法律人的AI技术词典：从LLM到Agent

AI正在重构法律行业。
从合同审查、制度问答，到合规风控、案件研究，越来越多法律工作，开始被AI重新定义。
问题已经不是：
"法务要不要用AI？"
而是：
"法务如果不理解AI，还能不能参与未来的企业治理？"

法律行业真正的变化，已经开始了

去年，一家大型制造企业的法务负责人在内部会上提了一个问题：

"为什么AI审合同，总能漏掉一些真正关键的问题？"

技术团队给出的答案很直接：

因为大模型并不真正"理解"企业。

它知道法律。 但它不知道：

• 你们公司的历史交易习惯
• 内部审批规则
• 风险偏好
• 供应链模式
• 过去踩过哪些坑

这也是为什么，越来越多企业开始从"通用AI"走向"企业级AI"。

AI正在从"聊天工具"，变成真正进入企业流程、接触企业数据、参与企业决策的新基础设施。

而法律人，也第一次被推到了AI治理的核心位置。

因为很多问题，本质已经不是技术问题，而是：

• 数据权限问题
• 合规问题
• 风险责任问题
• 企业治理问题
• 审计追踪问题

很多法务直到现在才发现：

过去只需要看合同。 现在开始需要看：

• 模型能力
• 数据流向
• Agent权限
• API调用
• AI日志
• 企业知识库

AI时代，法律人的工作边界，正在被重新定义。

为什么法律人开始"懂AI"？

很多法律人会有一个误区：

"我又不是程序员，为什么要懂这些技术？"

问题在于：

现在很多企业AI项目，真正的风险，并不发生在"代码层"。

而发生在：

AI开始接触企业核心数据的时候。

例如：

• 合同上传给谁？
• 数据是否出境？
• AI是否会引用旧制度？
• Agent能不能自动发送合同？
• AI生成内容谁负责？
• AI调用ERP算不算越权？
• 企业知识库如何隔离权限？

这些问题，技术团队很难独立回答。

最终都需要：

• 法务
• 合规
• 内控
• 信息安全 共同参与。

而一旦AI进入企业流程，法律人面对的就不只是合同文本，而是：

• 数据如何流动
• 权限如何分配
• 风险如何触发
• 责任如何界定
• 系统如何交互

这也是为什么：

AI时代，法律人开始从"规则解释者"，转向"AI治理参与者"。

有太多的人在给大家科普和说怎么做，但是大多浮于表面、未触本质，所以，我们先理解AI"语言"。

后续，我们会逐渐形成系列文章，从理解AI"语言"开始，慢慢给大家形成一套系统、可落地、贴合法律实务的AI应用与治理认知体系，一步步拆解核心逻辑、梳理实操路径，帮大家真正读懂AI、用好AI，守住法律人的专业底线，找准AI时代的职业新定位。

LLM：所有AI应用背后的"大脑"

什么是LLM？

LLM（Large Language Model），即"大语言模型"。

你可以把它理解成：

一个读过海量文本、具备语言理解与生成能力的AI系统。

现在主流AI几乎都建立在LLM之上：

这些模型，本质上都具备：

• 阅读
• 总结
• 推理
• 生成
• 对话 等能力。

法律行业为什么天然适合LLM？

因为法律工作，本质上高度依赖：

• 文本
• 规则
• 逻辑
• 结构化表达

而这恰恰是LLM最擅长的领域。

例如：

合同审查

AI可以：

• 自动识别条款
• 提取关键风险
• 比对历史版本
• 发现缺失条款

法律研究

AI可以：

• 总结案例
• 归纳裁判观点
• 生成研究初稿

合规管理

AI可以：

• 检索制度
• 分析法规变化
• 形成风险预警

大模型最危险的问题：不是"不聪明"，而是"太像人"

很多企业第一次使用AI时，都会产生一种错觉：

"它说得这么像，应该是对的。"

但问题在于：

LLM本质上是"概率生成"。

它不是数据库，也不是法律检索系统， 更不是法官。

它只是：基于概率，生成"最像正确答案"的内容。

于是就会出现一个非常经典的问题：

幻觉（Hallucination）

例如：

• 编造不存在的案例
• 引用错误法规
• 杜撰司法解释
• 错误理解条款

这也是为什么：

AI时代最大的风险，从来不是"AI不够聪明"，而是：

人开始对AI失去警惕。

Token：AI世界的"计费单位"

是什么

Token是AI处理文本的最小单位。

可以理解为：

AI的"计费字数"。

一般情况：

• 1个中文 ≈ 1~2 Token
• 1个英文单词 ≈ 1 Token

为什么重要？

因为所有主流AI API都是按Token计费的，例如：

• OpenAI API
• Claude API
• DeepSeek API

也就是说：

AI成本，本质是Token成本。

法律行业的现实影响

在法律场景中，Token消耗非常容易失控，例如：

场景：合同审查

• 50页合同
• 多轮分析
• 多版本对比
• 追加法规检索

结果：

一次任务可能消耗数万甚至数十万Token。

法律人必须知道：

企业在采购AI时必须问：

• Token如何计费？
• 输入/输出是否分别收费？
• 是否有缓存机制？
• 长文本如何处理？
• 是否有成本上限控制？

否则问题会变成：

AI效果很好，但成本不可控。

Context Window：AI的"记忆长度"

