每天整理对律师有用的 AI 变化：新实践、新方法、新模型、新产品和监管动向。
国家网信办通报，针对利用AI假冒仿冒知名公众人物虚假带货、吸粉引流、误导网民等问题，网信部门督促平台开展集中整治，累计清理违法违规信息4.7万余条、处置账号3961个，并通报未经授权AI仿冒名人带货、滥用公众人物形象造谣、假冒公众人物诱导关注、制作低俗内容恶搞公众人物等典型案例；下一步将持续整治并压实平台主体责任。
为什么值得看这是AI内容治理的监管执法进展，律师可据此为平台、MCN、品牌方和内容创作者梳理AI换脸、声音克隆、肖像及姓名冒用、虚假带货和平台处置的合规红线，用于广告代言审查、账号运营合规与平台治理建议。
摘要和推荐理由由 AI 生成，编辑抽查
Harvey官方X账号宣布Harvey Graph新增“事实图谱”（fact graph）功能，定位用于争议、诉讼和内部调查，可跨数百万份文档关联事实，使团队随案件推进持续产出工作产品，并提供Early Access报名链接（指向harvey.ai博客）。帖文仅作功能预告，未给出具体工作机制、定价、可用范围等信息，所链接博客正文未抓取。
为什么值得看X上的讨论：待复核：这是海外头部法律AI厂商Harvey面向诉讼/争议/调查场景的新功能发布，若其“跨文档事实图谱”方法成立，对国内律师在重大诉讼阅卷、事实梳理与案件管理上有参照意义，可按S6评估。但现有材料仅为推广性短帖，博客正文缺失，无法判断具体流程、可复用方法与可用条件，暂不足以给出明确参照意义，按R6/R7等待补充原文后复核。
摘要和推荐理由由 AI 生成，编辑抽查
作者潘淑燕以两起脱敏真实案件测试并重做执行异议之诉Skill：将执行局阶段文书Skill与民事审判庭执行异议之诉Skill职责分离；发现第三人应诉身份与模板错配、起诉状可能遗漏证据中的潜在争议、分配方案异议之诉两个15日期间需分别核查；工作流以规则锁定案由和诉讼地位，MCP检索法条类案，Python脚本初算期限并校验格式，大模型负责争议焦点说理，同时生成内部核对卡供律师复核；完成33项自动化测试。
为什么值得看对办理执行异议之诉的律师可直接参照：先锁定案由、原执行身份和本次诉讼地位再生成文书；用规则拦截错误救济路径，如刑事涉财产执行应走10日执行复议；跨起诉状、分配方案与证据交叉比对隐藏争议；分别核算两个15日期间；所有AI输出附内部核对卡供律师复核，明确工具边界与律师责任。
摘要和推荐理由由 AI 生成，编辑抽查
作者以电影《辽沈战役》中林彪向刘亚楼下达作战部署的台词作类比，主张把 AI 当人沟通：给 AI 交代法律任务时要说清当事人、时间、金额、诉求、证据、立场和输出格式，而不是只说“帮我写诉状”“帮我查个法条”或“帮我看下合同”。文中给出民间借贷起诉状起草、未约定保证期间的法律检索、乙方分包合同审查三个具体示例，并提醒 AI 不了解案件背景、没有立场、可能顺着用户的错误结论作答，应正反两问并让其复述理解；最终文书责任仍由律师承担。作者称自己在 WorkBuddy 中按此方式工作。
为什么值得看对律师有可直接复用的提示词方法：把诉讼请求、证据、管辖、立场、格式和验收标准写进需求，并用“对方会怎么打”“复述要点”降低 AI 附和与遗漏风险；可迁移到文书起草、法律检索、合同审查和案件管理。文章来自执业律师并含具体法律任务示例，不是泛泛工具介绍。
摘要和推荐理由由 AI 生成，编辑抽查
胡劲科律师在64GB M5 Pro Mac上用Strata分别运行千问Flash-Next（1250亿参数、2bit Q2）和千问3.6-35B（350亿参数、Q6），围绕律师工作设计测试：18页真实卷宗逐字转写及65个关键字段、中文语义、判决书改大白话、法律人文常识、合同与聊天记录问答、指令遵循、数学与法律要件推理、代码。结果显示两者多数任务接近：35B的识图准确率为98.0%/99.0%，1250亿模型为99.3%/99.5%；关键字段两边几乎全中，手写材料两边错误率约7%。35B生成速度91–133 tok/s，1250亿模型45–80 tok/s；识图每页5.4秒对8.1秒。35B可开128K上下文、整服务约36GB，1250亿模型在64GB机器上开到64K约46GB，官方只测到32K。作者日常选35B，要求高的扫描件可两个都跑对照；思考模式显著增加耗时但分数提升很小。测试限于同一台Mac、同一Strata引擎和这套题目。
为什么值得看文章不是泛泛比较模型参数，而是把本地模型放到律师真实材料处理中评测：卷宗识图与证号、金额等关键字段准确性，合同和聊天记录问答，判决书通俗化改写，法律要件推理，以及上下文容量和速度。其测试维度、评分方法和“日常35B、关键扫描件双模型对照”的选择思路，可直接供律师在本地处理敏感案卷、长聊天记录和合同扫描件时选型与复核，且明确披露了测试局限。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者介绍用WorkBuddy整理证据的三步法：第一步逐份建档并生成证据总目录；第二步结合起诉状拟写每份证据的证明目的、关联争议焦点并初判形式瑕疵；第三步按法庭提交格式输出证据清单和待补强清单。文章还给出以质证视角分析对方证据的指令、证据清单版本管理方法、AI使用边界及验收方法，并强调扫描件质量、敏感信息脱敏、律师复核证明目的措辞和人工核验电子证据载体。作者称可将一天编证据的工作压缩到一小时，但这是作者经验陈述。
为什么值得看这是国内律师使用具体AI工具完成证据整理这一法律工作的原创实践，给出了可直接复用的提示词、三步操作流程、复核要点、瑕疵补强和质证反用方法，能迁移到律师的阅卷、举证和质证准备；同时明确AI不替代证据取舍、实质证明力判断和电子证据载体核验，具有实际判断价值。
摘要和推荐理由由 AI 生成，编辑抽查
作者称2026年Anthropic（Claude for Legal）、Google（Gemini Enterprise for Legal）、OpenAI（Astra for Law）、微软（Copilot for Legal）均把法律 Skill 体系化，核心是把工作指引、知识、规则编入 Skill；但不少法务部让同事各自做 Skill，个人提效、组织无沉淀。系列分规划、开发、交付迭代三篇，本篇讲规划四步：一是拆工线，按业务条线拆分（以虚构30人A法务部为例，列出条线/工作项/输入/产出/频率/单次耗时，如营销文案审核每周25条每次20分钟），信息来源包括JD、专线访谈、工单工时数据、员工发件箱，信息不全时由管理者手动拆；二是识别值得做成 Skill 的场景，需同时满足高频、审查或起草逻辑基本固定、输出格式明确、有模板制度范本可依，并以Claude for Legal商事合同插件12个skill为参照，指出低频且争议点各异的事项（如代理商纠纷诉讼）宜放项目空间对话处理，粒度上过细（如单做"审一份NDA"）或过粗（如"商事合同全流程"）都不可取；三是选定可挂载 Skill 的工具，按skill、连接器、智能体三层递进要求评估，给出挂载能力、知识接入、覆盖面、统一管理、工具调用五个评估维度，举例Copilot已在Excel、PowerPoint、Cowork加入skill但Word尚无自行挂载入口，并援引微软数据称全球500强法务部Copilot采购率超70%、国内民营企业采用率第一为Workbuddy、其次Qoder Worker、豆包工作；四是按使用频率、单次耗时、规则标准化程度、数据可得性排序并分四批实施。附录给出A法务部场景清单（是否做成skill）、13个场景的优先级评分表和四批次上线计划。
为什么值得看这篇是法务/律师作者基于多家国内外法务部实践写出的原创落地方法，四步流程可直接迁移到律所：工线表（条线—工作项—输入—产出—频率—耗时）可直接用于盘点律所合同审查、营销文案审核、隐私政策变更等高频率任务；"高频+逻辑固定+格式明确+有范本"的四条件与"不过细不过粗"的粒度判断，对律师设计审查类Skill和提示词有直接约束，避免按合同类型碎片化或写成无法测试的全流程大Skill；工具五维度评估（挂载、知识接入、覆盖许可、统一管理、工具调用）可用于律所AI采购与选型；按频率、耗时、标准化、数据可得性排序分批上线，也适用于律所内部推广节奏。需提示：文中厂商采购率与国内采用率数据（Copilot 70%、Workbuddy第一等）未给出来源，引用前应核实；Claude for Legal等产品描述属作者转述，宜以官方材料为准。
