!封面
这两年分享 AI 的话题比较多，莫名被贴上了"AI 律师"的标签。同行朋友见面，常问三个问题：
"哪个 AI 好用？"
"AI 幻觉还是很多吧，是不是应该再等等？"
"技术总会成熟的，到时候直接用最成熟的就行了，为什么要现在追？"
这些问题我听了太多遍。起初我认真回答。推荐哪个工具，解释背后的原理，分析趋势走向。后来我逐渐意识到一件事：这些问题背后有一个共同的预设，而这个预设本身是错的。
大家都把 AI 当成了工具。
工具的逻辑我们太熟悉了。互联网时代二十年，我们习惯了这样一种模式：厂家开发软件，封装测试，推向市场，用户购买使用。Word 就是 Word，CAD 就是 CAD，输入 A 得到 B，结果确定，用法固定。产品经理把需求想清楚了，工程师把规则写死了，你打开软件，功能就在那里，不会多也不会少。
这套逻辑塑造了我们对待技术产品的本能：等技术成熟，等产品稳定，等最好的那个出来，然后直接用。
但 AI 不是这样的东西。
同样的提示词，你输入两次，得到的结果不一样。你今天让它写一份法律意见书，明天同样的指令再问一次，措辞变了，重点偏了，甚至结论都不一样。
这不是 AI 的 bug，这是它的 feature。AI 底层是概率模型，不是规则引擎。它的输出天生具有不确定性。
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 300">
<defs>
<marker id="arrow" markerWidth="6" markerHeight="6" refX="6" refY="3" orient="auto">
<path d="M0,0 L6,3 L0,6 Z" fill="#333"/>
</marker>
</defs>
<!-- 工具 -->
<text x="300" y="24" text-anchor="middle" font-size="13" fill="#999" font-family="sans-serif">工具 · 确定性系统</text>
<rect x="40" y="42" width="100" height="32" rx="4" fill="#f0f0f0" stroke="#999" stroke-width="1"/>
<text x="90" y="63" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">输入 A</text>
<line x1="140" y1="58" x2="178" y2="58" stroke="#333" stroke-width="1.2" marker-end="url(#arrow)"/>
<rect x="180" y="42" width="160" height="32" rx="4" fill="#fff" stroke="#333" stroke-width="1"/>
<text x="260" y="63" text-anchor="middle" font-size="13" fill="#333" font-family="sans-serif">固定规则引擎</text>
<line x1="340" y1="58" x2="378" y2="58" stroke="#333" stroke-width="1.2" marker-end="url(#arrow)"/>
<rect x="380" y="42" width="100" height="32" rx="4" fill="#f0f0f0" stroke="#999" stroke-width="1"/>
<text x="430" y="63" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">输出 B</text>
<text x="300" y="92" text-anchor="middle" font-size="12" fill="#999" font-family="sans-serif">每次相同</text>
<!-- 分隔线 -->
<line x1="40" y1="122" x2="560" y2="122" stroke="#e0e0e0" stroke-width="0.5"/>
<!-- AI -->
<text x="300" y="144" text-anchor="middle" font-size="13" fill="#999" font-family="sans-serif">AI · 概率系统</text>
<rect x="40" y="162" width="100" height="32" rx="4" fill="#f0f0f0" stroke="#999" stroke-width="1"/>
<text x="90" y="183" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">输入 A</text>
<line x1="140" y1="178" x2="188" y2="178" stroke="#333" stroke-width="1.2" marker-end="url(#arrow)"/>
<rect x="190" y="162" width="140" height="32" rx="4" fill="#fff" stroke="#333" stroke-width="1"/>
<text x="260" y="183" text-anchor="middle" font-size="13" fill="#333" font-family="sans-serif">概率模型</text>
<!-- 三个不同输出 -->
