律师用AI靠谱吗？30年经验炼成 WorkBuddy Skill，一周的活20分钟跑完

 

律师用AI靠谱吗？一位执业近 30 年的律师在 WorkBuddy 上算过账：一个民间借贷案从接案到立案，过去怎么都要走一周；现在上传一张借条，不到 20 分钟，16 份起诉文书连同关键法律结论一起出来。另一位婚姻家事律师，把 4 到 5 个小时的案情梳理压到了几分钟。

 

落差背后是这行特有的约束：高风险，低容错。引用错一处，会带到起诉状；客户身份证号喂给线上模型，就是安全事故。林冰、林军、文雅三位律师给出了同一套思路：把经验炼成 WorkBuddy Skill，AI 在验证过的框架里干活，律师守住判断和边界。

 

一个借贷案凭什么要一周

 

林冰律师执业近 30 年，管着一家律所。他把一个普通民间借贷案理了一遍：从客户进门到提交立案，至少要经过六个阶段。咨询问答，碰上表达不清的当事人，大半天甚至一整天；收集材料，银行流水、借条、聊天记录，动手只要半天，战线拉到 2 到 5 天；计算利息最磨人，借款动辄跨越数年，早年利率能到 3 分，LPR 每调一次就要重新分段计算，手动至少半天；起草起诉状、证据目录、保全申请等 6–10 份文书，手写起码一两天；再加内部审核、网上提交。六步高度重复又极易出错，加在一起，"一个案子，怎么都要一周"。

 

20分钟出齐16份文书

 

林冰最初的想象很朴素：指挥一个助理把文书出出来，结果模型天马行空。他的办法是截图问，哪里出问题就截图给它，"非常幼儿园的做法，但最有效"。一问一答里他弄懂了 Skill：像师傅的某一项手艺，而法律天生适合拆成一项项技能。于是他把多年工作整理成一套民间借贷诉讼 Skill，原则很硬：不仅教会 AI 做事，还要限制它做事，让 AI 在已验证的基座上工作，而不是问它要答案。

 

他先一个节点一个节点搭，再拿真实案情反复试跑，每发现一处错，比如砍头息编造、逾期利息只算到起诉日，就写成铁律固化进去；所有材料上传前均已完成脱敏，立案材料与证据严格分离。演示时上传一张借条，敲一句"帮我生成这套借条的全套文书"，不到 20 分钟，16 份起诉文书连同脱敏注意事项、铁律自检结果一起出来。快只是表面，规范才是重点：铁律加模板加双角色预演，把新人最容易错的利率、时效、保证、格式都兜住了。

 

让他确认 AI 在按诉讼逻辑思考的一句话：一个案子里，中间人在微信里说"他不还，我来还"，WorkBuddy 反问，保证期间届满是不是该走"债务加入"。这是民法典新确立的制度，他核实后立马把法规和典型案例补进框架，责任类型扩展成含债务加入、法定责任的四类。

 

一条指令开出四个模块

 

林军律师执业 10 余年，在外企做了多年质量管理体系，如今主攻企业与公司类诉讼。跳进律所后，头一个不适应是这行太个性化，同一件事换个时期做法都不一致。他想把办案流程标准化，至少保住一条确定的质量底线。麻烦集中在两处：反复沟通，谈完案子发现漏问了又跑回去找客户；文字工作，套别的案子的模板，偶尔把上一个当事人的信息带进来。律师真正该花时间的是诉讼策略，占用时间最多的是文字。

 

他的搭法带着流程管理的底子：先有框架，再确认细节。一条指令交给 WorkBuddy，覆盖六大类案件类型，开出客户洽谈、案情分析、委托文件、诉讼文书四大模块，外加案情分析报告和 8 种诉讼文书，第一版基本就能用。他后来拆成四个独立 Skill，总调用模块却几乎没被用到，因为每段结束他都要亲自检查一遍："分析报告里一个错误的引用，跑到起诉状才被发现，就要回头改一整串材料。所以第一步就要做对。"

 

一次会谈识别四个案由

 

