法律 AI 动态

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。

每日精选 · 共 95 件事，106 篇报道AI 先审、人工纠偏，每篇附原文链接

按对你的用处筛选

11月1日精选 · 15 件事 · 周日

DeepSeek Harness 团队 · 原文 10-31

Super-agent 设计探索：迈向更自主的 Agent 系统

DeepSeek Harness 团队以工程实践视角阐述其 Super-agent 架构设想（文中明确说明这是架构思路探讨，并非现有产品功能介绍）。核心内容包括：双层架构（常驻 Router 层统一承接人类交互与任务分派，上下文隔离的 Worker 层并发执行，Worker 不直接面向用户回复）；事件驱动设计（以群聊消息、PR 评论、CI 结果等环境事件 Trigger 为输入，程序层 Fast Path 与大模型语义层 Slow Path 两级过滤，Router 创建 Worker 后按 Thread 订阅直通、未订阅事件才走 Router；用 Inline & Spill 与'链式召回'按引用图逐跳注入上下文；借鉴投机执行在后台提前尝试，无价值则丢弃）；面向人的交互（把 run() 改为异步 start()/stop() 的全双工 ReAct Loop，目前已在 DeepSeek Harness 实现但未默认开启；按 IM 与 GitHub/邮件等不同信道定制输出规范，如 IM 单次回复不超过 100 词）；计算、状态与执行环境分离（Agent Loop 无状态上云、会话状态入库，端侧只部署轻量 daemon，支持 BYOM 与间歇在线设备）；以及外部 Watchdog Session 作为 Control Loop，除基础设施故障外还由模型判断 Worker 是否实质推进、是否偏离目标。初步实验：约 300 条消息、约 20 条工作请求的合成负载下，Super-agent 任务完成时间 p50 12.4 分钟、p95 15.7 分钟，单 Session+Subagent 中性提示下 p95 达 29.5 分钟；去掉直通后完成时间基本不变，但 Router 决定数增加约 30%、读缓存 token 由 2323 万增至 3177 万（+37%）；Router 压测中 Trigger 到达速率由约 1 条/分升至约 40 条/分，平均 batch 由 1.0 升至 2.8，单次请求耗时 2.5→3.9 秒，单个决定分摊推理时间 6.4→1.6 秒。文末列出双层架构扩展、脱离 Session 后的人机协作、上下文边界与 A2A、安全与隐私（云端被攻破或提示词注入可波及全部端侧设备、凭据进入上下文即可能泄露）等开放问题。部分设计以 dsh-superagent-prototype 原型插件形式在 GitHub 开源，作者声明非正式产品。

为什么值得看该文虽非法律题材，但给出了可核验的量化实验与一整套可直接复用的多任务 Agent 工程方法，对律所自建或选型法律 AI 有明确参照价值：其一，'单会话靠提示词让模型自行分工'在实验中被证明不稳定（中性提示下 5 次运行 0 次委派、p95 29.5 分钟），对律所常见的'一个对话框处理多个案件/事项'是直接警示，应以系统层面的职责划分替代提示词祈祷；其二，事件两级过滤 + Thread 订阅直通 + 批处理的成本结构（直通省下 Router 约 30% 决定数与 37% token）可作为法律场景按'案件/邮件串/材料目录'分流的成本参照；其三，'进展监控而非仅进程存活'的 Watchdog 思路，适合长时间批量检索与文档审阅的质量兜底；其四，存算分离与端侧 daemon 直接对应律师'案卷与凭据留在本地/内网、算力在云端'的合规诉求，文中也自陈该设计在提示词注入下会波及全部端侧设备，这一风险判断对法律场景选型尤其值得引述。实验基于合成负载与简化环境（编码工作用时耗工具替代），原文未做任何法律场景实测，引用时须标明这一点。