摘要和推荐理由由 AI 生成，编辑抽查
作者朱玲凤在Codex中实测徐源开发的「AI透明度合规Skill」（一套含法规资料、问卷、报告模板和检查脚本的AI助手工作说明），对面向中国大陆、德国、美国加州的三款合成产品做AI透明度与标识评估。报告把「已加AI提示」拆成页面、复制、DOCX导出、PNG隐式披露、免费验证工具等具体缺口，并给出建议分工、优先级与验收材料（样本、元数据读取结果、日志、可及性记录等）。作者也记录局限：中国案例的辅助初筛曾把「无站内传播功能」直接判为不触发备案、安评，最终报告未采用；加州问卷把「设计上不做陪伴」等同于无社交能力，报告保留为未知；德国案例对未签署的自愿准则展开过长；加州部分依据为资料包中的历史文本，需复核最新条文。本次为合成事实评估，未检查真实界面或导出文件，也未实测任务分派、进度跟踪与自动回填；作者提出用同一份整改清单跟进并回写评估结论的闭环做法。
为什么值得看这是国内律师对法律合规类AI Skill的原创实测，价值在于给出可复用的工作方法：把监管要求转成「评估依据—整改动作—负责人与排期—验收材料—复核结论—更新评估」的清单结构，律师可直接迁移到AI产品上线前的透明度合规梳理、整改分派与验收取证；文中对初筛误判、问卷角色判断偏差、历史条文时效的提醒，也提示律师在采用AI合规结论时必须保留待核项并复核条文版本，属于真实可参照的边界经验，而非宣传。
摘要和推荐理由由 AI 生成，编辑抽查
黄崧律师系统梳理人脸识别被攻破的四类手法及对应刑事判决：一是用vidu等AI工具生成人脸验证动作视频（福州闽0111刑初103号，15组支付宝账号，数据罪8个月）；二是研发“虚拟相机”劫持安卓相机服务、以预存视频替换实时拍摄（上海苏某卖激活码获利约114万元，提供侵入、非法控制计算机信息系统程序、工具罪，判三缓四，入选上海法院服务保障数字经济典型案例，确立“技术实现与使用目的高度一致”即“专门程序”标准，且向不特定人提供、放任流向违法场景即满足主观要件）；三是抓包拦截认证数据包重放（厦门田世纪注册76个Ⅱ类账户获利2.2万元，数据罪3年实刑，厦门银行长期关闭App开户）；四是让比对功能失效（灵宝网咖idc.exe绕过8万余笔，破坏计算机信息系统罪判二缓三；佛山驾培终端改装案判5年10个月）。另有交管12123场景以e2eSoft VCam+换脸App绕过实人认证，构成非法侵入计算机信息系统罪（行为犯，各判6个月）。文中还解剖绍兴茅台案产业链三层同罪（技术教学者、视频制作者、囤酒黄牛均定非法控制计算机信息系统罪，技术人刑期更长），列举“只是中介不懂技术”“未通谋”“通用工具”“人脸不算个人信息”四个辩点被驳，指出唯一有效档位是退赃+认罪认罚，并给出量刑数据表与红线清单。
为什么值得看对律师的直接参照：一是刑事辩护可据此比对攻击手法与罪名出口（提供工具罪/数据罪/破坏罪/侵入国家事务系统罪/侵公罪）及量刑区间，尤其是“10组支付结算认证信息即情节严重”“国家事务系统为行为犯”的门槛；二是为AI、软件开发类企业做合规审查或刑事风险提示时，可直接引用“用途单一即专门程序”“放任即故意”的认定逻辑，判断虚拟相机、换脸App、抓包测试的边界；三是技术扩散链条中教学者、工具提供者、使用者同罪的判例，可用于客户风险沟通与内部合规制度设计。
摘要和推荐理由由 AI 生成，编辑抽查
据徐汇检察通报：2025年12月起，宗某某自学调用AI平台API接口后，找到一家人工智能企业运营的大模型聚合平台不对外开放的接口，自建“中转网站”低价对外售卖AI绘图、视频生成服务，后台实际消耗该平台付费算力；其间用AI编写自动化脚本批量注册近30万个免费账号组成“账号池”轮换调用，平台增加IP注册限制后又被其用AI工具绕过；2026年1月平台新增电子签名校验，其用AI生成脚本自动伪造签名继续绕过。至案发非法调用平台接口29万余次，违法所得3.4万余元；今年3月被害公司发现后台数据异常报案，宗某某被抓获。近日徐汇区法院以非法获取计算机信息系统数据罪判处其有期徒刑三年、缓刑三年，并处罚金四万元。承办检察官指出，AI大幅降低此类犯罪门槛，行为本质是“算力套利”与技术寄生；并区分边界：对平台正式开放、分配密钥、约定计费的公开API，超量使用、欠费不付一般走民事合同、反不正当竞争途径；对未开放商用的私有接口逆向解析、伪造凭证、突破防护批量获取数据牟利，则进入刑事评价。文章另附作者此前关于API中转站出海合规的旧文链接。
为什么值得看国内首例（上海首例）因盗用大模型算力、搭建API中转站而被刑事定罪的判例，且由检察机关给出“开放API民事路径／私有接口刑事路径”的区分口径，对律师有三重可用性：一是为AI企业、API聚合与跨境中转类客户做刑事风险与数据合规审查时提供直接参照的入罪事实清单（未授权接口、批量注册账号池、绕过IP限制、伪造电子签名、按调用量牟利）；二是可作为刑事辩护与合规整改的对照基准，判断涉案行为落在民事违约还是刑事评价区间；三是给企业提出API安全防护（电子签名、日志审计、异常访问监测、识别批量注册与伪造签名）的具体合规建议素材。
摘要和推荐理由由 AI 生成，编辑抽查
浙江海泰律师事务所陈石律师撰文反驳资深合伙人“等大模型成熟、产品稳定后再切入”的观望论。核心论点：一、传统软件（Word、OA）交付即能力上限，而 Agent 交付只是起点，其战力取决于律师后续的规则喂养与经验沉淀；二、真正决定专业 Agent 水平的是难以书面化的“默会知识”，它只在具体办案场景（如助理交来的起诉状被审阅、建工工期索赔签证瑕疵、国企客户答复结论前置）中被触发，需在工作区通过 AGENTS.md 预设规则、在每次文书交互中纠偏、把办案准则固化为 Skill 才能显性化；三、模型能力趋同、Token 成本下降，模型选择不构成壁垒，壁垒在于把裁判尺度与实务方法论沉淀为受 Harness 约束的专属工作区，观望一两年损失的是“人机喂养期”与不可逆的时间差；结论是律师应从“工具使用者”转为“数字学徒的带教导师”。文中并附作者简介及其 AI 法律实务著作与培训经历。
为什么值得看这是国内执业律师面向法律同行、从自身实务与培训经验出发的原创采用方法论，可直接迁移到律所与团队的 AI 落地：把 Agent 当新入职助理，在工作区写规则（AGENTS.md）、在真实案件（建工索赔、股权并购）中逐次纠偏、把裁判尺度与核验节点固化为 Skill，形成可复用的团队规则资产；同时提供了反驳“等成熟再抄后路”的决策框架，可用于律所内部 AI 选型与投入讨论。文章为经验框架而非量化实测，不编造成效。
摘要和推荐理由由 AI 生成，编辑抽查
文章按四层拆解律师用AI处理案卷的法律义务：律师保密义务（《律师法》第三十八条、第四十八条及《律师执业行为规范》，并提示条号需核对现行文本）、个人信息保护（《个人信息保护法》第二十一、二十三、二十八、二十九、三十八、三十九、五十五条，含敏感信息单独同意、委托处理约定、跨境提供与影响评估）、商业秘密与经营信息、国家秘密红线（涉密案件不得输入任何外部AI工具），并引《数据安全法》第二十七条、《生成式人工智能服务管理暂行办法》第十一条说明提供者义务不等于使用者免责，另参考ABA 2024年7月29日Formal Opinion 512。文章以表格对照网页/App免费C端、企业版/API、本地私有化三种用法的数据去向与保密风险及建议，给出脱敏剥离清单、脱敏提示词示例、上传前核对清单、客户告知与委托合同条款示例、律所AI使用制度六要点（分级、准入、流程、合同、培训问责、应急），最后列出六条需要律师再判断的问题：不训练承诺不等于无风险、脱敏不等于匿名化、当事人同意不能覆盖国家秘密、幻觉属另一类执业风险、制度须可执行。
