!封面
!封面
七篇文章一路写来，规律已经不需要猜了。
“不喜欢系列”翻来覆去讲了一件事：合并单元格不行，空格对齐不行，把几份 PDF 合并成一个文件不行。AI 在这些东西面前表现出来的“笨”，和算力没关系。这些东西有一个共同点——信息是混在一起的，边界是模糊的，分类是依赖人的视觉和经验的。
到了“喜欢系列”，反过来看：Markdown 行，JSON 行，结构化提示词行。它们也有一个共同点——信息已经分好了类，每一块知道自己是什么，该去哪里。
喜欢和不喜欢的背后，是同一个东西：信息有没有被整理过。而这个“整理”有一个更抽象的名字——分类框架。
这不是技术问题，是思维方式问题。
什么叫分类框架？
不用学术定义，用操作定义：分类框架就是把复杂信息整理到 AI 能处理的状态的一种方式。它有三个典型动作。
第一个动作：按维度拆。主体、行为、时间、金额、依据——各归各道，不混在一起。合同审查的时候，付款条款和交付条款分开看，不是因为它们没有关系，而是因为它们适用不同的判断标准。混在一起看，什么都看不清。
第二个动作：贴标签。不要写“这个条款需要关注”。“需要关注”不是标签，是废话。写上“高风险——违约责任不对等”或者“中风险——交付标准模糊”，这才是标签。把模糊判断转化为明确分类，是分类框架的核心动作。
第三个动作：分层级。原始材料是一层，摘要是一层，分析是一层，结论是另一层。每一层有每一层的边界，不跨层混淆。你不能在结论层里塞原始材料，也不能在摘要层里做分析判断。层级乱了，整个框架就塌了。
这三个动作，法律人不会觉得陌生。
法律关系分析法，说白了就是一个分类框架。先定性——这是什么法律关系；再找要件——这类关系有哪些构成要素；再逐项匹配——事实能不能对上要件。几百年来法律人一直在做的事，和 AI 需要的事，是同一件事：把世界分好类，再往上套规则。
区别只在于，以前你可以靠经验模糊过去，现在 AI 不让你模糊。
为什么 AI 这么需要分类框架？
有五个理由，层层递进。
第一，降低歧义。 AI 最怕一句话：“这个要看情况。”不是怕判断，是怕“情况”没定义。分类框架做的事，就是把“情况”定义清楚——什么条件归 A 类，什么信号触发 B 类。不是不让 AI 判断，是把判断的前提摆到桌面上。
好比你说“这个合同条款有问题”，AI 不知道你想让它做什么。但你说“这个条款属于违约条款，从对等性角度审查，输出高风险/中风险/低风险分类”，它就明确多了。
第二，明确边界。 告诉 AI 什么归哪类，比让它自己划分边界准确得多。AI 不擅长在没有坐标系的情况下自己建坐标系。你给它一个空的二维平面，让它画象限，它可能会画，但画出来的大概率不是你要的那个。
但如果你说：横轴是风险等级，纵轴是发生概率，第一象限是高概率高风险——它就能精准地在坐标系里定位每一个点。
人定框架，AI 填内容，这是目前最有效的人机分工。
第三，可验证。 分没分对，一眼能看出来。AI 把某个条款归到“高风险”，你一看，不对，应该是中风险，改一下分类标准，再跑一遍。迭代成本极低。
相比之下，让 AI 在一团乱麻里“整体优化”，改了什么你不知道，改没改对你也不敢确定。分类框架让错误显形——不是不出错，是出了错能定位、能修正。
这是人机协作的核心逻辑：人定分类逻辑，AI 执行分类，人验证结果。人和 AI 各做各擅长的事。
第四，可组合。 分类后的信息像乐高。按主体维度切割的信息，可以按时间维度重新组合；按风险等级分类的判断，可以按业务条线重新排列。不同任务需要不同的信息组织方式，分类框架让重组变得可能。
你在审查一份施工合同时按条款类型分类，做完之后客户说“帮我按风险等级重新排一下”——如果一开始就用了分类框架，这个需求就是一个重新排序的动作。如果没分类，就等于重新审一遍。
第五，可复用。 一次分类，多次使用。合同审查的分类框架做完第一个合同，第二个合同直接套。案件分析的分类框架梳理完一个类型的案件，同类型全部通用。证据整理的分类体系建好了，每个新案件的证据材料进来就能自动归位。
这才是知识管理的底层逻辑——不是存文档，是存结构。文档会过时，结构不会。
法律工作中的四个分类框架实例
上面说的是原理，下面说操作。