摘要和推荐理由由 AI 生成，编辑抽查

Agent 协同与自动化AI 办公与工作方法

筑律汇法 · 原文 10-31

8 年终本案还能恢复吗？我把查财产做成了流水线 skill

作者把“执行财产速查”技能迭代六轮，并用四个真实主体测试；文中记录了 AI 把 78 条同名记录拼入报告、两个数据源实缴资本相差 1100 万、同名企业无法锁定等错误，进而设计出四道工序：渠道矩阵（机器授权接口、人工步骤卡、公开不可查转调查令方向）、四态自检闸门、人工核回填、增量复查，并增加 SVG 一页速读图。某个主体在 2018 年有两件终本案件后，2026 年又出现 4 万余元的新立案；文章还说明模拟登录企查查抓取会违反用户协议，因此按合规边界分层。文末开源 V1.6。

为什么值得看这是国内律师在执行业务中的 AI 实际应用与可复用流程：把财产检索拆成可核验工序，针对同名、统计口径冲突和身份锚点设置硬性校验规则，并明确机器查询与人工核验的合规边界，可直接迁移到执行案件财产调查、尽调和检索报告复核。

摘要和推荐理由由 AI 生成，编辑抽查

法律检索与研究Agent 协同与自动化AI 风险与合规AI 办公与工作方法

丁凌AI实录 · 原文 10-31

Claude for Legal 补的法律 artifacts：招股书、法律画廊与源码

律师作者丁凌对 Anthropic Claude for Legal 做三层拆解：一是 2026-10-26 递交的 S-1 招股书第 202 页产品披露（四类用户、五类接口、三重控制，与 MCP 连接器生态）；二是 2026-10-28 官方博客 'Introducing artifacts for legal work' 发布的 legal gallery，含引文核对、跨法域对照矩阵、案件看板、条款偏离看板、监管前瞻扫描、表格化审查六件自产 artifacts，以及 Goodwin、Foley & Lardner、PwC、Harvey 等上架件，连接器从 5 月的 20 多个增至 60 多个；三是 GitHub 仓库 anthropics/claude-for-legal 源码，151 个 SKILL.md、约 3.5 万行、Apache-2.0，最重笔墨在冷启动访谈、路由升级与护栏纪律，研究连接器全为美国法生态，全文检索 Chinese law 零命中。文中并与其自用 21 个中国法技能包逐维对照（平均行数、证据三性推理结构、四源直连脚本、legal-qa 交付前自检），最后提出采购、用法、自建三把尺与七条可抄做法。

为什么值得看这是律师作者对海外法律科技重要产品线的独立分析而非转述：作者克隆源码做行数与技能结构统计、与自建中国法技能包逐维对照，并提出可直接迁移到国内律所的方法——以「四类用户、五类接口、三重控制」作为供应商评估清单；以「第一遍与最终判断能否分开」判断某条工作流是否适合交给 AI；以冷启动访谈建档、升级矩阵写入配置、编排器不给写权限、交付前自检清单、直连数据源等七条作为自建 Agent 的作业。文中亦写明该产品在中国大陆不可用、客户材料出境涉及跨境提供合规，对国内读者是评估海外协作工具与设计自建方案的现成参照，具备明确的国内可参照流程与评估方法。

