调试一个冷冰冰的软件。
• 低门槛：因为门槛足够低，所以上手足够迅速，心理负担非常轻。

（二）拆分项目思路：法律工作的四象限切割法

至于究竟怎样的项目才值得被固定制作为一个gem，我总结了一套四象限切割法。我们可以构建一个坐标轴：X轴代表任务的属性（从「复杂项目」到「固定项目」），Y轴代表我们的关注点（从「高注意点」到「高频次」）。针对落在不同象限的工作，我有完全不同的「调教」策略 。

第一象限：高频次 + 固定项目（文书合并同类项）：

• 场景特征：这是律师最想摆脱的机械性劳动。比如发律师函、起草简单的借款合同。这些工作频率极高，结构非常固定。
• 制作Gem的要点： 提供范本。 不要让AI创作，而是让它去填空。我创建了诸如「律师函起草小助手」这样的Gem，核心动作是将我过往写过的最完美的范本喂给它作为知识库。每次使用时，我只输入变量材料（相关联的具体的合同、金额、违约事实），它就能基于范本生成完美的初稿 。

第二象限：高注意点 + 固定项目（固定流程的特别核查）：

• 应对策略：提供优质提示词。 这里不需要AI模仿文风，而是需要明确要AI达成的任务要点。比如我制作了「合同条款斟酌小助手」，在系统提示词中预设了「陌生人原则」（假设对背景一无所知）和「对抗者原则」（假设是对方律师）。

我把审核的标准写进了Prompt里，强制AI对每一个条款进行压力测试，防止「想当然」的漏洞 。后面我也会提到制作优质提示词的小技巧。

第三象限：高注意点 + 复杂项目（复杂文书与分析）：

• 场景特征：针对复杂项目的思考，比如撰写复杂的代理词、疑难案件的法律分析报告、实务文章等。这类工作无法用一个范本解决，往往涉及多线程的思考，我们很难在一个对话框里完成全部的任务。

• 应对策略： 对话框的重点分布（流程拆解）。 对于这种复杂项目，直接扔给AI很难直接得到好结果。

我的策略是将对话框变成「分步执行」的载体。例如在「论文指导小助手」中，我已经将论文需要的基础资料放置在知识库中，在这一基础上，我不会「论文指导小助手」让直接写论文，而是将论文切割为「寻找素材、搭建框架、撰写文本、修改文本至定稿」四个步骤。由于每个步骤有每个步骤需要注意的重点，因此每个步骤我都会单独开具对话框执行任务，确保重点不搅和在一起打架。

第四象限：高频次 + 复杂项目（？）：

• 场景特征：这是象限图中标注「？」的区域，也是最难处理的「深水区」，是我目前还在探索的部分，暂时还没有特别典型的例子可举，待我再多探索下再来分享。

（三）关于如何撰写优质的Gem系统提示词

在前面我们讨论「四象限切割法」时提到，针对「高注意点 + 固定项目」，最核心的注意点是撰写优质提示词。所以，写好提示词对于法律人而言，不仅仅是技术问题，更是将我们脑子里的法律思维，翻译成AI能听懂的、可执行的指令。我总结了两条更适合法律人的进阶路径。

偷懒路径：让AI自己写AI的指令

如果你刚开始接触，不知道怎么描述需求，最简单的办法是「反向求助」，让AI利用它的归纳能力，帮你搭建80分起步的基础框架：

• 针对老项目：如果你已经和Gemini在临时对话框里就某个案子聊了很久，这时你希望想把这个案子做成一个gem的项目。你可以直接在这个对话框里输入：「我现在想把上述内容制作成Gem以便后续复用。请结合我们的聊天记录，为我设计这个Gem的系统提示词。」
• 针对新项目：直接告诉它你预期设置的Gem的背景。比如：「我是XX领域的诉讼律师，我最常用的功能是XXX，请结合我的情况，为我生成一个可以直接使用的个性化配置提示词。」

2. 进阶路径：Read in, Prompt out

这是我从醋泡白豆老师的文章里得到的灵感。所谓 「Read in, Prompt out」，就是我们在阅读法律专业文章、法官判词或大佬著作时，不要只盯着具体的知识点，而要思考如何提炼其中的「方法论」或「思维模型」，并将其转化为AI的审核原则。

例如，我曾读到一篇名为《做律师，切忌「想当然」这三个字》（该提示词的撰写过程我已经写过文章，欢迎跳转查看详细步骤）的文章。文中提到，律师写合同最怕觉得「这还要写？不是谁都知道吗？」，但法官在裁判时只能依据条款本身，不会替你脑补。简而言之，合同上写的就是写的，没写的，法官也未必可以替你补脑。

为了解决这种律师常犯的「想当然」错误，我将文章中对于「想当然」的具体描述复制粘贴给了Gemini，并让Gemini基于此为我撰写提示词。Gemini生成的系统提示词非常不错，它认为审查一个条款需要遵循「四大审查原则」：

• 「陌生人」原则：假设你对该交易所处的行业、交易习惯、以及合同双方的背景一无所知，这个合同条款的表达是否有效？
• 「对抗者」原则：假设你是对方的律师，你会如何攻击这份合同？
• 「执行者」原则：假设你是一名两年后才入职的员工，看到这份合同能否直接执行，无需进行任何口头询问？
• 「缺席者」原则：假设所有参与当年合同谈判的人员都已离职或失联，仅凭文字能否还原原意？

这四大原则提供的视角非常到位，已经足以帮助我审查出一个合同条款可能存在的漏洞。算是我「Read in, Prompt out」最成功的一个提示词。