作者丨李悦
机构丨
北京盈科（上海）律师事务所
* 本文为威科先行首发文章，转载请注明
人工智能（AI）技术的发展正以前所未有的速度改变着各个行业。自1950年图灵测试的提出和1956年“人工智能”一词的诞生以来，AI在不断进步，如2016年AlphaGo击败围棋世界冠军李世石，和2022年OpenAI发布GPT-3.5模型驱动的ChatGPT，使得AI在知识类和创造性工作中大放异彩。生成式人工智能（AIGC）已经成为热词，吸引了全球众多公司的目光。
迅猛发展的AI技术也在无可避免地影响着律师行业。面对日益复杂的法律事务和客户需求，律师们必须尽快掌握AI工具，以提高工作效率和精准度。本文旨在从律师的角度出发，探讨AI如何赋能律师工作，帮助法律从业者更好地应对未来的挑战。作为一名律师，笔者将从实践出发，分享个人经验和见解，助力同行们在这场技术变革中占得先机。
正如360的周鸿祎所说的“再好的技术用户也不会买单，因为用户用的不是技术，用户需要的是技术在什么场景上解决了什么问题。所以必须把技术和场景结合，构成应用或者构成产品。”对于律师来说，主要关注的就是AI能为自己的工作解决什么样的问题。
律师的日常工作纷繁复杂，不仅涉及法律咨询、法律文书起草、文件审查、尽职调查报告编制、争议解决、制定诉讼方案、案件检索以及与客户的日常沟通（如电子邮件、微信等）。此外，律师还需投入大量时间进行文件阅读、法律研究和新知识的持续学习。鉴于这些工作的复杂性和高效性要求，一款能够提升工作效率、工作质量及优化工作流程的AI工具对于律师而言具有迫切的实用价值。
经过观察，笔者发现目前已有多种垂类的AI工具能够为律师提供一定程度的便利，如智能合同审查、自动生成法律文件、案例快速检索及案件分析预测等。然而，使用这些工具的效果因人而异。未掌握一些使用技巧或方法可能无法充分发挥其潜力，让人有一种“不过如此”的感觉。
本文将试图探讨AI工具在律师具体工作场景中的应用，帮助律师更好地解决实际需求。
如何让AI成为自己工作中的生产工具？目前主流的AI产品大部分都是对话框式的聊天机器人。很多人可能会有这样的感受，一直听说AI非常强大，但真正使用时，效果却不尽如人意。除了聊聊天，画画图好像也没法用于工作。虽然有一些人认为以ChatGPT为代表的聊天机器人使用起来几乎没有门槛。但笔者认为，要将其转化为工作中的生产工具，掌握一些技巧是至关重要的。本文特意避开那些已经被广泛讨论的常规提示工程技巧，例如在编写提示词时需要先定义角色、信息、目标、语气以及其他输出要求。
2023年11月，Sheila Teo（张席拉）在新加坡首届GPT-4提示工程大赛中夺得冠军，并在赛后发表了一遍《我如何夺冠新加坡首届 GPT-4 提示工程大赛》的文章，总结的一些她个人的使用技巧。
Sheila Teo总结了四项经验：（1）借助 CO-STAR 框架构建高效的提示；（2）利用分隔符来分节构建提示；（3）设计含有 LLM （“大语言模型”）保护机制的系统级提示；及（4）仅依靠大语言模型分析数据集，无需插件或代码 — 实际案例分析 Kaggle 的真实数据集。笔者将结合律师日常工作中的实际应用场景，重点讨论其中的两项内容。
Sheila Teo总结的提示词框架CO-STAR，对于律师在日常工作中如何构建有效的提示词具有很大的借鉴意义。CO-STAR框架由六个部分组成：
(C) 上下文：为任务提供背景信息。
目的是为了帮助它精确理解讨论的具体场景，确保模型提供的反馈具有相关性。
(O) 目标：明确你要求LLM完成的任务。
设定明确的目标，让LLM知道需要达成什么样的结果或提供何种类型的信息。
(S) 风格：明确你期望的写作风格。
可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。这将指导LLM以一种符合你需求的方式和词汇选择进行回应。
(T) 语气：设置回应的情感调。
设定适当的语气，确保LLM的回应能够与预期的情感或情绪背景相协调。设置的语气可以是友好、严肃、鼓励、正式、幽默、富有同情心等。
(A) 受众：识别目标受众。
描述目标受众的特征，以便LLM能够调整输出内容，使其更适合特定的读者群体。无论是特定领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。