摘要和推荐理由由 AI 生成，编辑抽查

律所 AI 选型与管理Agent 协同与自动化文档与知识处理法律服务与商业模式

胡律用AI · 原文 10-30

广州越秀处罚GEO公司伪造律所榜单致AI误引，律师解读推广合规自查

文章解读广州市越秀区市场监督管理局2026年9月4日作出的穗越市监处罚〔2026〕448号决定：一家GEO公司为两家律所批量生成并发布推广文章，文中含有无法提供依据的数据，如“2025年处理广州劳动争议案件187起、客户满意度9.6分”“刑事辩护排名第1、综合得分92.5分、复杂案件成功率超70%”；执法人员在豆包查询律所排名时，回答引用了这些文章的评分信息，决定书据此认定该行为影响、误导AI平台给出答案，并依据《反不正当竞争法》第十三条第二款第（四）项、第二十九条，责令停止违法行为并罚款12万元。作者明确区分了被处罚主体是GEO公司而非律所，并指出本案没有记载律所被处理；随后结合《广东省律师行业网络推广行为管理规定（试行）》第十四条（委托或默许第三方推广也纳入适用范围）、第六条（委托后15个工作日内书面备案）、广东省业务推广宣传规则（禁止比较宣传、宣示胜诉率、暗示权威）及广州律协网络推广指引（禁止出借账号、要求书面权责、电子数据保存不少于两年），整理出签约前四问（写什么、依据在哪、谁能用账号发布、出错如何撤回留证）与发布后定期检索自查、保存页面与引用关系的做法。文末作者自我介绍与授课信息属账号推广，非正文事实。

为什么值得看国内首见以行政处罚认定“批量生成推广内容影响AI平台回答”违法的公开案例，直接关系律所与律师的AI时代获客合规。文中给出了可复用的具体动作：核验AI回答所引来源而非把链接当真实性证明、把排名/评分/胜诉率类表述逐项审核、委托第三方推广15个工作日内向律协备案、保留发布前确认稿与修改记录两年以上；律师可将这些动作直接迁移到自身网络推广审查、客户尽调与AI引用核验流程中，参照价值明确。

摘要和推荐理由由 AI 生成，编辑抽查

AI 风险与合规法律服务与商业模式法律检索与研究

玩转AI的王法师 · 原文 10-30

律师如何用 WorkBuddy 写一份庭后代理词？——附AI提示词

深圳大成律师王宇鹏的原创实务文章，讲如何用 WorkBuddy 完成庭后代理词的撰写，包含八环节流程和9段可复制提示词：①庭上留痕——因《人民法院法庭规则》第十七条禁止录音录像，改用手写三栏A4速记表（法官问题、对方主张、我方风险），再用庭审笔录（《民诉法》第150条允许申请补正）和依法申请查阅庭审录音录像来核对；②庭审记录重排——不概括，只还原发言序列，单列法官发问线，并生成待核清单，看不清的数字、人名、条号一律标“待核”，不补全；③三张清单——分别列出法官发问、对方主张、我方漏洞（追问两次标★、一次标○、问完即转题标—，出现“确实、认可、无异议、收到、知情、确认”时标自认风险）；④辩论复盘——按立、破、听、时四个方面，每项写现象、问题、下次动作，并按是否影响判决结果排优先级；⑤提纲——标题即观点句，禁止“关于……问题”，标题须含条号、金额、日期或证据编号，每争点一页；⑥成文——每个大段超800字加小标题，段首写主题句，全文不超过五页，引用证据标卷宗页码，引用法条写全称、条号与款项；⑦按案由在左侧栏“专家”库搜索并挂载对应专家（如劳动争议可检索到28位）；⑧交件——根据《民事诉讼证据规定》第3、5、9条，代理词中的自认不能撤销，交件前逐句排查自认表述，并经当事人逐段核对金额、日期和履行过程，在开庭后一周内提交，同时向法官提供起诉状、答辩状与代理词的电子版。文末声明仅代表个人理解，不构成具体案件法律意见。

为什么值得看这是律师作者的原创AI工作流文章，把“庭审留痕→记录重排→三张清单→复盘→提纲→成文→按案由挂专家→交件核对”整理成可直接复制的提示词体系，并配有具体法律与实务约束（不得虚构法条、人名和金额标待核、自认词逐句排查、交件十项核对）。对律师处理庭后文书、卷宗与笔录材料整理、案件管理与自认风险控制有明确的可复用性与迁移价值，非泛泛工具宣传。