<line x1="330" y1="170" x2="378" y2="170" stroke="#333" stroke-width="1.2" marker-end="url(#arrow)"/>
<rect x="380" y="150" width="100" height="28" rx="4" fill="#f5f0e8" stroke="#c0a060" stroke-width="1"/>
<text x="430" y="169" text-anchor="middle" font-size="13" fill="#333" font-family="sans-serif">输出 B₁</text>
<line x1="330" y1="186" x2="378" y2="196" stroke="#333" stroke-width="1.2" marker-end="url(#arrow)"/>
<rect x="380" y="186" width="100" height="28" rx="4" fill="#f0f0f8" stroke="#8090c0" stroke-width="1"/>
<text x="430" y="205" text-anchor="middle" font-size="13" fill="#333" font-family="sans-serif">输出 B₂</text>
<text x="300" y="252" text-anchor="middle" font-size="12" fill="#c0a060" font-family="sans-serif">每次不同——这是 feature，不是 bug</text>
</svg>问题来了：一个输出不确定的东西，怎么在工作中为你所用？
工具框架给不了答案。AI 应用公司可以采集行业数据做微调，给你一个看起来很惊艳的 Demo。60 分的方案，覆盖通用场景，让外行觉得"哇好厉害"。但如果你是一个对专业呈现有要求的人，60 分离你的标准差太远了。
你的专业标准本身就是非标准的。你看合同的方式、你判断风险的直觉、你对某个条款的措辞偏好、你在特定类型项目中的处理习惯——这些不是任何厂家能替你封装好的。厂家的通用控制，打不到你的七寸。
所以要换一个框架。把 AI 当成伙伴。
想想你现实工作中怎么和碳基伙伴相处的。
你带过一个新人律师吗？他的输出也高度不确定。你让他写一份法律意见书，交上来的东西可能完全出乎你的意料。重点抓偏了，措辞不到位，风险漏掉了。你怎么做？
你不会因为他的第一次输出不完美就放弃他。你跟他沟通，告诉他哪里不对、为什么不对、应该怎么改。你带他上项目，让他在具体场景里感受你的判断逻辑。你给他反馈，他调整，你再反馈，他再调整。慢慢地，他的输出开始接近你的标准。他开始理解"你会在意什么"。
这个过程中发生了一件很重要的事：你的隐性知识被传递了。
隐性知识这个东西，从来不是靠一次性文档传递的。不是你写一份《法律意见书撰写规范》丢给新人，他就能写出你满意的东西。真正的专业判断——那个"这个条款感觉不对"的体感，那个"这个地方对方大概率会扯皮"的经验——这些东西只能在具体场景里被一次次触发。你先得被场景勾起那个直觉，然后把这个判断说出来，反馈给对方，对方才会在下一次类似的场景里调用。
这是一个漫长的相处过程。没有人能一蹴而就地显性化自己的隐性知识。
AI 也是一样。
AI 基于规则约束来工作。但规则从哪里来？不是厂家替你写好的，是从你长期的使用、纠错、迭代中慢慢长出来的。你的 system prompt，你的 custom instructions，你对它输出的每一次纠正，每一次"不对，我要的是这样"，每一次在具体场景里的反馈——这些东西积累起来，就是你与 AI 的相处史。
这些规则没有捷径。为什么？
因为隐性知识只有在被勾起的时候才能被表达。你坐在那里空想"我的专业方法论是什么"，是写不出来的。但当你面对一个具体的合同条款、一个具体的交易结构、一个具体的争议场景时，你的直觉被触发了，你意识到"这里有问题"——这时候你才能把这个判断转化成语言，交给 AI，让它记住。
一次交互，一点沉淀。累积得多了，AI 就会越来越接近你的预期。它开始适应你的工作方法，适应你的目标和习惯，适应你的表达方式。它的输出开始带着"你"的影子。
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 340">
<defs>
<marker id="arrow2" markerWidth="6" markerHeight="6" refX="6" refY="3" orient="auto">
<path d="M0,0 L6,3 L0,6 Z" fill="#555"/>
</marker>
</defs>
<!-- 四个节点，环形布局 -->
<!-- 节点1：场景触发 -->
<rect x="200" y="20" width="140" height="50" rx="6" fill="#fff" stroke="#333" stroke-width="1.2"/>
<text x="270" y="42" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">具体场景</text>
<text x="270" y="60" text-anchor="middle" font-size="11" fill="#999" font-family="sans-serif">一个合同 / 一个条款</text>
<!-- 箭头：场景 → 直觉 -->
<line x1="340" y1="45" x2="420" y2="100" stroke="#555" stroke-width="1.2" marker-end="url(#arrow2)"/>