(R) 响应：规定输出的格式。
确定输出格式是为了确保LLM按照你的具体需求进行输出，便于执行下游任务。可以指示要求输出的格式可以是docx、xlsx、JSON 格式的数据等。
请注意，CO-STAR 框架有非常好的借鉴意义，但并非意味着在所有情况下都需要完全照抄。律师可根据具体的任务需求，对提示词作调整。以律师在日常工作中发送律师函的场景为例，假设需要代表甲公司发一份催款律师函给乙公司。
未使用CO-STAR 的Prompt（“提示词”）可能是这样的：
你是一名专业的律师，你现在代表甲公司向乙公司发送一份律师函，要求其在10日内偿还500万欠款。
尊敬的乙公司：
首先，感谢贵公司一直以来对甲公司的信任与合作。然因贵公司长期拖欠甲公司款项，现特此函告如下：
甲公司（以下简称“本公司”）与乙公司（以下简称“贵公司”）之间存在的商业合作关系，依据双方签订的合同（合同编号：XXX），贵公司需于2024年4月30日前向本公司支付货款500万元人民币。然而，截至本函发出之日，本公司仍未收到该笔款项。
鉴于上述情况，本公司现正式通知贵公司，务必于本函发出之日起十日内，即在2024年5月28日之前，将500万元人民币的欠款全额支付至本公司指定的银行账户。如贵公司未能在上述期限内支付该笔款项，本公司将不得不采取进一步的法律措施，包括但不限于向法院提起诉讼，追讨欠款以及由此产生的利息、违约金和律师费等相关费用。
希望贵公司高度重视此事，并及时处理，以避免双方因不必要的法律纠纷而增加的额外成本和损失。若贵公司有任何疑问或需要进一步的沟通，请及时与本公司联系。
你是一名专业的律师。甲公司与乙公司签署了xxx合同，甲方已如约供货，但乙方未结清500万货款。你现在代表甲公司向乙公司发送一份律师函。律师函的语句需要符合专业律师的措辞，并且需要强调对方的行为已经构成严重违约，详细说明违约可能给乙方公司造成的严重后果，增强紧迫性，促使其尽快还款。在要求对方于10日内还款时，语气需要强硬，但其他内容的语气可以保持友善。请直接生成docx文件。
你可能得到的反馈是：
“
我已经为你生成了律师函。你可以通过以下链接下载该文件：律师函.docx
” 打开word文档后律师函的内容可能是：
**律师函**
**致：乙公司业务部门经理**
**主题：催促支付500万元货款**
尊敬的乙公司：
我们是代表甲公司（以下简称“甲方”）的律师事务所，特此致函贵公司。首先，感谢贵公司一直以来对甲方的信任与支持。
根据甲方与贵公司于[合同签署日期]签署的《xxx合同》（以下简称“合同”），甲方已如约履行供货义务，并在[供货完成日期]完成全部供货。根据合同约定，贵公司应在[付款期限]内向甲方支付500万元货款。然而，截至目前，贵公司仍未结清该笔款项。
我们理解贵公司可能面临一定的财务困难，但贵公司长期拖欠货款的行为已对甲方的正常经营造成了不利影响。我们必须明确指出，贵公司此类行为可能导致以下严重后果：
1. **法律责任**：如贵公司未能在合理时间内支付欠款，甲方将被迫采取法律手段追偿欠款，包括但不限于提起诉讼，申请财产保全等。届时，贵公司将承担全部法律费用及相关责任。
2. **商业信用受损**：贵公司拖欠货款的行为将对贵公司的商业信用和声誉造成负面影响，可能影响贵公司与其他合作伙伴的业务往来。信用评级下降不仅会增加融资难度，还可能导致潜在业务伙伴对贵公司的信任度降低，进而影响贵公司整体业务发展。
3. **业务合作受限**：甲方不得不考虑调整与贵公司的业务合作关系，可能暂停或终止未来的合作项目。甲方一贯重视诚信经营，对合作伙伴的选择亦极为慎重，若贵公司继续无视合同约定的付款义务，甲方将不得不重新评估双方合作的可行性。
4. *经济损失**：贵公司拖延付款不仅给甲方带来了现金流压力，同时也对甲方的业务运营和规划造成了干扰。如果甲方因贵公司的违约行为导致经营受到影响，甲方保留向贵公司追究经济损失赔偿的权利。
鉴于以上情况，我们特此正式要求贵公司在收到本律师函之日起10日内全额支付拖欠的500万元货款。请贵公司务必重视，并立即安排支付。如贵公司未能在上述期限内支付欠款，甲方将毫不犹豫地采取进一步法律行动，以维护甲方的合法权益。