摘要和推荐理由由 AI 生成，编辑抽查

文档与知识处理AI 办公与工作方法Agent 协同与自动化

Z律同行 · 原文 10-30

WorkBuddy判例检索：律师四步出带出处的检索报告

文章介绍律师使用WorkBuddy进行判例检索的四步工作流：先连接法律数据库，再拆解检索命题并让AI先提交检索计划；随后检索现行有效法规并标注效力层级、施行时间、废止替代关系；检索类案并注明案号、法院、年份、裁判要旨及与本案的相似点和差异点；最后人工核验出处、覆盖范围和时效，并对照争议焦点检查缺口。文章还给出自用版、意见书附件版、谈判版三种交付形态，强调禁止凭记忆引用、地方口径不硬套，以及用真实研究问题验收AI检索效果。

为什么值得看这篇是律师作者对国内法律AI工具WorkBuddy的具体检索实践，给出了可直接复用的四步流程、提示词、人工验货清单和交付模板，并明确数据库连接前提、类案限辖区限年份、出处回查等风险控制点。对律师的法规检索、类案研究、法律意见书底稿和检索报告交付有直接迁移价值。

摘要和推荐理由由 AI 生成，编辑抽查

法律检索与研究AI 办公与工作方法AI 风险与合规

李律Sven斯温 · 原文 11-01

康陶观察·一周观察｜深度合成备案第十九批、纽约AI伴侣新法、AI技术出口登记

律师作者对2026年10月25日至31日法律AI与监管动态的周度核读：网信办公布第十九批深度合成算法备案，作者按附件统计842条，其中14条用途含“法律”，并有一家律所（北京观韬（武汉）律师事务所）备案“观韬法律Agent生成合成算法”；商务部、科技部拟将23项AI技术列入禁限出口目录并设过渡期出口登记；纽约州签署禁止向未成年人提供“不安全AI伴侣功能”的州法；另汇总澳大利亚数字注意义务法案、英国预算AI方案、美国版权局与CMA动态、纽约州律协AI伦理指引、英格兰及威尔士卷宗主事官讲话，以及Clio、Anthropic、Harvey、Legora等法律科技短讯，并逐条标注材料性质与待核事项。

为什么值得看对国内律师有直接参照价值：一是提供律所深度合成算法备案的 concrete 样本，可观察法律文书生成类法律Agent的合规路径；二是梳理AI技术出口禁限目录及过渡期登记义务，关系到律所使用或出海部署法律AI的合规判断；三是纽约AI伴侣法、纽约州律协伦理指引和卷宗主事官讲话，分别涉及未成年人保护、按小时收费、引证核验和智能体人工审批，可迁移到律所AI管理与执业风险控制。文章由律师作者对官方材料逐条核读，区分已签署法律、征求意见稿、审议中法案和厂商自述，符合律师法律AI周报的采用标准。

摘要和推荐理由由 AI 生成，编辑抽查

AI 风险与合规律所 AI 选型与管理法律服务与商业模式

鹿鸣于野UMU · 原文 10-30

一句话把日常工作沉淀成Skill：真正的小白入门法

律师作者陆凌燕提出，不必先设计流程再使用AI，而应在完成一项会重复的工作后，直接让WorkBuddy“总结以上经验教训，帮我写成 Skill”。文章以“邮箱发票自动整理”为例，拆出发票发送到邮箱、下载到本地、按一上一下排版到A4纸、提取信息填入清单四步；其中手动开票，自动化下载、排版和信息提取，完成后让AI把操作顺序、参数调整和踩坑经验写入可复用Skill。作者还建议写完后搜索同类Skill，对照优缺点继续完善，并强调自动化成本高于手动成本时应保留手动环节。

为什么值得看这是律师作者面向法律读者的原创AI工作方法，给出了可直接复用的“先完成工作、再让AI沉淀Skill”的上手路径。该方法可迁移到律师的重复性事务，如证据材料整理与排版、文书格式检查、案件信息提取、报销与档案管理等：先人工完成一次，再让AI记录步骤、参数和异常处理，形成团队可复用的Skill；写完后对照同类Skill补足边界情况。文章提供了具体示例和操作话术，不是单纯产品宣传。