最能说明能力的是一起小股东维权案：小股东持股 20%，大股东承诺分红却长期不兑现，争议出现后又引入新投资方，还另设了一家经营同类业务的公司。林军把会谈录音转成文字交给 Skill，它识别出四层可立案由，给出诉讼优先顺序和待核查事实清单：公司盈余分配纠纷，看分红能不能拿到；股东知情权纠纷，要分红先得查账；损害公司利益纠纷，针对大股东另设的同类业务公司；退股退出机制，小股东不愿再合作。这份涉及四层法律关系的梳理，过去断续磨上几天，现在半天出初稿，剩下的留给律师打磨。

 

准确率靠两道闸守住

 

林军对准确率的态度很克制，两个至今存在的问题对应两道闸。头一道闸管过时的法条：接入 ima 知识库，要求 Skill 引用法律时必须联网检索最新条文，验证后再写入，目前这类错误已经很少；出错的法条记进 markdown 文件，下次先查再写，同样的问题不再犯。第二道闸只能靠人：AI 过于乐观，站不住脚的东西它也能说通，还没有好办法。两道闸成本不同：知识库一次配置、长期复用；人工把关省不掉，力气压在最后一遍上。

 

脱敏分层是AI先提的

 

脱敏的底线是不能用线上大模型处理案件材料，"那是掩耳盗铃"。林军最初要求全部用本地小模型，结果跑了两小时还没跑完。WorkBuddy 主动提了个建议：分层处理。头一层，身份证号、手机号、银行卡号这类格式固定的敏感信息，用本地 Python 正则识别替换，速度快、准确率高；第二层，正则识别不了的，再用本地小模型兜底。建议被采纳，效率问题随之解决。这个分层值得照抄：正则吃掉格式固定的大头，小模型只啃剩下的硬骨头。

 

4小时尽调压到几分钟

 

文雅律师做过多年企业法务，长期办理民商事案件，后来把执业重心转向婚姻家事领域。婚姻家事咨询的起点往往是一场混乱的陈述，案情要素又多又杂：婚姻状况、财产、子女、过错、诉求，缺一项就可能影响判断。她在 WorkBuddy 上搭出婚姻家事风险尽调与一站式方案生成器，把接案尽调定为九步：案情录入、要素抽取、完整性判断、缺失追问、风险研判、争议焦点与法条匹配、女性权益专项检查、方案与证据清单生成、初步研判报告。

 

之前要花 2 到 3 个小时，甚至 4 到 5 个小时才能整理出的案件框架，现在几分钟就能出一份尽调报告。初步分析报告如今咨询结束即可交付，可视化报告直接发给当事人，成了信任与成交的加速器。她的团队用工作流自动生成日报周报；她还把 Skill 接入与深圳技术大学师生共创的 AI 法律网站。

 

三条共识照着抄

 

三位律师路径不同，留下来几条高度一致的经验，挑三条最能照抄的。其一，从一个足够小的技能开始，把经验转换成可执行的技能，再让它不断变强，别泛泛地问模型"这个案子怎么看"。第二，数据地基决定准确率上限，把上万篇最高院参考案例放进 ima 知识库，准确率的差距首先来自数据库的差距。第三，先想清楚安全边界，信息脱敏了再分析，Skill 也留在可控范围。

 

至于先搭哪类 Skill，三位的选择已经指了路：文书量大、流程固定、计算规则明确的案由先动手，民间借贷就是典型；接案尽调类排第二，婚姻家事的九步问答证明它可复制；策略判断类放最后，AI 过于乐观还没有解法，这类判断留给律师。成本主要花在试跑，拿真实案情一遍遍过，每处错误写成铁律，比写第一版框架费时得多；风险集中在过时的法条和过于乐观的论证，前者靠知识库与联网核验压住，后者只能靠人。

 

手里正压着一批同质化案子的话，别从通用问答开始，挑一类自己最熟的案由，这周就把第一个 Skill 的框架立起来，让真实案情替你试出铁律。谁先把铁律写进 Skill、先把纠错回流跑起来，谁的效率差距就会先拉开。AI 写得再快，把关的那支笔还在律师手里，这正是现在就动手的理由。

 

云巴巴作为腾讯云AI智能体示范伙伴、腾讯WorkBuddy核心伙伴及官方授权服务中心。目前，腾讯WorkBuddy Managed Agents已经在云巴巴平台上线，想了解更多可以联系我们。在云巴巴，你还能横向对比更多同类产品，根据团队规模和业务场景找到最匹配的方案。