<!-- 节点2：直觉触发 -->
<rect x="400" y="105" width="150" height="50" rx="6" fill="#fff" stroke="#333" stroke-width="1.2"/>
<text x="475" y="127" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">专业直觉被触发</text>
<text x="475" y="145" text-anchor="middle" font-size="11" fill="#999" font-family="sans-serif">"这里有问题"</text>
<!-- 箭头：直觉 → 反馈 -->
<line x1="475" y1="155" x2="475" y2="195" stroke="#555" stroke-width="1.2" marker-end="url(#arrow2)"/>
<!-- 节点3：语言化反馈 -->
<rect x="390" y="200" width="170" height="50" rx="6" fill="#fff" stroke="#333" stroke-width="1.2"/>
<text x="475" y="222" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">表达判断 / 纠正输出</text>
<text x="475" y="240" text-anchor="middle" font-size="11" fill="#999" font-family="sans-serif">"我要的是这样，因为…"</text>
<!-- 箭头：反馈 → 规则 -->
<line x1="390" y1="225" x2="310" y2="175" stroke="#555" stroke-width="1.2" marker-end="url(#arrow2)"/>
<!-- 节点4：规则沉淀 -->
<rect x="170" y="150" width="140" height="50" rx="6" fill="#f8f8f8" stroke="#333" stroke-width="1.2"/>
<text x="240" y="172" text-anchor="middle" font-size="14" fill="#333" font-family="sans-serif">规则沉淀</text>
<text x="240" y="190" text-anchor="middle" font-size="11" fill="#999" font-family="sans-serif">AI 记忆 / 指令固化</text>
<!-- 箭头：规则 → 场景（回到起点） -->
<line x1="240" y1="150" x2="270" y2="70" stroke="#555" stroke-width="1.2" marker-end="url(#arrow2)"/>
<!-- 中心文字 -->
<text x="370" y="302" text-anchor="middle" font-size="12" fill="#999" font-family="sans-serif">隐性知识显性化循环 · 伴生的本质</text>
</svg>这就是伴生。
你从来没有期待过，世界上存在一个厂家，能生产出一个伙伴，交到你手里就满足你所有需求，就能跟你无缝协作。你天然地理解，伙伴是处出来的，不是买来的。
那为什么到了 AI 这里，就变成了"等它成熟了直接用"？
有人说，AI 幻觉问题解决不了，不放心用。
碳基伙伴也会犯错。一个第三年的律师，你敢闭着眼睛直接用他的工作成果吗？你不会。你会审查，会验证，会建立自己的判断框架。对 AI 也是一样。关键不是它不出错，是你有没有建立与它协作时的验证习惯。把 AI 当伙伴，你会天然地建立这件事；把 AI 当工具，你会因为一次错误就认定这东西不行。
有人说，那我等 AI 更成熟了再开始用，不行吗？
你在等一个永远不会来的时刻。不是因为 AI 不会进步了，而是因为你和 AI 的协作能力不是下载来的，是长出来的。别人已经在和 AI 建立工作默契了。在不断反馈中把隐性知识注入规则，在不断磨合中把 60 分的方案拉到 85 分。这个窗口不等人。你等得越久，错过的不是技术成熟，而是磨合时间。
我不是在给建议。我分享我自己的做法。
我每天都在和 AI 一起工作。不是在"使用"它，是在和它协作。我不期待它一次就出完美结果，就像我不期待团队的律师第一次就写出完美的文书。我花了大量时间建立我的工作规则——instruction 的写法、反馈的方式、渐进纠错的节奏。这些东西看起来是在配置 AI，本质上是在建立我们之间的工作语言。
我的 AI 正在越来越像我的。它的输出带着我的判断习惯、我的表达方式、我的关注重点。换一个同行来用，得不到同样的结果。不是因为 AI 不同，是因为和它相处的人不同。
这回到了文章开头那个问题。"哪个 AI 好用？"
这个问题问错了。真正的问题是：你有没有和一个 AI 好好相处过。你有没有在具体场景里一次次纠正它、喂养它、打磨它，让它从通用 AI 变成你的 AI。
从工具到伙伴，这个认知转变是第一步，也许是最重要的一步。这一步不迈出去，你永远在等一个不会来的完美工具，永远在用别人的 AI，不是在用你自己的 AI。
工具可以被替换。伙伴不可替代。
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。