为什么值得看文章把律师用AI处理案卷的保密、个人信息、商业秘密、涉密四类义务落到可操作层面，并给出可直接改造使用的脱敏提示词模板、上传前检索核对清单、客户告知与委托合同条款示例和律所分级准入制度要点，可直接用于律所制定AI工具准入清单、脱敏SOP、客户告知与合同条款、误传应急流程，也可用于个案中评估某次上传是否越线；其对免费C端、企业版/API、本地部署三类用法的风险差异对照，可作为律所AI选型与采购谈判（不训练、可删除、可审计、违约责任）的判断框架。文中未提供具体厂商条款或案件实测，引用时需自行核对现行法条条号与厂商协议原文。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者王杰文解读月之暗面2026年11月5日发布的《Kimi Hosted Agents正式发布：Harness as a Service》。发布文称将支撑Agent运行的Harness作为云端服务，提供7×24小时托管环境、长程任务执行与多智能体协作，并列出会话历史、工具执行、沙箱、失败恢复、超时重试等平台承担项；提供140+ Skills与30+插件，接入数据源含『元典法律』（工商、司法、知产、投融资与法规判例）。安全方面：独立沙箱、网络访问权限控制、可设操作边界、可中止会话、执行留痕与审计导出、计费用量报表，以及仅对企业认证用户定向开放的Kimi Inference Hook（推理前检查输入与工具返回，规则由企业定义）。官方另提供8个金融模板，模板表中含『国内投行法律建议Agent』，称索引上市、再融资、并购重组法规与历史案例并逐条溯源到官方公告、标记页数。作者据此提出律师落地四步法：划任务边界、数据与权限分级、把复核节点写进流程、把留痕与归档当交付物，并强调沙箱可由平台提供、规则与责任须由律师承担。文末含作者自有skills/专家团订阅推广。
为什么值得看律师作者面向法律读者，解读国内可用的Kimi Hosted Agents（HaaS），不是简单转述发布文，而是提出可迁移到律师检索、条款审查、版本核对、复核归档等工作的四步落地方法：先划任务边界，再做数据与权限分级，把人工复核节点写进Agent流程，最后把执行日志与版本差异作为交付物归档；并点明『可配置不等于已合规』，审查要点、保密边界与复核责任须由执业律师定义。对律所评估和引入托管式Agent具有具体参照意义。
摘要和推荐理由由 AI 生成，编辑抽查
iCourt法秀对2026律所中台·AI领导力峰会参访日首站星瀚律师事务所的回顾报道。星瀚2010年成立，现有150人，年创收亿元级、人均约120万，企业客户占90%以上；创始人卫新、首席运营官宋佳拆解了反舞弊产品从组织化研发、市场验证、公众号专栏获客到行业峰会的完整路径，该产品年创收千万级、单一业务支撑全所约两成创收。中台由市场运营、人事与业务支持（对标HRBP）、财务与数字化（含独立IT部门）三板块组成，实行授薪制加计点制，另有2019年的「造星计划」。AI落地部分给出四条原则：一号位牵头定战略并在合伙人中找深度认同者；建组织投资账与个人收益账两本账；选1–2个高频业务场景做灯塔项目打透工作流；先做IT基础设施，并以市场化检验替代行政命令（例如让需求部门承担20%开发费后需求归零、红包式IT需求使用率低、知识管理应在生产过程中产生）。文章后段为iCourt自身服务、白皮书、团体标准与线下集训营的推广。
为什么值得看提供国内律所AI落地的组织与分配层面可复用样本：一是把AI投入当投资行为、区分组织账与个人收益账，解决合伙人搭便车问题；二是以单一高频业务场景（如应收催收、反舞弊类工作流）做灯塔项目而非全面铺开；三是中小规模所可先用AI提升运营端（盖章、利冲、招聘、制度查询）效能，见效快、投入低；四是先建IT基础设施与专职IT人员，并用部门分摊开发费等方式做真实需求验证，避免行政推动下的低使用率。文中也明确了知识管理不能指望律师额外自愿投入的边界，可作律所中台与AI选型的评估参照。
摘要和推荐理由由 AI 生成，编辑抽查
郭勤贵律师在“AI法律系列02”中解读最高法关于涉AI侵权平台责任的意见：AI生成内容侵权一般走过错责任；平台不能以“内容由AI生成”免责。文章区分“明知”（收到权利人通知后不处理）与“应当知道”（结合侵权内容明显程度、平台推荐/置顶/热搜、直接获利等推定），并列出法院综合判断的五项因素：投诉举报与通知删除机制、对生成内容的可控性、侵权明显程度、平台是否直接获利、技术可行性与成本。文章以AI绘画平台推荐侵权画作被诉为例，说明平台可能被认定“应当知道且放任”；同时指出并非一刀切，平台不知情且收到通知后及时删除、技术上难以提前发现的，可能不构成过错。
为什么值得看判收但未入选今日精选：名额或排序靠后。对律师处理AI生成内容侵权纠纷有直接参考价值：可用于评估平台过错、设计通知删除与投诉机制、收集“明知/应知”证据，并在平台合规、侵权抗辩和诉讼策略中运用最高法意见的五项判断因素；文章还提示技术能力与获利程度会抬高注意义务，便于律师向客户解释责任边界。
摘要和推荐理由由 AI 生成，编辑抽查
杨卫薪律师介绍其开源仓库 legal-skills 的改版：把此前分散的 Skill 按工作场景组织为 8 套专家套件——法律材料与证据处理（legal-ocr、pdf-processor、pdf-organizer、local-asr/tingwu-asr、transcription-corrector、court-sms、dingtalk-minutes、video-screenshot、img2pdf 等）、诉讼分析及文书撰写（原“前期研判”与“诉讼文书与案件推进”合并，含 new-case、legal-case-analysis、judgment-analysis、yuandian-law-search、legal-proposal-generator、legal-visualization、md2word、elements-complaint-generator）、合同审查与小微企业顾问（contract-copilot、opc-legal-counsel）、法律研究与客户洞察（legal-client-brief、legal-industry-report、wechat-article-fetch、legal-text-format）、知识产权实务（patent-download、patent-analysis、trademark-assistant）、法律 Skill 对齐与评测（legal-skill-alignment、legal-skill-evaluation、skill-lint）、Skill 开发与质量保障（project-init、legal-harness-init、verification-gate、git-workflow）、Skill 发布与分发（git-batch-commit、release-workflow、skill-publish-sync、subtree-publish、skill-publicizer、self-evolve）。截至 2026 年 10 月 31 日仓库列 8 套套件，最新正式 Release v2026.10.30 提供 71 个单 Skill ZIP 和 8 个套件 ZIP。套件通过引用复用同一成员（如 legal-ocr 出现在多套中），源码只维护一份；安装整套不会自动启动完整工作流，调用与交接仍由任务和 Agent 决定；识别结果需与原件核对，文书产物须承办律师审定。作者自述“法律研究与客户洞察”套件本人并不常使用、细节可能有小错误，并推荐缪奇川律师的诉讼可视化仓库。
