在法律工作中，人工智能的应用可以分为三个层次：使用通用大模型、购买行业化产品以及构建个性化的 AI 工作流。真正能显著提升效率的是第三层，即根据个人需求设计的专属 AI 助手。这需要我们将复杂的法律任务进行拆分，并为 AI 提供清晰、可执行的指令。核心方法论在于，以完成任务为导向，而非为了技术而技术，通过合理的项目管理和提示词技巧，将 AI 打造为得力助手。
法律人 AI 使用的三层分级
律师等法律工作者在使用 AI 时，其应用深度可分为三个不同层次。真正拉开效率差距的，并非购买了何种工具，而是如何构建个性化的工作方式。
第一层：通用大模型工具 这是最基础的应用，例如使用 ChatGPT、豆包等聊天机器人进行文本的改写、润色、翻译或起草。它们解决的是通用的文本处理问题。
第二层：行业化法律 AI 产品 这是由科技公司针对律师的共性需求开发的专业服务，如智能法律检索、合同审查工具等。这些产品解决了特定场景下的标准化需求。
第三层：个性化 AI 工作流 这一层是效率提升的关键，它并非一个现成的“产品”，而是围绕个人工作习惯打造的系统。
真正把你从「会用 AI」拉向「离不开 AI」的，恰恰就是这一层。
它通常包括：
- 反复使用和优化的提示词与模板。
- 用于特定任务的半自动脚本或小工具。
- 围绕自己的客户、案件和知识库搭建的上下文工程。
个性化层级下的五阶梯工具
在第三层“个性化 AI 工作流”中，根据技术复杂度和集成深度，工具的调用可以分为五个阶梯。
将应用嵌入已有工作流：追求即时、无感的调用。例如使用浏览器插件、输入法或划词助手，在不打断当前工作的情况下快速调用 AI。
顶级模型定制化：利用 GPTs、Gemini 的 Gem 等功能，通过投喂知识库、设定系统提示词，让 AI 成为懂你业务的专属助手。这是最常用也最有效的进阶方式。
自动化私有数据：借助 Notion、Obsidian 等知识管理软件，让个人积累的数据和笔记能够被 AI 高效流转和调用。
搭建业务流应用：使用 Dify、Coze 等平台搭建包含多个步骤的 Agent（智能体），让 AI 能够像人一样按流程思考，例如“先检索法规，再分析案情，最后生成报告”。
Vibe Coding：使用 Cursor 等 AI 辅助编程工具，开发完全属于自己的定制化工具。
AI 工具的使用心法：以任务为导向
列出这些阶梯，并非鼓励大家攀登技术高峰。核心原则应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。一个律师自己开发的合同审查工具，通常不如专业公司投入巨大精力研发的产品。相反，利用定制化功能做一个辅助思考合同条款的 Agent，反而更实用、更易落地。
使用 Gemini 搭建个性化工具的思路
对于非技术背景的法律人而言，最实际的个性化探索是利用大模型自带的定制功能，例如 Gemini 的 “Gem”。选择它的原因很简单：
- 顶级的模型底座：简单的法律任务，顶级模型的原生表现就已足够出色。
- 交互记忆的连贯性：Gem 嵌入在日常聊天界面中，能记住上下文，沟通更自然。
- 低门槛：上手快，心理负担小，可以快速将想法变为现实。
拆分项目：法律工作的四象限切割法
为了决定哪些工作适合制作成一个专属的 Gem，可以采用一种四象限切割法。这个坐标轴的 X 轴代表任务属性（从复杂项目到固定项目），Y 轴代表关注点（从高注意点到高频次）。
第一象限：高频次 + 固定项目
- 场景：律师最想摆脱的机械性劳动，如批量发送律师函、起草简单的借款合同。
- 策略：提供范本。与其让 AI 从零创作，不如让它做填空题。将最完美的范本作为知识库喂给 Gem，每次只输入案件的变量（如金额、违约事实），由它基于范本生成初稿。
第二象限：高注意点 + 固定项目
- 场景：需要特别小心的固定流程，如审查合同中的特定条款。
- 策略：提供优质提示词。核心是明确任务要点，强制 AI 进行压力测试。例如，在“合同条款斟酌小助手”中预设“陌生人原则”和“对抗者原则”，确保条款在任何情况下都清晰无误。
第三象限：高注意点 + 复杂项目
- 场景：无法用单一范本解决的复杂思考，如撰写疑难案件的代理词或法律分析报告。
- 策略：流程拆解。不要指望 AI 一步到位。将复杂任务拆分为多个步骤，如“寻找素材 → 搭建框架 → 撰写文本 → 修改定稿”，并在不同的对话框中分别执行，确保每个步骤的重点都得到充分关注。
第四象限：高频次 + 复杂项目
- 这是一个“深水区”，即高度复杂的工作还需要频繁处理。这类场景的解决方案仍在探索中。
如何撰写优质的系统提示词
写好提示词，本质上是将律师的专业思维翻译成 AI 能懂的指令。有两个路径可以参考。
偷懒路径：让 AI 自己写指令 如果你不确定如何描述需求，可以直接让 AI 帮忙。
- 针对老项目：在与 AI 的长对话后，直接输入：“请结合我们的聊天记录，为我设计一个 Gem 的系统提示词，以便后续复用。”
- 针对新项目：直接描述你的身份和需求，例如：“我是一名诉讼律师，常用功能是XXX，请为我生成一个可以直接使用的个性化配置提示词。”
进阶路径：Read in, Prompt out 这个方法的精髓在于，阅读专业文章或判例时，不再只关注知识点，而是提炼其背后的方法论或思维模型，并将其转化为 AI 的审核原则。
例如，从一篇告诫律师切忌“想当然”的文章中，可以提炼出审查合同条款的核心思想：法官只会依据白纸黑字的条款裁判。为了将这个思想植入 AI，可以要求 AI 遵循以下原则进行审查：
- “陌生人”原则：假设你对行业、交易习惯和双方背景一无所知，这个条款是否依然清晰有效？
- “对抗者”原则：假设你是对方律师，你会如何攻击这个条款？
- “执行者”原则：假设一名两年后入职的新员工看到合同，能否直接执行而无需口头询问？
- “缺席者”原则：假设所有谈判人员都已失联，仅凭文字能否还原交易原意？
通过这种方式，可以将抽象的法律经验转化为 AI 可执行的具体指令，从而大幅提升其输出质量。