我们希望贵公司能妥善处理此事，尽快支付欠款，以维护双方的良好合作关系。如贵公司对此事有任何疑问或需要进一步沟通，请及时与我们联系。
再次感谢贵公司对甲方一如既往的支持与合作，希望我们能继续保持长期友好的业务关系。
此致
敬礼！
甲公司律师事务所
[律师姓名]
[律师事务所名称]
[联系电话]
[联系邮箱]
[日期]
对比两个示例，我们不难发现。不使用CO-STAR架构下得到的反馈虽然也能用，但内容可能显得有点单薄，需要律师添加更多的内容。相对来说，参考CO-STAR架构写的Prompt所得到的输出结果更为完善，并且可以直接生成docx格式的文件，这将大幅减少后续律师的工作量，提高工作效率。
Sheila Teo 在《我如何夺冠新加坡首届 GPT-4 提示工程大赛》的文章中将此部分内容标注为“属于高级策略”，而上文的CO-STAR被其标注为“初学者友好的技巧”。系统提示可以被看作是一种“指令”或者“规则”，它告诉LLM在生成内容时应该遵循哪些原则或标准。通过设置系统提示，可以更好地控制LLM的输出，使其更符合我们的期望和需求。为什么要在系统提示中提供指示，而不是在与LLM的新聊天中的第一个提示里提供指示呢？这是因为LLM在对话记忆上有限制。在后一种情况中，随着对话的进行，LLM很可能会“忘记”你最初提供给聊天的这个提示，使得这些指示变得过时。
需要事先指出的是，这部分内容仅适用于具备系统提示功能的LLM。以ChatGPT为例，实际上是在Custom Instructions中添加一些描述。以专注于股权投融资业务的律师为例：
在What would you like ChatGPT to know about you to provide better responses?一栏中可以添加描述：
•工作背景：我是专门从事股权投融资的律师，处理涉及股权投资、融资并购等业务。
•使用目的：使用ChatGPT提供投融资结构设计、尽职调查支持、撰写投融资协议、进行法律风险评估等。
在How would you like ChatGPT to respond?一栏中可以添加描述：
•语言风格：希望以专业的法律术语回应，条理清晰、逻辑严密。
•内容深度：需要详细的法律分析、投融资方案建议和法律风险评估。
•具体需求：经常需要设计投融资结构、起草和修改投融资协议、尽职调查报告等。
创建这样的系统提示词，会让人发现GPT似乎更理解你的需求，反馈的质量也会显著提高。感兴趣的朋友可以自行体验一下添加系统提示后的效果并作比较。
相信许多律师都会有自己的私域数据，比如审查某类合同的经验总结、某个行业法规汇编、某些类型案件的案例分析及诉讼策略的总结。这些私域数据是律师多年实践经验的积累，能够显著提升工作效率和专业水平。
目前，有不少AI产品均支持上传自己的Knowledge（知识库）比如ChatGPT的GPTs、字节的Coze及网易有道的QAnything等。这不仅能方便律师在需要时快速调用相关信息，还能通过AI技术进一步提升数据的应用效果。例如，在Coze中存储法规汇编、案例分析和合同模板后，AI可以根据这些知识库的数据提供具体的回答，大大提高工作效率和准确性。
不过，考虑到律师行业的特性，不少律师会对上传这些私域数据存在数据泄露的顾虑。因此，未来私有化部署AI模型可能会成为某些行业的趋势。比如，最近备受关注的Llama3等模型，提供了在本地或私有服务器上部署的可能性。这种私有化部署不仅能够更好地保护敏感数据，还能充分利用AI技术的优势，为律师提供更加安全和高效的服务。但是，在选择具体的AI模型时仍需谨慎评估其安全性和适用性，以确保数据安全得到保护。
AI Agent 正在成为今年的AI新风口，它们能够自主执行复杂任务，通过不断学习和改进来提高效率和准确性。与以往LLM的零样本提示（zero-shot prompting）相比，AI Agent允许用户进行更为复杂的交互和任务协调。其系统内置了规划、循环、反思等控制机制，这些机制充分利用了模型的内在推理能力，以实现从任务开始到结束的全流程处理。
此外，AI Agent还能够调用工具、插件和执行函数，这使得它们能够胜任更多通用性的工作。上文已介绍了一些针对LLM的使用技巧，但可以看出这些大部分仅针对单一简单的任务。然而，律师日常工作中所面临的问题更为复杂，如果始终停留在利用聊天机器人来辅助我们的工作，这离我们追求的AGI（“通用人工智能”）相距胜远。