摘要和推荐理由由 AI 生成，编辑抽查

AI 办公与工作方法Agent 协同与自动化文档与知识处理

AI王律 · 原文 11-01

前沿｜Super-agent对法律AI意味着什么：从会话转向事项的法律工作流推演

王杰文律师（AI王律）解读DeepSeek产品部/Harness团队2026年10月31日发布的《Super-agent设计探索：迈向更自主的Agent系统》。文中先明确事实边界：该文是面向工程实践的架构探索，既不是法律AI产品发布，也不是作者已完成的法律场景实测，原型仅在合成负载与简化环境中验证。作者概括原文四特征（连续、高效、主动、持久）与双层架构（Router负责理解需求、识别任务关系、分派与统一沟通；Worker带独立上下文和完整工具执行，内部可再拆子任务），并提出行业推演：法律AI的管理单位应从“会话”转向“事项”（目标、材料、参与人、时间线、权限与中途变化）；以企业合同审查、诉讼庭期更新、法规监测三类场景说明Router不替律师作最终判断，只回收结果、校验版本与来源、把需人工决定的部分集中提交；落地应先做窄流程（材料归集、版本比对、事项时间线、法规更新后内部排查），建立“事项底座”并管好事项账（可回溯来源与人工决定）、权限账（可见范围、Worker可调文件、审批节点、凭据不入上下文）、责任账（AI整理/生成/人工复核/对外批准留痕）；人工在环不等于每步弹窗，应按预设权限与升级条件集中处理高风险、材料冲突、来源缺失、越权动作；衡量价值不宜只算节省小时，而看重复交代背景次数、等待分派时间、逾期跟进、结论可追溯性、人工退回集中环节与是否发生越权；收费逻辑或从账号次数转向可治理的事项工作流承接量。04部分援引原文对提示词注入、云端与端侧连接后风险扩大的提醒，主张法律Super-agent需职业治理机制落在权限系统、工具接口、审批节点、日志与定期检查中。文末为作者skills订阅与专家团的产品推广。

为什么值得看A层律师作者对DeepSeek官方Super-agent架构文档的独立行业推演（非实测，作者已声明），给出了可复用的迁移方法：以“事项”而非会话为管理单元、事项身份与材料隔离、事项账/权限账/责任账三本账、按后果与可撤回性排序的窄场景落地路径、以升级条件替代逐步弹窗的人工在环设计，以及一组可操作的Agent价值指标（重复交代背景次数、任务等待分派时间、逾期跟进、结论可追溯、越权动作）。对国内律所与法务自建或选型Agent时评估厂商“是否交付可审计的事项工作流”有直接参考价值；同时提醒提示词注入与跨事项越权风险。按R3，该文含独立分析，可与DeepSeek官方发布同事件并列而不被折叠，但不应被当作产品实测效果。

摘要和推荐理由由 AI 生成，编辑抽查

Agent 协同与自动化律所 AI 选型与管理AI 风险与合规模型与产品重要变化

AI王律 · 原文 10-31

美国法务用AI后砍外包：Everlaw调查显示54%已减少外部律师工作量

王杰文解读Everlaw与Wakefield Research于2026年10月20日发布、针对300名美国企业法务的《In-House Innovation Report》。五组核心数据：86%法务已将生成式AI用于法律工作（37%多流程广泛使用，2024/2025年分别为23%、52%）；使用外部律师的部门中54%因AI减少外包、44%预计一年内跟进、仅2%明确不减，深度使用AI者减少外包比例达73%；92%称已从外部律所的AI使用中看到成本节约（一年前59%称没看到）；81%预计按结果计费五年内超过小时计费；约三分之一曾在诉讼中遇到AI虚构的证据或判例。作者据此判断：法务与律所的信息不对称反转（62%要求披露AI使用、61%要求可衡量效率改进、60%要求更低费用），小时计费正当性被削弱；并对比中国以打包定价为主、LexisNexis报告99%内地法律人已用AI、威科调研62%法务预期AI降低计时收费重要性。最后给律所（主动披露AI使用范围与核验流程、把效率改进做成结案交付物、对标准化事务转固定费/按结果计费）和法务（披露条款入采购、划分收回与外包边界、把核验成本计入收益）各三条建议。文末为作者自有skills与法律专家团订阅推广。

