!封面

年初我发起了一个叫"四明山法师AI夜校"的法律人AI实训项目。

名字需要解释一下。四明山是宁波的一座山，我在宁波执业。法师不是寺庙里的法师，是法律人的"法"。合在一起，就是一个扎根宁波、面向法律人的AI实战训练营。

这个项目有些"不太常规"的设置：申请制筛选，不是交钱就能进；学费888元，还要另交1000元保证金，缺课缺作业就罚没；每周强制提交实操作业，连续两次不交直接劝退。先导课加六节主课再加返场复盘，核心工具是Cherry Studio和Claude Code，目标不是"了解AI"，是逼你把AI放进真实工作里。

有人问我：一个做百亿地王项目的商业律师，为什么要花时间去搞这个？

我的答案很简单：因为我看到了法律行业一个正在加速的分化——会用AI的法律人和不会用AI的法律人，正在变成两种完全不同的职业物种。

而我自己从2023年开始密集使用AI的这几年里，逐渐想清楚了一件事：AI好不好用，在头部模型能力趋于拉平的今天，核心不再是模型本身。核心是你对模型的控制力。

模型平权之后，什么才是稀缺的？

先说一个判断：头部模型的能力正在快速趋同。

去年可能还有人纠结用ChatGPT还是Claude，今年你会发现，在绝大多数法律场景下，几个主流模型的表现差距没有想象中那么大。合同条款分析、案例检索、法律备忘录起草，各家的顶尖模型都能做到七八十分的水平。

一句话：模型本身不再是瓶颈。

真正拉开差距的，是使用者的控制能力。同样一个模型，有人用它写出了可以直接发给客户的法律意见，有人用它生成了一堆看起来头头是道但漏洞百出的文字。区别不在模型，在坐在键盘前面的那个人。他知不知道自己在让模型做什么？他有没有能力判断输出对不对？他有没有把自己的专业标准"植入"到模型的行为里？

这就是控制力。

控制力不是会写prompt。prompt engineering这个词本身就有点误导，它让人觉得"把话说清楚"就行了。实际上，真正有效的控制有三个层次。

知道边界。这个模型能干什么、不能干什么、在什么情况下会胡编。这不是看说明书能解决的，是一次又一次把它问崩、问出幻觉、问出逻辑断裂之后积累出来的体感。

建立标准。你的专业判断标准是什么？什么叫"好的合同条款"？什么叫"充分的法律论证"？这些标准如果不明确，AI的输出就永远是一个随机抽样。

规则化。把标准变成AI可执行的规则——审查清单、风险分类框架、输出模板、写作风格指南。这个过程没有捷径，就是在日常协作中一点一点"教"出来的。

三层看下来，没有一层是纯技术问题。它们本质上都是同一个东西：专业判断的外化。

法律人的隐形资产

一个做了十五年的律师和一个刚入行的律师，区别在哪？

不在于法条背得熟不熟。现在任何一个人打开AI都能在三秒内调出民法典第584条全文。区别在于：老律师拿到一个案子，脑子里会自动浮现出类似案情的裁判倾向、对方律师可能的出牌策略、法官可能关心的程序节点、客户没说出来但实际最在意的商业诉求。

这些东西，法律教育管它叫"经验"，AI领域的人叫它"隐性知识"。叫法不重要，重要的是——这是法律人最值钱的东西。

问题在于，隐性知识如果不经过"显性化"，就没办法传递给AI。你脑子里知道这个条款有风险，但如果你不能把"为什么有风险"拆成AI能理解的判断维度——"付款节点是否与交付节点挂钩""解除条件是否单方倾斜""违约责任是否覆盖了全部可能的违约场景"——那么AI对你来说永远只是一个高级法条检索器。

我自己的实践体会是：与AI协作的过程，本身就是一场持续的自我解剖。

你每一次觉得"这个回答不对"，背后都藏着一个你以前没有明确表述过的专业判断。你说"不够深入"，意味着你心里有一个"深入"的标准，但这个标准以前不需要被说清楚，你一看就知道。现在你要把它翻译成AI能执行的规则：什么叫深入？分析了三个层面的法律后果？引用了类案？提示了执行层面的落地风险？

这个过程很累。但它极其有价值。

它让AI变好用了，同时逼你把原来模模糊糊的专业感觉讲清楚。很多律师带徒弟带了十年，徒弟还是不会，因为师傅自己也说不清自己到底是怎么判断的。AI逼你把这个过程外化出来，说出来，变成可执行的规则。

