用过AI的律师伙伴们应该都有过这种经历。
打开DeepSeek满怀期待地输入：“帮我起草一份关于XX案件的初步法律意见书，要求分析胜诉可能性并引用相关判例。”
暗自期待，这个“智能助理”能瞬间帮你厘清思路，甚至直接生成一份可以直接发给客户的初稿。
然而当结果出现在屏幕上，你可能大失所望，这份“意见书”充斥着空泛的法律原则，引用的判例要么不相关，要么是编造的。
“祛魅了，这些大模型果然吹过头了。” 你叹了口气，关掉窗口，继续翻阅法条和案例，不再打开这些大模型的网页。
都说AI使用没有门槛，有键盘就行。但是为什么有的律师能用的好，有的律师就是用不好呢？
就像有的员工在A公司平平无奇，到B公司后风生水起，本质原因其实是老板能不能用好他。
AI是一个学识渊博、学习能力超强、文字总结输出能力极佳的博士。
但是它知识学杂了，在某个细分领域可能不精，甚至可能还学习了一些错误的知识。
只有最大化利用好它的优点，避免“踩中”它的缺点，才能真正利用好它。我来给你分享3个原则，帮助你在工作中效率提升10倍。
01扬长避短，优先让AI做它擅长的事
1.1 AI有自己明确的“能力圈”
比如：
信息检索与总结
AI可以快速阅读大量文献、案例、法规，并根据你的要求进行筛选和总结。
比如，你可以让它“检索近5年内上海地区关于‘信息网络传播权’的判例，并总结法院的主要裁判观点”。这比你手动检索、阅读、提炼要快得多。但是一定要校验结果。
文本模仿、生成与润色
对于格式化、重复性高的文书，如律师函模板、简单的合同条款、证据目录等，AI可以快速生成初稿。你也可以让它帮你润色语言、调整语气、检查错别字和语法错误。
翻译
处理涉外案件时，AI可以快速翻译法律文件、邮件、证据材料，大大降低语言沟通成本。
数据分析与可视化：对于包含大量数据的案件（如金融、税务类），AI可以帮助分析数据规律，甚至生成可视化图表，辅助你发现线索。
1.2 要避免让AI做的事情
进行复杂的法律推理和判断
AI目前还无法像资深律师一样，结合具体案情、证据链、法律原则和实践经验，进行细致入微的分析和判断。它可能会给出看似合理但经不起推敲的结论。
提供决定性的法律意见
AI生成的内容只能作为参考和辅助，绝不能直接作为给客户的最终法律意见。最终的判断和决策权必须掌握在律师手中。
保证信息的绝对准确性
AI存在“幻觉”现象，可能会编造事实、案例或法条。所有AI提供的信息，尤其是关键信息，必须经过人工核实。
核心的思路是：把AI定位成一个效率极高的“初级助理”或“研究员”，让它处理信息搜集、初步整理、文本草拟等辅助性工作，把你的精力解放出来，专注于策略制定、风险评估、庭审辩论等核心法律业务。
02把控过程，需求越明确，AI越少犯傻
与AI沟通，本质上是下达指令。指令越模糊，AI“自由发挥”的空间就越大，出错的可能性也就越高。想要AI精准地满足你的需求，你需要学会精准要求：
2.1 提供充足的背景信息
不要指望AI能读懂你的心思。在提问前，尽量提供案件的基本事实、争议焦点、相关法律关系、管辖法院等背景信息。信息越充分，AI的理解越到位。
2.2 明确任务要求
清晰地告诉AI你希望它“做什么”。是“总结判例”，还是“起草条款”，或是“翻译文件”？任务要具体。
2.3 设定输出标准
对AI生成的内容提出具体要求，比如以下这些要素：
格式：需要表格、markdown还是特定格式？
长度：有字数或篇幅限制吗？
角度/立场：需要客观中立，还是站在某一方立场？
语气/风格：需要正式、严谨，还是通俗易懂？
关键要素：必须包含哪些信息点或法律要素？
拆分复杂任务：对于复杂的任务，如撰写一份完整的法律意见书，可以将其拆分成多个小步骤，让AI逐步完成。例如：
“检索与本案[具体争议焦点]相关的法律法规和司法解释。”
“查找支持我方观点的[某地区]法院近三年相关判例，并简要说明判决理由。”
“分析对方可能提出的主要抗辩理由。”
“基于以上信息，草拟法律意见书的‘事实部分’和‘法律分析部分’的初稿。”
迭代优化：AI生成初稿后，仔细审阅，找出不足之处，然后提出更具体的修改意见，让AI再次生成。来回几次，逐步逼近你想要的结果。
最后，给大家一个对比示例：模糊指令：“帮我写个股权转让协议。”（AI可能给出一份非常通用，甚至不适用的模板）明确指令：“请根据以下信息，为甲方（张三，身份证号...）和乙方（李四，身份证号...）起草一份股权转让协议初稿：目标公司为XX有限公司（统一社会信用代码...），甲方将其持有的该公司30%股权作价50万元人民币转让给乙方。协议需包含但不限于：转让标的、转让价款及支付方式、双方权利义务、陈述与保证、违约责任、争议解决条款（约定由XX法院管辖）。请确保条款清晰、权责明确。”不要把AI当成“万事通”，而要把它当成需要精确指令才能工作的“工具”。提供清晰的“需求文档”（Prompt），才能得到高质量的交付成果。03
优胜劣汰，让AI卷起来
市面上的大语言模型百花齐放、竞争激烈。有的模型推理能力强，有的模型写作文笔好，有的模型能搜索到特定的数据源，还有一些是专门针对法律领域训练的垂直模型。不要“从一而终”，要学会“货比三家”。
多模型尝试
对于同一个任务，特别是比较复杂的任务，不妨尝试使用2-3个不同的AI模型来生成结果。比如，你可以同时向通用大模型（如Kimi，DeepSeek，文心一言，ChatGPT等）和可能的法律垂直模型提出相同的问题。
交叉验证与对比
将不同模型生成的结果进行对比分析。
事实核查
它们引用的法条、案例是否一致？是否存在矛盾？哪个更准确？
观点比较
对于分析性的问题，它们的观点、角度有何异同？哪个更深入、更全面？
表达差异
哪个模型的语言表达更流畅、更专业、更符合你的要求？
启发与融合
一个模型的优点可能恰好是另一个模型的缺点。你可以借鉴A模型的某个观点，结合B模型的某个论证，或者用C模型的语言风格来组织，最终形成一个更高质量的成果。甚至可以用一个模型的输出来优化给另一个模型的指令。
建立你的“AI工具箱”
通过不断尝试和比较，你会逐渐了解不同AI工具的特性和适用场景，从而建立起自己的“AI工具箱”。在处理不同类型的任务时，可以优先选择最擅长的那个工具。
引入竞争机制，让不同的AI为你“打工”，然后由你这位“老板”来进行最终的筛选、评估和整合。这不仅能提高单次任务的质量，也能让你更深刻地理解当前AI技术的能力边界和不同模型的特点。