为什么值得看判收但未入选今日精选：名额或排序靠后。这是律师自研、国内可直接使用的开源法律 Skill 库的实质性版本发布（带正式 Release 与成组 ZIP），不是单纯的 GitHub 发现。对律师的参照意义具体：可按手头任务（扫描件/录音整理、收案建档与争点研判、合同审查与修订、行业或客户简报、专利商标初筛）取用对应套件，也可只取单个成员；套件 README 写明适用任务、成员分工、上下游交接与人工复核节点，为律所自建 Skill 库、做质量检查与发布分发提供可复用的组织与流程范式。使用时须注意：装套件不等于自动跑通工作流，OCR/转写结果要与原件核对，分析、检索与文书产物仍由承办律师审定；研究洞察套件作者自评尚不成熟。
摘要和推荐理由由 AI 生成，编辑抽查
文章面向中国律师，给出使用国内法律AI产品WorkBuddy的九步设置方法：一、在个性化设置中写入法律人自定义指令，要求不虚构事实、证据、案号与裁判观点，无法确认的内容标记为“待律师核验”，引用时标注文件名称与页码，区分当事人主张、证据记载、已确认事实和分析意见；二、谨慎使用记忆功能，只保存工作流程、输出格式与核验要求，不长期保存当事人信息、未公开案件信息和商业秘密；三、一个案件建立一个独立空间，命名采用“年份+客户简称+案由+程序阶段”，文件分为原始材料、诉辩文书、证据材料、法律检索、工作底稿、正式交付、待核事项，并保留原始材料、AI处理副本、律师终稿三套文件；四、按任务难度选择模型与模式；五、控制文件权限、开启保护并保留备份；六、在专家、技能、连接器中接入法大大睿契等法律应用；七、按案件类型只开启相关法律Agent（民商事诉讼、执行、合同、常法、建工、尽调等）；八、上下文混乱时新建会话，并先要求生成交接摘要；九、固定“身份+任务+材料+立场+输出+核验+边界”的任务指令结构，并给出民间借贷案件示例。文末说明入口可能随版本调整，要求上传前脱敏并遵守保密义务，同时以领取《100个WorkBuddy实务指令》资料作为引流。
为什么值得看提供了可直接照做的国内法律AI产品上手流程，尤其是把“不虚构、标注出处、待律师核验、区分主张与事实”写进自定义指令，以及按案件隔离空间、保留原始材料与AI副本分离、用七段式任务结构交代立场与核验边界，均属可复用到阅卷、证据梳理、时间线整理与文书起草的实操方法；但核心教程部分与文末资料引流并存，采用时以教程步骤为主。
摘要和推荐理由由 AI 生成，编辑抽查
文章依据最高法发布会口径与法院官方公开介绍，说明全国法院网络执行查控体系（总对总与点对点）可覆盖被执行人本人名下不动产、存款、金融理财、船舶、车辆、证券、网络资金等，并指出三类系统永远查不到的内容：他人名下财产、历史流水、未进登记系统的财产。随后给出申请执行人可合法核实的线索清单（居住、车辆、股权任职、未成年子女名下财产、对外债权、经营场所）、报告财产令的法定依据（民诉法第二百四十八条）、终本后五年内每六个月自动查询及随时可申请恢复执行的规则，并附两张用于WorkBuddy的指令卡：一是生成财产线索排查清单（分系统可覆盖、可合法核实、需律师或法院出面三类），二是对企查查与国家企业信用信息公示系统数据做股权与涉诉疑点分析。
为什么值得看律师可参照两张指令卡的提示词结构，把被执行人信息与公开查询数据交给AI生成财产线索排查清单和股权/涉诉疑点清单，直接用于执行案件的线索梳理与优先级判断；文中对查控边界（他人名下、历史流水、未登记财产）的说明也帮助律师区分哪些交给法院系统、哪些须走调查令或书面申请，具有可迁移到执行实务的AI工作方法价值。
摘要和推荐理由由 AI 生成，编辑抽查
作者转述并评论A&O Shearman对AI的11亿美元投入，指出其中大部分不是现金，而是工时：每家业务组必须把至少3%的小时数投入到为本领域法律工作自建AI工具上。作者认同这一方向，但强调工时的投入并不难，关键在于投入工时的人是否具备相应能力。他提出“AI时代律师能力模型”，包含六项能力：法律判断（律师仍需对AI输出作出判断）、商业判断（起草成本降低后客户付费点如何转移、合伙人是否因构建新服务而获得回报）、流程编排（收益来自重新设计工作流程，而非工具本身）、技术素养（工具是否与任务匹配）、证据与可辩护性（出错时能否解释、能否控制并从失误中修复系统）、翻译能力（能把法律与数据科学、开发团队沟通起来的复合型律师是瓶颈）。作者用这六项能力对A&O的做法逐条压测。
为什么值得看判收但未入选今日精选：名额或排序靠后。这是一家全球头部律所对AI的结构性采用案例，作者给出的六项能力模型可直接作为国内律所评估自身AI投入的检查清单：如何训练初级律师判断AI输出、合伙人激励如何与新服务挂钩、如何围绕AI重新编排工作流程、如何建立可解释与可追溯的治理机制、如何在律师与技术团队之间培养能双向沟通的人。国内律所在制定AI预算和工时投入政策时，可以逐条对照这六项能力，避免只投工具、不投能力建设，并据此设计考核与培训的落地安排。
摘要和推荐理由由 AI 生成，编辑抽查
Harvey 文章提出，合同审批矩阵除了按合同金额、类型和签约主体决定财务审批与签字权限，还应增加“偏离标准立场”这一维度，明确每个非标准条款由谁决策。文章以一份年费40万美元的客户MSA为例，把提前60天不续约通知、转让给收购方、24个月责任上限、数据泄露无上限赔偿分别映射到合同经理、法务、隐私/保险相关方和CFO。流程分为受理、首轮对照playbook审查、路由、谈判与决策简报、审批、终版核对签字归档六步；首轮可由Harvey Intake与Contract Intelligence将条款与playbook比对，但需律师核验。审批简报应列出请求、客户原文、标准与fallback、先例、取舍、版本和审批人。文章还区分法律签核、风险接受和签字授权三类审批，并说明交易对手迟延修改时，应通过版本比对只重开受影响的审批。文中引用Talanx称使用Harvey for Word中的Playbooks后NDA审查时间下降逾60%，并包含产品演示邀请。
为什么值得看对国内律所和公司法务设计合同审批流程有具体参照：审批矩阵不能只按金额和合同类型设置，还要按偏离标准条款的类型指定决策人；可用“请求—标准/fallback—先例—取舍—版本—审批人”的一页式决策简报减少审批人自行翻合同；迟延修改只重开受影响条款，避免整份合同回流。AI适合做首轮playbook比对、版本差异和简报草拟，法律判断、风险接受与签字授权仍应分离并由人负责。
摘要和推荐理由由 AI 生成，编辑抽查
2026年世界互联网大会乌镇峰会上，国家网信办会同有关方面提出《智能互联网创新发展合作倡议》，从技术创新、基础设施、智能体协作、应用生态、数据流通、安全防护、数字素养、治理对话八个方面提出合作主张。中国信通院副院长敖立解读称，倡议以技术、设施与互信为三大基石，以应用、数据与安全为三条路径，以素养提升和治理对话为保障，倡导智能体互操作国际标准、跨境数据流动机制、AI安全防护和多边治理对话。
为什么值得看对律师而言，这是跟踪国内AI治理与数据跨境政策方向的信号，可用于科技企业AI合规、智能体互操作标准、跨境数据流动和安全风险评估；但《倡议》是合作倡议而非有约束力的监管规则，不能据此直接推导具体法律义务。
摘要和推荐理由由 AI 生成，编辑抽查
北京执业律师缪奇川对Anthropic于2026年10月28日发布的Claude法律Artifacts画廊做原创实测：用自备审查指引和软件定制开发合同测试Playbook deviation board，用建设工程案卷测试Fact chronology，用8份收购合同测试Tabular review；记录工具在审查标准、退让尺度、冲突日期、疑似重复和未找到事项上停下来交还律师判断，并给出约0.55美元/合同、0.40美元/材料、0.5美元/合同格等价格及误报、漏报边界。作者据此批评批量生产的法律Skill和本地工作台多为“电子垃圾”，主张法律AI应保留律师审美与人工拍板。