合同审查。 拿到一份合同，不要从第一条读到最后一页。先按条款类型切：付款条款归一类，交付条款归一类，违约条款归一类，管辖和争议解决归一类，保密和知识产权归一类。每一类有每一类的审查标准——付款看条件和节点，交付看标准和验收，违约看对等性，管辖看便利性。分类之后，同一类型的条款在不同合同之间还可以横向对比：这个合同的违约条款比上次那个严多了。
案件分析。 不要笼统地问“这个案子胜算大不大”。把案件按法律要件拆开：主体适格归第一栏，行为定性归第二栏，因果关系归第三栏，损害范围归第四栏。每一栏下面逐项匹配证据。匹配完了，哪一栏缺直接证据，哪一栏只有间接证据，哪一栏证据充分，一目了然。不是“感觉证据不够”，是“第三项要件——因果关系——缺直接证据，目前只有时间线上的间接关联”。
证据整理。 传统做法是按时间线排，或者按证据类型排（书证一堆、人证一堆）。更好的做法是按证明目的分类：证明事实发生的一类，证明程序合法的一类，证明损失数额的一类，反驳对方主张的一类。同一证明目的下再按证据强度排序——直接证据在前，间接证据在后。这样排出来的证据目录，直接对应庭审中需要证明的每一个点，法官看得清楚，你自己用得顺手。
知识管理。 律所的知识管理最容易做成“文档坟场”——存了一堆，用的时候找不到。换一个思路：按领域建第一层（房地产、建设工程、投融资、劳动人事），每个领域下按案由建第二层（合作开发纠纷、施工合同纠纷、股权转让纠纷），每个案由下按争议类型建第三层（合同效力争议、价款结算争议、违约责任争议）。三层的每个节点里，放同类案件的合同条款、裁判倾向、证据清单。新案件来了，先在分类体系里定位，同一个节点下的所有东西都是相关的。不是搜出来的，是“归位”出来的。
收束一下：这四个框架不是 AI 教法律人的，是法律工作本身就该这么干。法律关系分析、要件审判、证据目录——这些本来就是方法论。AI 做的事，只是把这个要求变得更显性了。以前你可以把付款条款和违约条款混在一起看，靠经验在脑子里分类，出不了大错。但在 AI 辅助的工作流里，你不分类，AI 就乱。
分类框架的三个陷阱
诚实地说，分类框架不是万能药。用不好，比不用还糟。
第一个陷阱：过度分类。标准太细，一篇合同拆出五十个类别，看起来挺厉害，实际比不分类还乱。分类的颗粒度不是越细越好——够用就行。审查一个常规采购合同，五六个类别够了，不需要把“不可抗力”和“情势变更”拆成两个独立类别。
第二个陷阱：标准不统一。今天按条款类型分，明天按风险等级分，后天按主体角色分。或者团队里三个人用三种不同的分类标准。分类一旦标准不统一，就变成了噪音——你以为分好了，实际上每一类的内涵都不一样。标准统一，比标准精细重要得多。
第三个陷阱：为了分类而分类。忘记分类的目的是理解和行动。分完类不等于做完分析。把合同条款归到五类里，只是把材料摆好了，审查还没开始。分类是手段，不是目的。好的分类框架指向行动——分完类之后，下一步做什么，是一目了然的。
判断一个分类框架好不好，三条标准：够用，别贪细；统一，别耍聪明；指向行动，别停在分类本身。
先整理好，再交给 AI
“不喜欢系列”揭示了问题：人用格式，是视觉和习惯驱动的。合并单元格看着整齐，空格对齐看着舒服，几份 PDF 合成一个文件比较方便——都是从人的使用习惯出发的，没考虑信息的结构化程度。
“喜欢系列”揭示了答案：AI 需要的是结构和确定性。Markdown 有层级，JSON 有键值对，结构化提示词有角色和边界——这些东西的共同点是信息已经被整理过了。
格式、数据、提示词、知识、分类框架——五个维度，汇成一句话：先整理好再交给 AI，别让 AI 替你整理。
有意思的是，这和法律工作的底层逻辑完全一致。法律人的核心能力，从来不是“知道很多法条”，而是“能把复杂事实整理到法律规则可以有效适用的状态”。先理清法律关系，再适用法律规则——几百年来没变过。
AI 没有改变方法论，只是把方法论的要求变严格了。以前模糊一点也能过，靠经验在脑子里兜底。现在模糊一点，AI 就歪给你看。
这未必是坏事。它逼着我们把自己每天都在做的事——分类、定性、分层、归位——变得更自觉、更明确、更可传授。
能把事情想清楚的人，不需要靠模糊来兜底。
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。