为什么夜校要设保证金和强制作业？

回到四明山法师AI夜校的设计。

这个课程的很多设置——申请制、保证金、强制作业、劝退机制——在有些人看来可能过于严格。一个AI培训而已，至于吗？

至于。

因为我见过太多这样的情况：律师听了一场AI讲座，觉得"这个东西很厉害"，回去注册了一个账号，问了几个问题，然后就没有然后了。三个月后，他的AI使用方式没有任何变化。

认知不转化为行为，等于零。

AI控制力的养成不是一个"学会了"的瞬间，而是一个持续的行为改变过程。你需要每天用、每次踩坑、每次纠偏、每次把纠偏沉淀成规则。这就像健身——你不可能听一节私教课就长出肌肉。你需要每周练、持续加重量、在力竭的时候再多做一个。

保证金和强制作业，本质上是用外部约束替代意志力消耗。我知道一个人很难坚持，所以我用制度来兜底。

这个设计逻辑，其实和我对AI控制力的理解是一脉相承的：规则先于发挥。 在你还没有形成肌肉记忆之前，先用明确的规则框住行为，让行为先发生，再在行为中迭代判断。

这也是为什么我选择Claude Code作为这门课的核心工具。不是因为它最强大（虽然它确实强），而是因为它有一套成熟的控制体系——CLAUDE.md、rules、skills、hooks——这些东西本质上就是"把你的专业判断变成AI可执行规则"的基础设施。你用网页版AI聊天，你永远只能停留在"问问题"的层面。但当你开始用Claude Code搭建自己的工作区、写自己的规则文件、创建自己的skill，你就已经在走"控制力"这条路了。

"律师就该做律师的事"，这话对吗？

有一种质疑我认为值得认真回应。

有人说：律师的核心价值在法律专业判断，把时间花在研究AI上，是不是本末倒置？

这个质疑在逻辑上成立，在事实上不成立。

它假设学AI和做律师是两件互相挤占的事。实际上，一个已经具备顶尖专业能力的法律人，掌握AI的边界和逻辑，并不需要成为技术专家。你不需要会写代码，不需要懂transformer架构，不需要理解注意力机制。

你需要的是：知道AI能干什么和不能干什么，知道如何把专业标准转化为AI可执行的规则，在日常工作中持续与AI协作直到它变成"你的AI"。

对一个成熟的律师来说，入门几周，精通几个月。但它带来的杠杆效应是巨大的。一个能用AI放大自己专业判断的律师，和一个只能用传统方式工作的律师，五年后的效率差距会大到难以想象。

再说一个更直接的判断：未来法律市场最大的分化，不会出现在大所和小所之间，也不会出现在诉讼律师和非诉律师之间，而是出现在会用AI的法律人和不会用AI的法律人之间。

AI不只是一个提效工具。它正在改变法律服务的供给结构。以前一个复杂的尽调项目需要十个律师干两周，未来也许三个律师加一套AI系统一周就能完成。那些不会用AI的律师，不会"失业"，法律行业的需求弹性足够大。但他们会被挤压到更低价值的碎片化工作中去。

而掌握了AI控制力的律师，释放出来的时间不会用来接更多同质化的案子。他们会把时间投入到更有价值的判断性工作中：策略设计、客户沟通、交易结构创新。这些才是法律人不可替代的东西。

你的经验，必须变成你的AI的规则

AI就像一个天赋极高但完全没有法律实务经验的实习生。它聪明、勤奋、不抱怨重复劳动，但在专业判断上像一个真空。它不知道什么是"好的法律分析"，因为没有人告诉过它。

填满这个真空的，只能是你的经验。

你的每一次"这个不对，重写"，每一份被反复修改的法律意见书，每一个在合同谈判中积累的判断瞬间。这些东西如果只留在你的大脑里，是你个人的竞争力。如果被显性化为AI的规则和标准，它们就变成了你在智能时代的第二大脑。

四明山法师AI夜校的学员里，有执业十五年的合伙人，也有刚入行三年的青年律师。几节课下来我发现，学得最快的不是技术基础最好的，而是那些在日常工作中已经积累了丰富判断框架、只是之前不知道如何把它们"翻译"给AI的人。一旦他们理解了这个翻译机制，进步是指数级的。

不是因为你会用AI，所以你比同行强。是因为你在专业上已经很强了，所以AI在你手里才会变成别人手里变不成的样子。

你的专业判断才是那个不可替代的东西。AI只是让它跑得更远。

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。四明山法师 AI 夜校（legalAGI.cn）发起人。