Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
一眨眼2025年已经快结束，今年AI进步速度快到远超预期。从DeepSeek到Claude Code到GPT 5.1到Gemini3到Nano Banana二度升级，整整一年，AI圈都处于「月月有惊喜」的放烟花状态。
与之相伴的，是AI越来越嵌入我的工作场景，我扎扎实实感受到了AI对我工作（乃至个人生活）的优化与提升。今年最最喜欢的大模型是谷歌的Gemini，文书和信息分析的表现非常不错，也因此被我亲切地称呼为「G老师」。
本篇主要盘点和G老师相处的25年，我在如何花式压榨G老师，同时盘了盘目前法律人使用AI的现况。
本文将从【工具地图】和【项目思路】两个维度，复盘我这一年压榨G老师的经验。如果你想直接看实操，可以选择跳到第二部分进行阅读。
最近非常启发我的一篇文章是杨律师写的《律师用 AI，别只盯着那些「法律 AI 工具」》，他在这篇文章中提到了法律人使用AI的三个层级：
第一层，是通用大模型工具。比如豆包、ChatGPT 这一类chatbot，能帮你改写、润色、翻译、起草，解决的是「文本处理」的通用问题。
第二层，是行业化的法律 AI 产品。比如法律检索、智能合同审查，这些是厂商基于「律师的共性场景」包装出来的服务。
第三层，则是你个人或团队的 AI 工作流。这一层，往往不会以「产品」的形式出现，而是：
- 写好了就反复复用的提示词和模板；
- 若干半自动的脚本、小工具、表单；
- 以及围绕你自己的客户、案件、内容库搭出的上下文工程。
前两层可以用钱买，第三层只能靠你自己「支棱起来」。而真正把你从「会用 AI」拉向「离不开 AI」的，恰恰就是这一层。
我非常认同杨律师的观点，在未来，第三层（个性化设计）的使用只会越来越重要。根据他对法律人使用AI的「第三层」，我认为第三层的工具调用可以被分成五个阶梯：
这是最轻量的一层，追求「即时、无感」。例如以浏览器插件、输入法或划词助手等形式，让用户在阅读网页或打字时随时调用AI，主打一个Shortcut快捷操作 。法律场景下也已经有此类产品出现：
这是最常用的进阶层。利用Claude Projects、GPTs或Gemini的Gem，通过投喂知识库、设置系统提示词和上下文，让AI成为懂你业务的专属助手 。
这一层的构想，是我在读小杨老师的文章《一文教你把GPT-5调试成最强法律助手》时得到的启发，她在这篇文章里介绍了何为「AI工程化思维」：
一言以概之，AI工程化思维就是通过合理的架构，如版本控制（Prompt库）、学习机制（记忆库）、审查标准（Criteria）、反馈闭环（Iteration Log），使得输出效果不断提升，接近人类思维结果。 学会利用上述步骤尝试对大模型进行自主工程化设计，是让大模型表现越来越个性化的必要入口。
除此以外，今年Claude、Gemini、ChatGPT都在研发的skil功能也非常值得探索：只用 Claude Skills，打造专属 AI 伴侣｜附完整教程。目前，我也已经看到有律师使用skil研发自己的小工具。
利用Obsidian、Notion、飞书等软件，让个人数据更好地被流转调用 。这一层我摸索得不多，但身边已经有法律行业的朋友在卷了：
附相关文章：Gemini Cli + Obsidian 才是知识管理的神！！（附教程）
利用Dify、Coze或FastGPT搭建Workflow（工作流）和Agent。这里涉及多步推理，让AI像人一样按步骤思考，比如「先检索法条，再分析案情，最后写出报告」 。
使用Cursor、Trae等工具进行开发，创造完全属于自己的工具 。
四五阶我目前几乎不涉及，此处就不再多展开，感兴趣的朋友可以自行检索。
