!封面

这几天看四明山法师 AI 夜校二期报名材料，我有一个很强的感受：法律人学 AI，最先暴露出来的短板往往不是“不会用工具”。

工具当然重要。但在 43 份意向报名表里，真正把人区分开的，不是会不会说 Prompt、RAG、Agent、Skill 这些词，而是有没有一个真实、重复、可被拆解、最后能验收的工作任务。

这不是一个面向全体法律人的统计调查。样本来自一门进阶型法律 AI 课程的报名池，本来就带有筛选偏差。但它仍然能说明一个问题：当 AI 从聊天框走向工作流，学习者之间的差距开始换位置了。

以前差距在“知道不知道”。现在差距在“有没有任务可以喂给系统”。

43 份样本里，最有意思的不是技术标签

这份二期意向学员分析报告把报名者分成了五档：S 级 4 人，A 级 10 人，B 级 14 人，C 级 11 人，D 级 4 人。

如果只看技术能力，结论会很容易走偏。

有人已经深度使用 5 类工具，会安装软件、用命令行、改配置文件；也有人只是经常问答，最多会读文档。可进入高匹配区间的人，并不总是技术最强的那批。

真正拉开差距的，是任务。

比如，有人每月要做 40-50 份大宗贸易资信调查，从企查查抓信息，再填入固定 DD 模板。这个场景不炫，但它高频、格式稳定、产出清楚。AI 介入后，不是“提高一点效率”，而是有机会把一条工作线改造成半自动流程。

还有人处理 100+ 页银行流水，要逐笔筛选有效往来；有人要从大量 PDF 中抽取行政审批内容，填入法律意见书模板；有人已经在用 Claude CoWork 分析 100+ 份裁判文书，但卡在裁判文书语料如何更精准地组织。

这些任务有一个共同点：它们不是“帮我写一篇文章”。

它们有输入、有规则、有中间过程、有交付物，也有失败标准。

AI 最怕的不是任务复杂，而是任务含糊。复杂任务可以拆，含糊任务只能靠运气。

最好的学员，未必是最会折腾工具的人

报名材料里有一个反直觉的地方：技术能力很强的人，有时反而需要再判断“课程是否有增量价值”。

原因很简单。已经完全熟练的人，如果只是想听听新工具名字，课程帮不了太多。相反，一个技术基础没那么强、但每周愿意投入 6-10 小时，并且手里有真实痛点的人，可能更容易在六节课里做出东西。

这和法律服务很像。

客户说“我想做合规”，这句话太大；说“我们每周要审核 200 份用户授权记录，想知道哪些字段不该留”，问题就开始可处理。学 AI 也是一样。“我想提高效率”太大；“我想把 80 份租赁合同的免租、违约、解除条款抽成表格，并标出异常”，就可以开工。

所以夜校筛选时，我更在意四个问题：

第一，这个任务是不是最近一个月真实会再次发生？

第二，它是不是重复到让人烦？

第三，它能不能拆成输入、处理、核验、输出四段？

第四，做完以后有没有人能判断好坏？

如果四个问题都答不上来，工具越多，越容易变成收藏夹。

高价值任务有四种味道

从这批样本看，法律 AI 的高价值任务大致有四类。

第一类是批量调查。

典型场景是资信调查、主体核验、项目尽调材料初筛。它们不是靠 AI 替代律师判断，而是让 AI 先把重复检索、字段提取、表格填充、异常提示做完。律师把时间放到最后那 20% 的判断上。

第二类是材料整理。

银行流水、证据清单、合同附件、项目审批资料，都属于这一类。材料越乱，越不能急着问“结论是什么”。先要把文件名、来源、页码、字段、时间线整理出来。很多 AI 失败，不是模型差，而是材料入口太脏。

第三类是类案和法条工作。

这里最容易出现幻觉，也最需要法律人保留控制权。AI 可以帮助建立检索词、归纳裁判理由、生成对比表，但不能替代法源核验。真正有价值的工作流，必须把“引用来源”和“结论边界”写进流程。

第四类是模板化生成。

授权委托材料、送达确认书、公函、审批单、委托代理合同，天然适合从一份起诉状或项目信息表中自动生成。但模板化不是无脑生成。字段从哪里来、哪些字段必须人工确认、哪些文件不能自动盖章，这些规则要先写清楚。

这四类任务，最后都指向同一件事：AI 工作流不是对话技巧，而是小型生产线。

一张“任务成熟度”表

我后来把筛选标准压成一张表，内部判断时很好用。

| 维度 | 好任务 | 差任务 |

|---|---|---|

| 真实性 | 最近 30 天内发生过 | 只是觉得以后可能有用 |

| 重复性 | 每周、每月都会出现 | 一年一次，且每次不同 |

| 可拆性 | 能拆成资料、规则、输出 | 只有一句“帮我分析” |

| 可验收 | 有模板、表格、清单或审查标准 | 好坏全凭感觉 |

| 可复用 | 下次能沿用流程 | 做完一次就丢 |

这张表不高级，但管用。

很多人学 AI 的痛苦，来自把“差任务”硬塞给模型。任务还没有被整理成可处理的形状，就急着让 AI 给答案。结果生成物看起来很完整，拿到真实工作里却不好用。

四明山法师 AI 夜校后来把课程结构调整成 1+6+1，也和这个判断有关：先导课对齐预期，六节主课围绕工具、工作流、算力和数据，返场课复盘作业。不是为了把工具讲满，而是逼每个人至少跑通一个最小闭环。

这句话听起来不性感。

但法律人的 AI 能力，最后就落在这里：能不能把一个真问题，推进到下次还能复用。

别把 AI 课上成工具展

我现在越来越警惕“工具展”式学习。

今天一个新插件，明天一个新模型，后天一个新自动化平台。看起来很热闹，工作方式却没有变。文件还散在微信里，案例还躺在收藏夹里，合同模板仍然靠人肉复制粘贴。

真正的分水岭不是知道多少工具，而是能不能把自己的工作材料变成系统能处理的数据，把自己的判断规则变成系统能执行的步骤，把自己的交付标准变成系统能反复检查的清单。

这也是我为什么愿意做 AI 夜校。不是再办一门“听完很兴奋”的课，而是用报名筛选、课前准备、作业和返场，逼大家把一个真实任务做成东西。

工具会换。

任务不会消失。

法律人学 AI，最值得投入的不是追每一个新名词，而是从今天手里那件最烦、最重复、最容易出错的工作开始，给它写一条能跑起来的路。

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。