2023年，AI大模型掀起了前所未有的科技浪潮，为不少行业都注入了新的动能。然而，目前市面上的AI大模型主要都是基础模型，虽具备通识能力，
但缺乏对法律行业的专业认知
。
许多律所和律师对大模型的态度是
既期待又焦虑，想尽快应用却又不知如何下手。
不少律师反馈，在使用AI的过程中，遇到
答非所问、引用法条不准确、前后逻辑矛盾
等问题的情况是常态。
原因也并不复杂。生成式AI的本质是通过训练大规模的数据集和其中相关数据、词汇的关系，学习抽象出数据规律，并利用模型生成新数据。因此，
它并不能做到像人类一样“理解”人类语言，更无法理解法律条文、案例背后暗含的语境和含义。
理解生成式AI的工作机制并掌握编写精准提示词的技能
，对于法律从业者来说显然远远不够。要想领先于99%的同行，势必要达成
一个人就能带领AI团队完成复杂任务的目标
——业界普遍认为这将成为法律界的常态。
你需要的正是搭建自己的专属AI律师助理，业内也将其称为
“AI Agent”
。
AI Agent= AI+知识库（RAG）+工作流（workflow）+插件工具
8月15日19:00
，
北京植德律师事务所首席运营合伙人
潘扬老师
， 就将手把手教你搭建专属于自己的
“AI Agent”
。
AI大模型只负责输入、输出，而AI Agent则可以实现更为复杂的功能。
工作流
可以将复杂的任务分解成较小的步骤，减少对提示词技术和模型推理能力的依赖，简单几步就能实现自动化；
知识库
则通过
RAG技术
，使用检索到的相关内容作为模型提示词的上下文来重新组织回复。
用大白话来说，二者的结合可以
让AI像法律人一样准确理解法律语言，从而输出更适配法律场景的内容
，从而帮助法律人将专业知识转化为法律服务，利用AI轻松实现自动化、场景化办案，实现降本提效、业务创新和作业体验的提升。
听课领
《60个提高办案效率AI使用案例（提示词PROMPTS）》
法律与AI的结合，不是简单的工具应用，而是一种思维方式的革新。它要求我们
重新定义律师的角色，重新思考法律服务的本质
。
律师在处理案件时，需要
查阅大量的法律条文、判例和学术文章
。这时候，“RAG”的作用就逐渐显现了出来。
RAG
，全称为
检索增强生成
，是一种结合了信息
检索（Retrieval）
和
文本生成（Generation）
的混合模型。其工作流程可以分为两个主要步骤：
信息检索
，即检索相关文档、数据源，获取与用户查询相关的信息；
文本生成
，即利用生成模型对检索到的信息进行处理、整合，生成符合用户需求的答案。
精准性、流畅性、时效性
是RAG的最大特点——它不仅能够帮助使用者高效获取海量信息，还能
及时生成准确、详尽的回答
，从而大大提高知识型工作的效率。
落地到法律场景中，RAG可以帮助律师
快速找到相关的法律文献，并生成简明的法律意见
。
比如，律师在
准备辩护材料
时，可以通过RAG系统输入案件相关信息，系统便会自动检索相关法律条文和判例，并提供有针对性的辩护策略。
重点是，RAG系统是完全
私人化的、定制化的
。那么问题来了，
律师如何搭建自己专属的知识库，并进行RAG系统实操？
首先，
要让你的知识被AI理解
。这就涉及到知识库的构建、知识的收集与组织，以及至关重要的——知识的更新与维护。
其次，
如何快速在知识库中找到所需资料？
这就涉及到高效、精准的索引优化，从而让知识库真正地为自己所用。
最后，
表达准确性设计、提示词的优化
也是必不可少的，这就决定了AI助理的最终输出成果——使其更加适配于真实法律场景。
此外，还有
AI工作流的搭建
。
如何通过简单几步，搭建起专属自己、为自己所用的AI工作流，从而识别和分析重复性任务，实现自动化？
听课领
《60个提高办案效率AI使用案例（提示词PROMPTS）》
一、AI助理的常见应用场景
1.咨询问答
2.查询文件
3.处理重复&流程工作
二、搭建知识库与RAG实操
1.让你的知识被AI理解