列出这五层，不是为了让大家去攀爬技术的高峰，非要学会第五层工具才算「会用AI的律师」 。恰恰相反，我想强调的是 「君子不器」 。我们使用AI的核心原则应当是以完成任务为导向，而不是以技术为导向 。
不要为了显摆技术而去强行使用高阶工具。比如，没必要专门用自己做一个合同审查的agent，合同审查这个场景，花了更多精力和时间的法律科技公司研发的产品必然比一个律师手搓的小工具好用。作为律师个人，通过配置层做一个专门「思考合同条款的Agent」反而更实用、更好落地 。
作为一个非技术背景出身的纯血法学生，我目前的个性化探索主要围绕主流大模型自带的「自主工程化工具」展开。我把Gemini整成了项目制的，用到的工具是Gemini自带的「Gem」功能。
Gem的架构非常简单，名称、指令（系统提示词）、知识库就是构成一个Gem的全部要素。
市面上有很多Agent搭建平台，比如Coze、dify、腾讯元器等等。我在日常工作中首选Gemini的Gems，主要基于以下考量 ：
至于究竟怎样的项目才值得被固定制作为一个gem，我总结了一套四象限切割法。我们可以构建一个坐标轴：X轴代表任务的属性（从「复杂项目」到「固定项目」），Y轴代表我们的关注点（从「高注意点」到「高频次」）。针对落在不同象限的工作，我有完全不同的「调教」策略 。
第一象限：高频次 + 固定项目（文书合并同类项）：
第二象限：高注意点 + 固定项目（固定流程的特别核查）：
我把审核的标准写进了Prompt里，强制AI对每一个条款进行压力测试，防止「想当然」的漏洞 。后面我也会提到制作优质提示词的小技巧。
第三象限：高注意点 + 复杂项目（复杂文书与分析）：
我的策略是将对话框变成「分步执行」的载体。例如在「论文指导小助手」中，我已经将论文需要的基础资料放置在知识库中，在这一基础上，我不会「论文指导小助手」让直接写论文，而是将论文切割为「寻找素材、搭建框架、撰写文本、修改文本至定稿」四个步骤。由于每个步骤有每个步骤需要注意的重点，因此每个步骤我都会单独开具对话框执行任务，确保重点不搅和在一起打架。
第四象限：高频次 + 复杂项目（？）：
在前面我们讨论「四象限切割法」时提到，针对「高注意点 + 固定项目」，最核心的注意点是撰写优质提示词。所以，写好提示词对于法律人而言，不仅仅是技术问题，更是将我们脑子里的法律思维，翻译成AI能听懂的、可执行的指令。我总结了两条更适合法律人的进阶路径。
如果你刚开始接触，不知道怎么描述需求，最简单的办法是「反向求助」，让AI利用它的归纳能力，帮你搭建80分起步的基础框架：
这是我从醋泡白豆老师的文章里得到的灵感。所谓 「Read in, Prompt out」，就是我们在阅读法律专业文章、法官判词或大佬著作时，不要只盯着具体的知识点，而要思考如何提炼其中的「方法论」或「思维模型」，并将其转化为AI的审核原则。
例如，我曾读到一篇名为《做律师，切忌「想当然」这三个字》（该提示词的撰写过程我已经写过文章，欢迎跳转查看详细步骤）的文章。文中提到，律师写合同最怕觉得「这还要写？不是谁都知道吗？」，但法官在裁判时只能依据条款本身，不会替你脑补。简而言之，合同上写的就是写的，没写的，法官也未必可以替你补脑。
为了解决这种律师常犯的「想当然」错误，我将文章中对于「想当然」的具体描述复制粘贴给了Gemini，并让Gemini基于此为我撰写提示词。Gemini生成的系统提示词非常不错，它认为审查一个条款需要遵循「四大审查原则」：
这四大原则提供的视角非常到位，已经足以帮助我审查出一个合同条款可能存在的漏洞。算是我「Read in, Prompt out」最成功的一个提示词。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。