是什么

Context Window（上下文窗口）是：

模型一次能够处理的最大文本长度。

它包括：

• 用户输入
• AI输出
• 历史对话

为什么重要？

因为法律文件天然是"长文本结构"：

• 交易合同
• 尽调报告
• 合规制度
• 多方协议
• 附件材料

如果Context Window太小：

AI会出现：

• 遗忘前文
• 逻辑断裂
• 结构丢失
• 误判风险

法律行业的关键差异

不同模型能力差异很大，例如：

• GPT-4o：128K
• Claude 4：200K+

这意味着：

Claude可以一次性处理更完整的法律文件体系。

法律人必须知道：

当AI用于合同审查时，要重点关注：

• 是否支持长合同整体分析
• 是否支持多文件关联
• 是否支持版本对比
• 是否会"截断关键信息"

Prompt：AI时代的"任务定义能力"

不只是"提问"

很多人误解Prompt是：

"问AI问题的方式"

但本质是：

对AI进行结构化任务定义。

为什么法律人特别需要Prompt能力？

因为法律工作本质是：

• 结构化表达
• 风险拆解
• 条件约束
• 逻辑判断

而AI同样依赖结构化输入。

对比非常明显

❌ 低质量Prompt：

"帮我看看这个合同有没有问题。"

✅ 高质量Prompt：

"你是一名企业法务专家，请从以下四个维度审查合同：
付款条款风险
违约责任是否对等
知识产权归属
争议解决机制
请按风险等级输出，并引用原文条款。"

法律意义：

Prompt能力，本质是"任务结构化能力"。

为什么企业开始大量建设RAG？

很多企业在部署AI之后，很快发现：

通用大模型虽然强。 但并不真正懂企业。

它不知道：

• 企业制度
• 历史合同
• 内部流程
• 行业规则
• 风险偏好

于是，RAG开始成为企业AI落地的核心技术。

RAG：企业AI真正开始"靠谱"的关键

RAG（Retrieval-Augmented Generation），即"检索增强生成"。

简单理解：

AI在回答之前，先去企业知识库"查资料"。

它的核心逻辑是：

用户提问

→ AI检索企业知识库

→ 找到相关制度/合同/案例

→ 再基于真实资料生成答案

这会带来一个巨大变化：

AI开始变得"可追溯"。

过去： AI可能直接编造。

现在： AI会告诉你：

• 引用了哪份制度
• 来源是什么
• 依据是什么
• 哪个版本生效

这对于法律行业极其重要。

因为：

法律工作的核心，从来不是"像不像"，而是：

"依据是否成立。"

Agent：AI真正开始"自己做事"

过去很多人理解AI，停留在ChatGPT阶段：

你问一句。 AI答一句。

但现在，AI正在进入下一个阶段：

Agent（智能体）

Agent最大的变化是：

AI开始能够"自主执行任务"。

例如：

你说：

"帮我审查这份采购合同。"

一个成熟的法律Agent，可能会自动：

1. 读取合同
2. 识别合同类型
3. 提取关键条款
4. 检索相关法规
5. 调用历史模板
6. 标注风险点
7. 输出修改建议
8. 形成审查报告

而这些动作：

不再需要人工一步一步操作。

AI真正改变的，不是效率，而是企业权限体系

很多企业现在才意识到：

Agent真正危险的地方， 从来不是"它会不会回答错"。

而是：

"它已经开始自己做事了。"

当AI开始：

• 调用OA
• 调用合同系统
• 调用CRM
• 调用ERP
• 自动发送邮件
• 自动触发审批

问题就变成了：

• AI到底能访问什么？
• 能执行到什么程度？
• 是否需要审批？
• 日志是否可追溯？
• 出错责任谁承担？

于是：

AI问题开始从"工具问题"，变成：

企业治理问题。

法律人真正的新价值：AI治理

未来几年，法律行业会出现一个巨大变化：

法律人会越来越深度参与企业AI治理。

从：

• 审合同
• 看条款
• 做合规解释

到：

• 设计AI使用规则
• 审查模型与数据风险
• 设计权限体系
• 建立AI审计机制
• 参与系统治理

很多企业已经开始发现：

AI项目最终能不能落地。 不只取决于技术。

更取决于：

企业是否建立了完整的AI治理体系。

法律人应该如何开始进入AI时代？

不需要人人学编程。但法律人至少需要：

第一层：理解AI

包括：

• LLM
• RAG
• Agent
• Prompt
• API
• Token

理解这些词，才能真正和技术团队沟通。

第二层：会使用AI

例如：

• AI合同初审
• AI法律研究
• AI会议纪要
• AI知识库问答
• AI制度检索

第三层：理解AI治理

包括：

• 数据权限
• 模型合规
• AI审计
• 企业制度
• 风险控制

这才会成为未来法律人的真正壁垒。

AI不会替代法律人，但会改变法律人的工作方式

AI时代最容易被淘汰的，未必是律师。

而是：

只会重复劳动，却不理解技术的人。

因为AI最先替代的，往往不是"专业判断"。

而是：

• 重复检索
• 机械整理
• 格式劳动
• 模板工作
• 基础归纳

真正有价值的能力，开始变成：

• 风险判断
• 交易理解
• 治理设计
• 规则构建
• AI协同能力

未来的法律人，可能不需要写代码。

但一定需要：

理解AI如何进入企业、连接数据、参与决策、影响治理。

因为法律行业真正的变化，才刚刚开始。

结语

很多人以为，AI时代只是"多了一个工具"。

但真正的变化是：

AI正在成为新的企业基础设施。

它会进入：

• 合同
• 财务
• 采购
• 人力
• 风控
• 法务
• 审计

而法律人，也会第一次深度参与：

"AI如何被允许进入企业。"

未来几年：

懂法律、懂治理、又理解AI逻辑的人，正在成为新的稀缺角色。

这不是"法律人学技术"。

而是：

法律行业开始重新理解技术。