!封面

Harness。这个词的本意是马具——套在马身上的缰绳和鞍具。马有力量，缰绳让它朝你指的方向走。

在AI领域，harness就是你的控制框架。它把律师的经验、判断标准和风险偏好变成AI可执行的规则，让AI按你的方式工作，而不是按AI的默认方式。

很多人以为harness是一套最佳实践文档——坐下来好好想、系统设计、一次性写出来。这是对harness最大的误解。

Harness不是设计出来的，是长出来的。在几十次、上百次真实的协作中，靠每一次出错、每一次补救，一点一点地从你身上流到规则文件里。

下面我用三个真实的场景，还原这个过程。

场景一：案件分析——记忆是怎么一层一层加上去的

一个案件从收案到结案，可能要经历几个月、十几轮分析。每次重新打开案卷，你都要从头回忆：上次分析到哪了？哪些事实已确认？哪些还在争议？

AI可以记住这些东西，但不是天生的。你得设计一套记忆系统。

我最初只写了一条规则："每次开始分析前，先读取历史日志。"就一句话。AI开始能记住上次聊到哪儿了，不用我每次重新交代案情。

用了两轮，问题来了：我往案卷文件夹里放了新文件——对方刚提交的证据——AI没注意到。它还在读旧日志，不知道有新东西。于是我加了第二条规则："自动检测input目录是否有新增文件，如有，在分析开始时报告增量。"

又过了几轮，发现日志里缺一个重要维度：各方当事人的态度变化。AI记录了事实认定和法律适用的进展，但没记录"对方从完全否认变成了部分承认"这种动态。我加了第三条规则：日志中必须跟踪各方态度变化。

现在的会话日志格式是第六次迭代。第六次。不是第一次设计好的。

这个过程的本质是什么？不是"我聪明，提前想到了所有可能性"。是我用了一次，发现少了一块，补上。又用一次，又少一块，再补。规则，是一次一次交互里长出来的。

场景二：合同审核——每条规则背后都是一个真实的风险事件

合同审核工作区现在有五套规则、二十多个标准条款、客户专属规则。但我想讲的不是"我有多少规则"，是这些规则最初怎么进来的。

举个具体例子。审查门禁里有一条："仲裁机构名称必须和国务院法制办公布的正式名录逐字比对。"这条规则怎么来的？

因为有一次，AI审合同，合同里写的仲裁机构是"中国国际贸易仲裁委员会"。AI说没问题，这个机构存在。

但那个机构的正式名称是"中国国际经济贸易仲裁委员会"。差了"经济"两个字。照合同里那个不准确的名称签了，仲裁条款可能直接被认定无效。

这个错误，三年级以上的诉讼律师不会犯。但AI犯了。因为AI不知道"仲裁机构名称必须绝对准确"——这不是通用知识，是法律行业的隐性专业标准。

那天之后我加了这条规则。后来又加了一条：不止仲裁机构，所有争议解决条款里的机构名称、地址、管辖依据，都必须做同类核查。一条规则，触发了一类规则。

条款库也是这个逻辑。"施工安全事故分级违约金"条款——是审一份建设工程合同时，发现合同里没有这个条款，风险敞口很大，就写了一个标准版加进去。之后所有类似的施工合同，AI都会自动调这个条款出来对比。

二十多个条款，没有一个是"我觉得应该有"然后凭空写的。每一个都是在审某一份具体合同时，发现"这里缺一个条款，需要标准模板"，然后写了加进去的。

隐性知识显性化，不是一次访谈、一次冷启动能完成的。它只能在真实的业务场景里，一次一次磨出来。

场景三：咨询分析——"禁止直接回答"这条最反直觉的规则

咨询分析工作区里有一条核心规则："收到咨询问题后，禁止直接解答。必须先完成意图分析→知识库研究→综合解答。"

看起来很反直觉。AI本来就会回答问题，为什么要禁止它直接回答？

因为一次翻车。

有一次，客户问了一个公司法问题。AI直接给了答案——引用法条、分析风险、给出建议。上下文合理，逻辑通顺，措辞专业。如果我不验证，就直接发出去了。

但我去查了。它引用的法条是旧的。三个月前已修订。分析结论的方向对，但因为法条变了，一个关键的法律节点变了，结论是错的。

AI没有编造法条。它只是不知道那个法条改了。但"不知道"在法律行业，就是错。

听起来很合理，和真正是对的，在法律行业里，不是一回事。

从那以后我加了这条最硬的规则：不管问题多简单，AI不能直接答。必须先做知识库检索，研究完了再给结论。研究分三层——优先源、扩展源、警示源。每个来源过效力审计。每个结论标注"有依据"还是"待核实"。宁可不回答，不许编答案。

上个月又发现AI在研究记录里没区分优先源和扩展源的检索结果——两种不同效力层级的内容混在一起。又加了一条规则：不同层级的结果必须分节记录，不得合并。

这个过程一直在继续。每一次出错，加一条。每一次发现流程不够，补一段。每一次发现AI记不住，多写一层记忆。

三条核心原则

回头看这三个场景，有三条原则贯穿始终。

只加你真正踩过坑的规则。 不要因为"听说AI容易在某个地方出错"就加规则。每条规则都有维护成本——它让AI的行为更受约束，也可能降低灵活度。加一条规则，一定是因为你亲身遇到一个问题、想清楚了原因、确认了这条规则能堵住缺口。"过度规约"——规则一大堆，大部分没用，还互相打架——比规约不足更麻烦。

规则永远在生长，别追求"建成"。 我的四个工作区没一个"建成"了。它们只是在稳定运行。每次出错还会发生，每次出错之后还会加规则。区别是：出错频率在下降，后果在减轻。规则体系不是建成那刻就完美的——它一直在长。

规则不能消灭错误，只能降低概率。 有规则之后，AI仍然偶尔会犯规则没覆盖到的错误。规则的作用不是让AI永不犯错——做不到。规则的作用是把已知的错误类别消灭掉，让新错误必须是新类型。每次发现一个新类型的错误，说明你的规则体系又找到了一个边界——这就是进步。

不适合什么场景

最后说清楚边界。这套方法适合：有明确的专业标准、愿意在每次出错后复盘更新、把AI当长期合作伙伴而非一次性工具。

不适合：期望开箱即用、不想花时间迭代规则、把AI当一个更快的搜索引擎。

如果是后者，封装好的法律AI产品可能更适合你——有现成的规则，不用你维护。但要接受：那是别人的规则，按别人的标准运转。你永远是用户。

如果你选自建，我的建议是从最常出错的一个环节开始。不要想"我要建一个完整的合同审核AI系统"。想你审合同的时候最容易被哪个问题坑到。先写一条规则。用一周。看它挡住了什么、漏了什么。改。再写第二条。

这条路慢。但慢的东西，往往是能最快长出真正壁垒的东西。

作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。