为什么值得看对国内律师有具体参照意义：文章给出法律AI产品评估清单，看它是否在审查标准、风险尺度、冲突事实和未覆盖条款处停下来由律师决定；每个结论可回溯原文、对冲突不硬判、对缺失写“未找到”，可直接迁移到合同审查、诉讼大事记和尽调表；“先定答案格式再让AI填表”可改进尽调与批量合同比对工作流；同时提示Skill/工作台选型不能只看功能清单，要看是否装得下本所指引和审批链。Claude在国内不可直接使用，但作者明确把方法迁移到国产工具作为下一步。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者给出在 WorkBuddy 左侧栏「专家·技能·连接器」中接入北大法宝 MCP 的步骤（无需 API key，接入自己的北大法宝账号，法宝MCP页面每天可免费领10000积分），并提供9段可复制的完整指令：全流程主指令（类案清单、分歧地图、要件与证据对照、三档推演、不确定性来源、动作清单）、旧案校准、检索坐标图、检索报告三张表（类案清单/分歧地图/检索缺口）、五问可比性打分、要件与证据对照三张表、三档推演四张表、从推演到动作清单、交付前十项核验。文中引用《关于统一法律适用加强类案检索的指导意见（试行）》的检索顺位与类案定义、《关于案例指导工作的规定》第七条「应当参照」表述，并列出五条红线：案号回查、裁判理由只认原文并标「原文/转述」、检索报告不进卷、不把推演说成承诺、指导性案例与其他生效裁判分开写，且明令禁止输出胜诉率百分比。
为什么值得看这是一份可直接照做的国内法律AI实务流程：把北大法宝 MCP 接进 WorkBuddy 后，用固定指令完成「定坐标—检索—出报告—拆要件—推演—出动作清单」全链条，律师可迁移到类案检索、要件与证据对照、庭审发问提纲、调解区间测算和客户沟通（三种情形+条件、不写胜诉率）。其五问可比性标准、三档触发条件、案号回查与「原文/转述」标注等方法，为AI辅助检索的可信度提供了可复用的质控边界，且明确检索报告仅作内部决策材料。
摘要和推荐理由由 AI 生成，编辑抽查
律师出身的法律合规专家丁凌基于此前GLM-Legal模型对比实测和司法/检察AI拆解，提出“法律AI的胜负手不在模型，而在于信任，信任建立于每个节点可控、可勤勉尽责”，并只做一件事：拆解Harvey（美国，2026年9月估值155亿美元）与Legora（欧洲，2026年10月估值88亿美元）模型之外的harness层公开机制。Harvey：docx不直接丢给模型，后端专有库解析为支持完整OOXML的内存可变文档对象，模型通过工具在该对象上读、搜、改，可调get_diff自查；同时保存不可变原稿快照与可变工作副本，完成后由编辑生成器diff出结构化编辑，经OfficeJS在Word插件中变成逐词级修订痕迹；原文强调XML处理、状态管理、编辑生成全在确定性代码里；长文档用编排者+隔离子agent并行、冲突交编排者合并且下全局约束；官方称编辑接受率提升40%、周活人均查询数提升70%（并对照Spellbook CEO称接受率从5%到60%）；Vault支持“整个Vault跟随更新”与“单个文件固定”两种嵌入方式，单次最多上传50个文件、10万份以上文档、元数据权限与审计日志；Agent Builder 2026年3月上线，官方称客户已建25000多个自定义工作流，采用人在环路检查点，下一步做定时后台跑。Legora：把系统叫aOS，明确harness为编排层（工具路由、控制流、记忆管理、模型选择、护栏），七层为Security & Governance、Products & Interfaces、Legal Capabilities、Context & Knowledge、Data & Integrations、Agentic Harness、LLM；Tabular Review在官方结构中两次均不在harness层，网格行为文档、列定义已定义好；列为带类型的彩色标签，每格带Reasoning展开与源文档对照，网格为持久对象，可加行列、过滤、导出，有Mark as Reviewed、Lock Cells、Review Mode；斯坦福法学院AI Learning Hub 2026年10月13日受控练习：三份虚构NDA、四列共12个值，两次运行全部与原文一致，两次自动指出Contoso为异类，并从六份文档中正确挑出三份NDA；官方称数据室场景网格两小时填满；演示强调plan→execute→review→deliver，先出计划供人审批再动手；工程博客给出Worlds/Cases/Datasets/Experiments四层评测，Experiment为用例×试验次数×实验臂的张量，一臂对应一次harness实例化，并已把跑实验能力包成CLI让agent在预算内自搜harness配置。文中还引用Sacra匿名访谈：大型律所选Harvey很大程度因客户点名、企业级未真正铺开、多为5至20席位执业组级部署、欧洲客户更易通过Legora审批因其架构与数据驻留更清楚。作者最后给出个人可用的四个机制：双副本加diff、把格式处理从模型手里拿走、每个结论点回原文、不可逆动作前先出计划；并称自己Q2按类似思路做合同自进化数据库，最难在定列。
为什么值得看A层律师作者的原创分析，把海外两家头部法律AI的“模型外一层”拆到可核机制级别，对国内律师有三层可直接参照：一是自建或选型时的工程判据——不可变原稿+工作副本+diff生成修订、格式转换交给确定性代码（“模型在输出XML就说明分工错了”）、结论可点回原文并展开推理、批量改条款/搬文件/对外发送前先出计划审批；二是选型评估方法——看harness是否允许核验（结论可回溯、改动有diff、不可逆动作有确认点、运行有轨迹）、数据驻留与IT合规审批成本、按执业组5至20席位小步铺开而非全所推开、采购中客户点名与品牌压力对产品优劣的干扰；三是harness可被当作优化对象——用环境快照/用例/数据集/实验臂的对比实验衡量工具路由与编排改动的指标变化。文中对斯坦福受控练习、40%接受率、25000个工作流等数字均标注来源与边界，未把厂商口径当已核实成效，属于可迁移的方法证据而非工具测评。
摘要和推荐理由由 AI 生成，编辑抽查
律师王杰文原创记录其在 DeepSeek Harness（DSH）上自建的合同审查工作台插件：左侧栏进入总览页，显示已索引文书 114 份、识别为合同 97 份、含真实批注或修订证据 80 份；新建审查支持上传 DOCX/DOC/PDF/TXT/Markdown（单文件 20MB）或粘贴正文，可填交易背景与重点审查事项，口径固定为客户立场、强保护、深度审查；解析环节提取标题、双方、类型、原始/修订文本、批注、Track Changes 与文档块索引，PDF 无文本层标为需 OCR，旧版 DOC 隔离转换并提示可能丢失格式批注；历史匹配按合同双方、正文词项、标题、类型四维返回 Top5 与综合分、命中理由及原文批注修订证据（示例综合 99.5），默认阈值 68 仅用于检索排序；可选择参照历史或从头审查，参照内容仅作证据不作标准答案；后台深度审查创建真实 DSH Agent 会话，失败标为需关注、重试新建带 retry 标识会话并保留旧会话与错误记录，结果写回任务，形成八维评分（每项 1—5 分，总分 40）、风险清单、修订建议、履约事项与审计时间线；风险含 P0/P1/P2 与致命/重要/一般/轻微、条款原文、建议修订文本、法律依据及核验状态、来源，处理分接受建议/已解决/不采纳三态并保留理由，未经权威核验的法律引用只能显示待核验；修订建议按原文块索引展开，版本对比支持历史对历史、审查版本对历史、审查记录之间三种组合；历史文书库支持文件名/双方/正文/批注/修订/类型/是否含审查证据/是否需 OCR 组合检索；条款库与履约事项支持沉淀与跟踪；导出前汇总未解决 P0/P1 与待复核事项，生成含真实 Track Changes 与解释性批注的 DOCX，按原文件名+AWE+修订日期命名，同时输出一页纸摘要、风险 CSV、edits.json、review-plan.json 与归档清单哈希，不采纳风险不进入导出；注册 contract_workbench Agent 工具与页面复用同一套服务；数据保存在本地 .contract-review-workbench/，不改历史原件，用 SHA-256 识别版本，接口要求专用请求头、查询结果有界；已通过 16 项回归测试，端到端联调回写 14 项风险、14 条修订、10 项履约事项，最终 Word 形成 65 处插入、64 处删除、14 条解释性批注；文末有 skills 订阅与职场导师服务推广。