因此，笔者认为AI Agent在律师行业的应用潜力巨大，可以从法律文件处理、法律研究到客户管理等各个方面都能提升工作效率。
斯坦福大学的吴恩达教授多次在公开场合分享了关于AI Agent的最新趋势与洞察。他强调，AI Agent正在迅速发展，并将在未来几年成为各行业的重要工具。他同样提到，AI Agent不仅能完成简单的任务，还能处理更复杂、更具挑战性的工作。
吴恩达教授提出了四种主流的AI Agent设计模式：
1.反思（Reflection）：
这种模式的AI Agent能够自我评估和反思其决策过程和结果，通过不断的反馈和改进，提高自身的表现。比如，在合同审查过程中，AI Agent可以在标记风险条款后，反思并分析之前的修改建议，确保修改后的合同内容降低了风险且没有引入新的问题。
2.运用工具（Tool Use）：
AI Agent通过使用各种工具来增强其能力，如搜索引擎、数据库和分析工具等。在法律工作中，AI Agent可以快速自主选择对应的工具查找相关法律条文和案例，提高律师的工作效率。
3.规划（Planning）：
这种模式的AI Agent能够制定详细的计划和策略，以实现特定目标。对于律师而言，无论是诉讼还是非诉业务，均可将工作任务进行拆分。拆分后AI Agent可以帮助制定策略、时间表和工作计划，确保工作按时完成并达到预期效果。
4.多智能体协同（Multi-agent Collaboration）：
多个AI Agent可以协同工作，互相配合完成复杂任务。比如，可以模拟一个律师团队，每个AI Agent扮演一名律师，同一时间分别处理一个项目中的不同任务。这里吴恩达教授介绍了ChatDev这个开源项目，ChatDev是一家虚拟软件公司，通过各种智能代理扮演不同的角色，包括首席执行官、首席产品官、首席技术官、程序员、评审员、测试员、艺术设计师。ChatDev 内部的代理通过参加专门的功能研讨会来协作，包括设计、编码、测试和文档编写等任务。
虽然ChatDev主要用于自动化软件开发，但其架构设计思路同样适用于法律行业。例如，在模拟法庭中可设置多个智能体分别扮演不同角色如对方律师、法官、其他合议庭成员。此类的应用可以帮助律师处理诉讼业务，制定或调整诉讼策略。
1.合同审查和起草：
实例：在律师工作中，审查和起草法律文件往往会占用大量时间。AI Agent可以事先设定好的标准自动识别合同中的关键条款，检查潜在风险，并提出初步的修改意见。律师只需进行最终审查，大大提高工作效率。
2.风险管理：
实例：资本业务在强监管下，监管机构对中介机构的处罚力度加大。虽然律师事务所相比证券公司和会计师事务所受到的处罚相对较少，但这种损失仍然难以承受。如果可以将一些证券法律业务执业规则以及一些高频被处罚事项预先输入AI Agent，比如相关法律意见书需列明事实材料、查验原则、查验方式、查验内容、查验过程和查验结果等。AI Agent可据此核查法律意见书是否符合要求，并对合规情况作出提示，从而有效降低执业风险。
3.客户管理和沟通：
实例：AI Agent可以作为律师的虚拟助手，自动回复客户常见问题，安排会议，并跟进客户的需求和反馈，甚至还能作为一种获客的方式。
4.诉讼支持：
实例：在诉讼过程中，AI Agent可以帮助分析证据，模拟不同的诉讼策略，并预测案件结果，以便律师制定最佳的诉讼方案。
鉴于目前市场上诸多AI Agent工具已开始需要收费，本文不做具体推荐。感兴趣的可以自行了解。笔者建议有条件的话，可以尝试自己搭建AI Agent。
搭建专属的AI Agent有一些技术门槛，但只要勇于尝试依然可以摸索并设计出符合自己实际需求的AI Agent。以下是搭建思路：
1.确定需求和目标：
首先，明确需要解决的具体问题或提升的工作效率。例如，是为了提高合同审查速度，还是为了优化案件管理流程。
2.选择合适的AI工具和平台：
根据需求选择适合的AI平台和工具。现在市场上已有较多的工具，可以根据自己的实际需要进行选择。
3.数据准备和训练：
收集并准备相关数据，对AI Agent进行训练。确保数据的质量和多样性，以提升AI Agent的性能。
