第一章：法律AI概述
大家好，我是这门课的主讲人。在开始之前，我想先聊聊一个我经常被问到的问题：「法律AI到底能干什么？它会不会取代律师？」
嗯，这个问题其实挺有意思的。我做了十几年法律科技，见过太多人要么把AI神话，要么把它妖魔化。今天这一章，我们就来把这事说清楚。
1.1 法律科技发展史：从打字机到AI助手
法律行业的技术变革，其实比大多数人想象的要慢得多。我入行时，很多律所还在用传真机传文件。你想想看，那才十几年前的事。
我把这段历史大致分了三个阶段：
| 阶段 | 时间 | 核心特征 | 典型工具 |
|---|---|---|---|
| 1.0 信息化 | 1990s-2000s | 纸质转电子，文档数字化 | Word、扫描仪、OA系统 |
| 2.0 网络化 | 2000s-2010s | 在线协作、法律数据库 | 北大法宝、Westlaw、云存储 |
| 3.0 智能化 | 2015至今 | NLP、机器学习、大模型 | 合同审查AI、法律问答机器人 |
我个人习惯把2015年当作一个分水岭。那一年，深度学习在NLP领域取得突破。我记得当时参加一个法律科技峰会，有人展示了一个能自动提取合同关键条款的原型。台下反应很两极——有人觉得是玩具，有人觉得是未来。
事实证明，后者是对的。
1.2 AI在法律领域的应用场景
说到应用场景，我建议你先放下「AI能不能替代律师」这个执念。更务实的问题是：「哪些重复性工作，AI能帮我做得更快？」
我在项目中遇到过太多这样的案例了。比如某大型律所，每年要审查上万份租赁合同。以前律师助理要逐条核对，现在用AI，几分钟就能完成初筛。
目前主流应用场景包括：
- 合同审查与风险识别——自动标注异常条款、缺失条款
- 法律检索与判例分析——语义搜索，而非关键词匹配
- 文书生成与模板填充——起诉状、答辩状、法律意见书初稿
- 案件预测与策略建议——基于历史数据预测胜诉率
- 合规监控与尽职调查——批量筛查企业风险信息
核心观点：AI不是来抢饭碗的，是来帮你把精力从「低价值重复劳动」中解放出来的。说白了，它是个超级实习生——速度快、不喊累，但需要你来做最终判断。
1.3 提示词工程的核心价值
好，重点来了。为什么我们要专门学「提示词工程」？
你想想看，现在的法律AI工具，本质上都是大语言模型。它们的能力上限很高，但下限也很低。区别在哪？就在你给它的那条「提示词」上。
我曾经做过一个实验：让两个实习生用同一个AI工具审查同一份合同。一个人只输入「帮我看看这份合同有什么问题」，另一个人输入了详细的审查指令，包括要关注的条款类型、风险等级定义、输出格式要求。
结果呢？前者得到了一堆泛泛而谈的废话，后者拿到了可以直接用的风险清单。
这就是提示词工程的价值——它不是玄学，是方法论。
我的建议：别把提示词工程想得太高深。它本质上就是「如何把你的专业需求，翻译成AI能理解的语言」。你越懂法律，就越能写出好的提示词。反过来，好的提示词也能帮你发现你之前忽略的细节。
1.4 本章知识体系总览
下面这张图，是我自己梳理的本章核心逻辑。你可以把它当作一个「地图」，后面几章都会围绕它展开。
避坑指南：我曾经见过有人花大量时间研究「如何让AI写出完美的法律文书」，却忽略了最基本的法律逻辑判断。记住，AI的输出永远需要你复核。它是个工具，不是法官。
好了，第一章的内容就到这里。这一章我们理清了法律AI的来龙去脉，也明确了提示词工程为什么值得你花时间学。从下一章开始，我们会真正动手写提示词——嗯，那才是好玩的部分。