为什么值得看国内律师基于通用 Agent 平台自建法律工作台的完整实践，可迁移的具体做法包括：先做解析质量确认再谈风险、用四维相似度加原文批注修订证据做历史合同复用而非照搬、把接受/已解决/不采纳设计为带审计轨迹的三态、未核验法条强制显示待核验、导出真实 Track Changes 的 Word 而非页面模拟修订，以及失败会话保留与恢复机制；对律所自建合同审查流程与知识沉淀有直接参照价值。
摘要和推荐理由由 AI 生成，编辑抽查
北大法宝发布游初直播课综述，围绕法律AI中提示词、Skill、工作流与智能体的区别展开：说明法律Skill可分为抽取、检索、计算、文书、监控与决策支持六类；介绍主控文件的路由与渐进式披露机制，并以合同初审为例展示材料发现、立场加载、风险清单、脚本抽取和模板交付流程；提出“四步五问法”开发Skill，主张用三份材料跑三轮验证，并讨论将法学方法论工程化、组建组织级专家套件、分级共享及链路级风险验收。文末介绍法宝灵境技能中心支持专业Skills、通用办公Skills和自定义Skills上传。
为什么值得看这篇材料对律师和律所把重复法律工作转化为可复用AI能力给出了较具体的方法：从场景识别、五问拆解、主文件与子文件分工，到“三份材料三轮”验证、失败定位、专家套件协同和上线风险检查，可直接参照用于合同审查、检索、文书等Skill建设；产品宣传部分需与可复用方法区分。
摘要和推荐理由由 AI 生成，编辑抽查
北京大成（杭州）律师事务所楼军有律师发布“破产全能王”Skill 2.7（SkillHub版），覆盖破产清算中期建案、接管与尽调、债权审查、周报月报、债权人会议、会后表决、宣告破产七个环节；含49件文书模板、11个Python脚本、沙箱模式和《使用手册》。该版本按平台白名单裁剪，不含网页版工作台、离线OCR引擎与启动脚本；仅服务破产清算案件，不含审计选聘、投资人招募、分配测算、财产网拍、终结归档和信用修复，法律依据引用前需自行核验。文末提供下载地址与Agent安装提示，并建议先连接法律数据库MCP。
为什么值得看这是国内律师自研、面向破产清算业务的AI工作流产品，把七环节流程、文书模板和脚本封装为可安装Skill，能直接用于破产案件管理、债权审查、周报和债权人会议材料准备；披露了版本裁剪和适用边界，对律师评估、上手同类法律AI工具有具体参照意义。
摘要和推荐理由由 AI 生成，编辑抽查
文章为系列第四期，公开第61—80个面向律师的WorkBuddy指令，覆盖从案件材料拆解待检索问题、客户语言转法律问题、检索关键词生成与迭代、候选案例信息提取与类案对比、裁判观点语境及效力核验，到类案检索报告框架。文中提示AI整理结果须回溯裁判文书原文核验，不能把AI生成的案号、裁判观点直接写入文书；同时推广法大大睿契及完整100条指令领取。
为什么值得看把法律检索拆成“案件材料—待决问题—关键词—候选案例—类案对照—原文核验—检索结论”的可复核路径，并提供可直接改写的提示词，律师可用于案件材料分析、类案检索、引证核验和检索报告起草；同时明确AI输出需回原文核验，具有防止虚构案号和断章取义的边界提示。
摘要和推荐理由由 AI 生成，编辑抽查
文章面向外贸从业者，提出用AI处理英文合同的六步流程：先脱敏，再让AI列出合同结构图，分段做中英对照翻译，提取并人工确认术语表，借助第二模型、回译和法律词典交叉核对，最后按我方立场生成高、中、低风险清单；并演示责任限制条款误译、语言版本效力、保密与数据出境等风险，强调高风险条款仍需律师判断。
为什么值得看律师可将该流程迁移到涉外合同初审和客户沟通：用结构图快速建立条款索引，用术语表控制译名一致性，用第二模型或回译定位歧义，再按委托方立场形成风险清单供律师复核；文中同时提示脱敏、保密义务、数据出境和准据法差异，适合作为合同AI辅助审阅的可复用工作流，但不能替代律师对存疑术语和争议解决条款的判断。
摘要和推荐理由由 AI 生成，编辑抽查
胡律用AI用一份虚构租赁合同，演示让AI审合同并把意见以修订和批注形式写回Word。作者先设定审查前提：代表哪一方、处于什么阶段、审查多深、重点看什么；提出可补充押金结算条款、提前解除需先明确商业条件，并预设双方均无单方无因解除权，说明这不是通用答案。作者强调AI写出“出租权承诺”后，仍须拿房产证等材料核对，不能只凭合同文本认为权属已核过；修订批注版要自己核对，对外稿发出前检查批注和修订以及当事人、金额、日期、附件、编号。文末自述局限：单次虚构样本，本机Skill记录为3.1.5并有改动，模型未公开，测试日期待核，不代表稳定结果。
为什么值得看律师作者给出的原创工作流可直接迁移到合同审查：提示词层面强制先固定“代表方、阶段、审查深度、重点”，避免AI泛泛而谈；产出层面要求意见以Word修订或批注落地，减少复制粘贴；核验层面把AI新增的每一处承诺回溯到权属材料等证据，并在对外稿前清点批注、修订与要素信息。其局限说明也为律所评估此类AI审合同流程提供了证据标准参考。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者整理的四条法律AI动态：①国家知识产权局11月3日公开《专利和商标审查“十五五”规划》（落款10月19日，有删减），专栏1列出待研究问题，包括人工智能辅助发明的本领域技术人员定义与现有技术范围、人工智能生成发明的发明人身份与可专利性、专利申请中的人工智能使用声明制度，并提出“适时修改”专利审查指南；②香港律政司11月3日推出“订购法律科技服务资助计划”，独资或合伙人不超过五名的香港律所、执业年资不超过七年的大律师可申请，须从律政司指定的14间本地、内地及海外供应商名单中选服务，资助一年订购费、最高二万元（中文稿未注币种），截止2027年1月29日，施政报告称旨在推动法律界应用法律科技（含AI）；③欧盟法院首席佐审官Szpunar于11月3日就C-250/25 Like Company诉Google案发表意见，建议对训练问题不予受理，并称训练大模型原则上可依文本与数据挖掘例外进行，聊天机器人检索、复用报道生成回答在某些情况下可能侵犯新闻出版者权，复制权判断看是否非法访问（如规避付费墙）、回答是否以可辨识方式复用表达致用户无需看原文；④纽约时报公司11月2日起诉Brave，三家报社同日另案起诉，原告称Brave抓取网页建索引并通过AI搜索和API向用户及AI公司供应内容，点名Anthropic、Perplexity、Mistral、xAI、Cohere（均非被告）为“明知的收赃者”，并引Brave博客称Anthropic用该API训练Claude 2、优化RAG输出。
为什么值得看国知局把AI辅助/生成发明的专利审查问题写入“十五五”规划研究清单，是国内AI知识产权规则的首个官方政策信号，直接影响专利撰写、答复与AI使用声明，做专利和AI合规的律师需要提前调整客户的操作规范；香港律政司的订购资助给出可申请主体、供应商名单、额度与截止日期，是律所AI选型与预算决策的具体参照；欧盟佐审官意见与纽约时报诉Brave两条则提示AI检索、RAG与内容抓取的侵权风险边界，可用于为客户设计AI产品时的合规评估。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者陆凌燕介绍自己在诉讼证据整理中的实际用法：在微信里逐条或合并转发聊天、转账记录等证据，选择“其他应用—WorkBuddy”打开，用语音指令要求保存到指定案件文件夹；WorkBuddy 会判断该组证据属于原始证据材料，自动存入“案件原始证据”子文件夹，并顺带对这批转账记录做总结、罗列文件名与文件详情。作者对比微信新版多选保存到指定地点的方式，认为后者只是逐个文件的机械搬运、不做任何分析；文中附有 WorkBuddy 下载邀请链接及作者新书与往期文章推广。
为什么值得看给出可直接照做的律师证据整理流程：把微信聊天、转账记录合并转发给 WorkBuddy，用一句语音指令指定案件目录，由其按证据性质归入“案件原始证据”子文件夹并生成文件清单与证据要点摘要，用于替代逐张下载、手工建目录的搬运式保存；适用于诉讼举证前的证据收集与初筛环节，但文中未说明其对证据真实性、完整性的校验边界，采用时仍需人工核对原件。
摘要和推荐理由由 AI 生成，编辑抽查
克劳德猎手梳理 Anthropic 于 10 月 23 日为浏览器 Agent「Duet」补充的安全说明中最少被讨论的一节：Duet 的浏览器请求携带专属 User-Agent，官方同时公开其出口 IP，网站可据此识别、限流或拒绝；发布前 Anthropic 还主动联系数家大型网站，给它们屏蔽 Duet 的选项，官方称确有网站选择屏蔽。文章将这种做法与伪装成普通浏览器的自动化工具对比，指出 robots.txt 依赖自觉、难以验证来者身份，而公开 UA 与 IP 至少提供可核对起点，但目前识别机制各家各做、网站需自维护名单，可能形成「一律挡掉名单外来者」的结果。作者据此提炼三条可复用做法：让 Agent 可识别（专属 UA、固定出口 IP、可联系的安全页面）；给网站一个拒绝的按钮（提前说明屏蔽方式与合作入口）；留痕（浏览器置于独立虚拟机，网站代码与 cookie 不进入模型，形成安全与审计边界）。
为什么值得看文章把「Agent 访问权从默认放行转为需要协商」讲成了可操作的工程与治理清单，律师可直接迁移三处：一是律所引入会访问外部网站/数据库的 Agent（如自动抓取公开裁判文书、法规、工商与舆情信息）时，把「是否有专属 UA、固定出口 IP、是否有可联系的安全责任人」写进选型问询与合同附件，避免因被目标站点判定为爬虫而中断或封禁；二是自建检索、阅卷或客户尽调 Agent 时，预先为目标站点准备白名单/屏蔽说明与联系入口，降低被单方面封锁的业务风险；三是为对客户提供 AI 合规意见的律师提供一个具体切口——网站是否有权、以何方式拒绝代表用户行事的 Agent，以及 Agent 行为的审计边界（独立隔离环境、日志留存），可直接用于 Agent 采购条款与合规备忘录。原文未做法律场景实测，此处仅为方法迁移，不宣称成效。；律师可以：律师在选型或自建会访问外部站点的 Agent 时，把「专属 User-Agent、固定出口 IP、安全联系页、是否支持目标站点屏蔽/白名单、隔离环境与操作日志」列为评估项与合同条款；同时可据此为客户起草 Agent 访问与审计边界的合规意见。
摘要和推荐理由由 AI 生成，编辑抽查
执业律师潘淑燕为制作执行文书AI Skill，先让AI理清执行程序的各条救济路径：AI先在本地电脑中检索到《执行案件规范手册》和福建律师论坛论文集中的执行类文章并记录页码，再通过元典、北大法宝两个法律数据库（MCP）逐条拉取现行有效法条，核对2025年7月施行的执行异议之诉司法解释、2026年1月1日施行的新版《民事案件案由规定》，纠正了论文中的混淆（如“生效调解书已列名、首次执行漏列”与“追加案外股东”属不同路径）。随后产出“一张总览+三张分支”四张分流图，核定29条程序路径，区分执行行为异议（10日内向上级法院复议）、案外人异议与案外人/申请执行人执行异议之诉（15日内起诉、原被告镜像反转）、变更追加被执行人（仅六种法定情形可15日内起诉，其余10日内复议）、分配方案异议（三个15天连环）以及恢复执行与到期债权等不同前提。据此搭建第一个管执行局阶段的文书Skill（execution-docs-generator），覆盖首次执行、查控处置、行为异议、复议、案外人异议申请、追加申请、参与分配、恢复执行、执行监督等24类文书，并设自动核对规则：引用法条必须从元典或北大法宝拉取原文；缺少裁定书或送达回证的，一律只出标注“内部讨论稿”的缺口清单，不编造起算日期；给法院的正式文书与给律师自用的《内部路由核对卡》严格分开。作者在把真实案件（执行分配方案异议之诉中本所律师为第三人、前妻以离婚协议在刑事罚金执行中保房）输入测试后，发现案件进入审判庭或刑民交叉情形时第一个Skill接不住，又拆出第二个“执行异议之诉”全局Skill，具体拆解留待下一篇。
为什么值得看这是国内律师用AI做法律工作的完整原创过程，可复用的方法很具体：①先做程序分流图，不急着写文书，避免AI写得工整却把当事人送进错误程序；②旧手册和论文只用来提出问题，法条一律用法律数据库MCP拉取现行有效原文交叉核对，防止把学者建议当现行法；③把“证据不全就只出缺口清单、不编造起算日期”写成硬规则；④内部路由核对卡与对外正式文书分离。律师可据此改造自己的文书类Skill（如诉讼、非诉、执行），也可直接参照执行程序的四类分叉与期限来搭建审查清单。
摘要和推荐理由由 AI 生成，编辑抽查
胡劲科律师记录自己把 Strata 推理框架的 Mac 引擎移植到千问3.6-35B（Q6_K_XL，32.6GB，原生支持识图），动机是64GB MacBook Pro 跑1250亿参数模型只能用2bit量化（Q2_0，37.6GB，约46GB内存）且不能看图，而律师日常要读卷宗照片、扫描件和微信聊天记录。由主模型出方案、拆任务、审改动、重跑验收，另一个模型写代码，共20个提交约1.45万行，从下载模型到完成约11小时；PC端代码一行未动，共享文件只改3处。验证方式：每个新计算核配双精度CPU对照测试，并与固定版本 llama.cpp 逐token比对——10条提示各128步，最可能token一致99.7%，KL均值3.7×10⁻⁴，temperature 0 下8条128 token完全一致。实测同一台 M5 Pro 64GB：不开MTP生成74.6 tok/s（llama.cpp 64.1、oMLX 71），开MTP 105–114 tok/s，4K提示读取1923 tok/s，32K提示1413 tok/s；针对中文的MTP候选裁剪使中文提示再快12%–18%；多轮对话3800字系统提示第二轮首字从2.8秒降至0.14秒；64K长文定位测试通过（62秒读完）；内存峰值约43–46GB，未用硬盘交换。接入律师工具链：OpenAI/Anthropic 双接口启动脚本接进 pi 调用元典法律MCP查法条，1.7万token提示11.7秒读完、生成97.8 tok/s，返回条文与施行日期与直接查元典一致；53页微信聊天记录PDF本机识图平均每页约6秒，333条消息约3100字，错字2处。另写菜单栏小程序切换35B/125B模型，提交前做隐私扫描；因代码未公开，按仓库CONTRIBUTING先开issue对齐范围，发稿时作者未回复。文末为账号介绍、作者资历与授课方向。
为什么值得看律师作者基于真实法律工作需求（卷宗照片、扫描件、微信聊天记录识读、法条检索与文书）做出的本地部署迁移实录，给出了可复用的判断与做法：用「参数少但量化轻」替换「参数多但压到2bit」的选型思路、以 llama.cpp 逐token对照和分层闸门作为验收标准、以及把本地模型经双接口接进 pi+元典法律MCP并核验返回条文与施行日期。对律师的具体迁移意义：涉密卷宗与聊天记录可在本机完成识读而不出内网；本地模型选型可用逐token一致性、吞吐、长文定位、内存峰值等指标自测；AI写代码同样需要「能解释每一行、拿得出实测数据」的验收纪律，与律师交文书的责任逻辑相通。
摘要和推荐理由由 AI 生成，编辑抽查
DeepSeek 产品部于 2026-10-31 发布 Super-agent 架构探索，提出双层 Router/Worker、事件驱动、异步交互、存算分离与 Watchdog 等设计。AI王律据此评论，认为法律 AI 应从单次问答的“陪聊工具”转为持续接续推进事项的“办事系统”：先承接新合同接收、版本比对、案件时间线更新、期限盯防等低风险工作，关键判断仍由律师拍板，并建立事项、权限、责任边界。
为什么值得看该文在 DeepSeek 官方 Super-agent 架构原文基础上补充了独立法律场景分析，律师可据此设计法律工作流：用统一 Router 接收入口和分派任务，用上下文隔离的 Worker 并行处理不同案件或合同事项，先在材料整理、版本比对、时间线更新、期限跟踪等低风险环节试点，并保留人工审批和权限隔离。；律师可以：律师可将 Router/Worker 双层架构用于法律工作流设计：由统一入口接收新合同、客户邮件或案件事件，分派给上下文隔离的 Worker 做合同版本比对、案件时间线更新和期限盯防；先限定在低风险材料整理环节，设置事项、权限、责任边界及律师关键节点拍板，不直接让系统作法律判断。
摘要和推荐理由由 AI 生成，编辑抽查
新疆世安律师事务所主任毕晓华（执业15年，做律师短视频博主，发布1400多条视频）讲述自己作为不会编程的律师，用 AlphaClaw 做出两个 Skill 的过程。其一「法律文案创作全流程 Skill」：在周丽霞律师共享的股权类文案 Skill 基础上改造，让 AI 分析自己41条表现较好视频的标题、结构、切入方式和语言习惯，扩展到公司法、财富传承、财税、劳动用工、建设工程、社会热点六个板块；设置每天早上6点定时任务搜集热点、筛选选题、分析法律问题、撰写文案并附视频标签、Word 文档与封面建议；反复要求法条、案号、金额必须核对并注明信息来源，最终由本人复核；并尝试同一选题同时产出短视频文案与公众号初稿。文章称一次社会热点约30分钟完成视频录制，该条视频约2.5万播放、涨粉70余。其二「见面礼应诉包 Skill」：源于今年8月一起金额不大、客户暂不委托的劳动争议咨询，她把案件材料交给 AlphaClaw，要求分别产出给代表企业出庭员工的开庭指引与委托手续、给老板的案件分析（对方主张、有利不利、可能费用、下一步）、以及企业劳动用工风险提示，并要求让从未到过法院的人也能看懂；AI 分门别类打包成压缩文件，她审核修改、加入联系方式后交付，并称正常此类材料至少收费3000元、本次免费。两个 Skill 已上架 AlphaClaw 法律 Skill 商店。作者把 Skill 类比合同模板，强调安装他人 Skill 后要改成自己的姓名、地区、联系方式和习惯，共享的是方法；并强调法条案例与案件事实须复核，交付文书须自己审核，真实案件材料须注意保密和脱敏。文末附 AlphaClaw 限时免费试用推广。
为什么值得看这是国内法律 AI 工具上律师原创的具体实践，可复用的路径清楚：一是从同行共享的成熟 Skill 二次改造，用自己历史内容数据提炼风格规则，再用定时任务把选题、检索、初稿批量化，同时把法条、案号、金额核对与信息来源标注设为硬性要求并保留律师终审；二是先完整做一次真实客户服务，再把流程封装为可复用 Skill。第二条路径对律师接待咨询、准备应诉材料、给企业做案件分析与风险提示尤具参照价值，也示范了以'结构化材料包'替代免费口头咨询的获客与服务交付方式；文中对共享 Skill 需本地化改写、交付前核对与脱敏的提示，可直接用于律所内部 Skill 建设与 AI 使用规范。文末含产品试用推广，但主体是真实过程与方法，不按纯宣传处理。
摘要和推荐理由由 AI 生成，编辑抽查
天津和平法院审结一起将他人享有著作权的文字作品导入AI工具生成AI漫剧并公开传播的著作权侵权案。法院逐句比对认定被诉AI漫剧与原作表达高度重合、构成实质性相似，并适用最高人民法院《关于依法审理涉人工智能纠纷案件的意见》第十二条，认定被告未经授权使用完整文字作品进行二次生成属于改编行为，侵害改编权、信息网络传播权；双方调解后被告删除侵权内容、停止传播并赔偿经济损失及维权合理开支。
为什么值得看该案是适用最高法涉人工智能纠纷审理意见的具体司法实践，明确了“AI工具不是版权避风港”、未经授权将他人文字作品用于AI改编并传播可能同时侵害改编权和信息网络传播权的边界。律师可据此为AI漫剧、AI短剧、内容生成类客户做素材权属核查、授权链条设计和侵权风险提示，也可在著作权纠纷中参考法院的逐句比对与实质性相似认定思路。
摘要和推荐理由由 AI 生成，编辑抽查
律师作者朱玲凤开源「文书脱敏工作台」DSH 插件（dsh-document-redactor，公开下载为 1.3.1 开发预发布版），装在 DeepSeek Harness 桌面应用中。支持 docx/pdf/txt/md 单份不超过 100MB，本机完成解析、敏感信息识别、扫描件 OCR、遮盖与文件改写，可识别姓名、企业名称、证件号、电话、邮箱、地址、银行账号，案号、法院名称等列为候选由使用者决定是否处理；金额、日期可按用途选择保留或隐藏。Word 提供原文高亮与脱敏预览左右对照，需另核对批注、修订文字与修订人；复核页可补录字段名、原文、别名，并选择仅用于当前文书或同案后续上传沿用（规则存本机）。规则助手用 DSH 配置模型，以自然语言描述格式让 Agent 生成规则修改方案，先查看改动差异再应用，应用前备份原规则，之后需重新上传验证；助手只提交当前规则全文和用户填写的需求，不附带文书、候选原文或映射，因此要求用虚构示例。PDF 有独立核对页，签名、印章和漏识别内容可在原页框选遮盖，导出为逐页重建的图片级文件、不含还原映射。Word/TXT/MD 可另存 JSON 映射用于还原，映射含原文须与脱敏稿分开保管。原文明确无准确率与工时量化数据，OCR 与自动识别可能漏项，最终披露仍由使用者判断；录像为 macOS 桌面版，Windows 参照仓库说明，1.3.2 的两项修复尚未随公开包发布。文末附 11 月 4 日直播预告与交流群入口。
为什么值得看这是国内律师自研、可下载源码与安装包的开源工具实质发布，并给出完整上手流程，可直接迁移到律师阅卷与对外协作前的材料预处理：先用本机引擎处理客户合同、案卷中的主体名称、账号、联系方式，再逐项复核补漏，最后检查导出件；同一案件的多份合同、附件与往来材料可保存主体全称与简称规则重复沿用，减少逐份重做；遇到特殊编号格式（如批次号），用自然语言让 Agent 生成规则改动、先核对差异再应用，并用样本重验，而不是手工改配置。文中对边界说明清楚——规则助手会把规则全文与需求提交给模型，须用虚构示例；映射文件须按原件等级单独保管；PDF 脱敏件无法回填原件。可作为律所制定“客户材料交 AI 前先脱敏”内部流程的参照，但工具仍为开发预发布版，外发前必须人工打开最终文件复核。
摘要和推荐理由由 AI 生成，编辑抽查
作者（前律师、现法律工程师）系统介绍 Personal Agent：把对话助手、任务执行 Agent、Personal Agent 分为三代，并列出 Muse、Dots、Claude Duet、Grok Bot、千问 Go!、小豆、元宝助手等产品及上线与开放情况；以 Grok Bot 为例说明云端电脑、本地 CLI、本地 GUI 三种操作通道。文中提出“1 个总管 Bot + 3 至 4 个专职 Bot”的起步配置与五条拆分原则（主 Bot 唯一、一岗一 Bot、易混淆记忆拆分、固定节奏任务独立、一次性任务不建编），并给出自己的 Bot 编制（邮箱巡查员跟进业务邮件、公众号秘书收集行业动态与监控招投标、培训助理等）。高阶部分给出具体提示词，让其他 AI 导出角色卡与技能并喂给主 Bot，再用 CLI 按任务类型路由：法律分析与长文书起草、skill 和提示词开发交 Claude Code（claude -p），生图交 Codex，国内企业工商与司法信息检索、邮箱操作交 WorkBuddy（codebuddy -p）。文中未给出法律任务的实测成效数据。
为什么值得看国内法律工程师面向法律读者的原创上手教程，给出了可直接照做的编排方法：把日常重复工作（业务邮件跟进、行业动态与招投标监控、培训资料）拆成专职 Bot 定时跑，把法律分析、长文书起草和 skill 开发路由给 Claude Code，把国内工商与司法信息检索路由给 WorkBuddy，主 Bot 作为唯一入口统一调度。律师可据此搭建自己的任务拆分与工具分工，但文中未提供法律任务效果验证，采用前需自行评测输出质量与保密边界。
摘要和推荐理由由 AI 生成，编辑抽查