为什么值得看提供了一份可直接参照的结构性采用证据链：企业法务侧AI采用率、外包收缩比例、对律所披露与计费的新评标标准，以及三分之一的AI虚构材料遭遇率。对国内律师的可迁移做法具体：在委托协议中主动写明AI使用范围与核验流程；结案时出具效率对比说明作为续约投标材料；对合同审查、尽调清单核对、类案检索等标准化事务改固定费或按结果计费，小时计费留给高判断事项；并提示把核验成本计入AI收益测算、建立内部核验SOP。虽是海外调查，作者给出中美定价结构差异的独立分析，非单纯转述。

摘要和推荐理由由 AI 生成，编辑抽查

法律服务与商业模式AI 风险与合规律所 AI 选型与管理

吴问AI · 原文 10-30

合同审查平台（源码），内置263个合同常见问题及法条

吴问AI（律师作者）发布自研合同审查平台，并给出临时体验地址（内置模型、额度有限）。设计原则：改动对应卡片、红删绿增直观可见、可随时人工编辑介入。流程：上传docx或文本本地解析，自动识别条款树与当事方，选择立场；逐条审查，对方主体用元典MCP核查，条款对照知识库与北大法宝现行法规，每个法律依据标注来源；逐卡采纳/忽略或人工修改，决策留档，导出带修订对照的报告。功能细节：卡片与条款双向跳转定位；每卡给强硬/平衡/温和三档改法并挂法条，绿字可就地编辑；缺失必备条款（如保密）给出条文并可选插入位置；可选中条款手工生成手工卡；三种方式呼叫AI针对性审查（选中条款、卡片问AI、整份合同入口）。法律数据源在设置中配置北大法宝、元典MCP Key：北大法宝每日送10000积分，元典每月送一次；法条逐条在线核时效核原文，法规类案现场检索，开审自动核查对方主体。模型可配服务商、密钥并测试连接。源码需在付费知识星球获取，星球另含合同审查Skill、税务风险自查等。

为什么值得看这是国内律师自研并实际可体验的法律AI产品（合同审查），材料给出了可复用的完整方法：本地解析条款树、立场选择、以北大法宝/元典MCP对法条时效与主体做在线校验、三档改法挂法条、卡片-条款双向定位、人工卡介入与修订对照导出。对律所自建或选型合同审查工具、把权威法律数据接入AI审查流程、设计人机协作与留痕导出有直接参照价值，可迁移到检索、文书与案件管理。源码为付费获取，属商业产品而非开源，但仍属S1国内法律AI实践。

摘要和推荐理由由 AI 生成，编辑抽查

法律检索与研究文档与知识处理Agent 协同与自动化律所 AI 选型与管理

鹿鸣于野UMU · 原文 10-31

Skill发布前的脱敏审查：律师作者总结的十类扫描清单与三个易漏点

律师作者陆凌燕复盘自己第一次在 WorkBuddy Skill Hub 发布技能时误将具体信息随技能公开、随后撤回重发的教训，提出发布前必须做脱敏审查：先用提示词让 AI 检查 API Key、授权码、真实姓名、案件信息、内部链接并脱敏；再落实五类必删内容（密钥与授权码、案件信息如当事人名称／案号／金额／日期、真实身份与联系方式、含用户名的本机路径、内部链接）；并把审查做成十类正则扫描（身份证号、手机号、案号、银行卡／统一社会信用代码、skh_／sk- 等密钥与 AppSecret 赋值、邮箱、本机路径、真实主体名称，另加两类平台审核负例实体），补充三个易漏点：.docx／.xlsx 等是压缩包，grep 无法直接扫到内容，必须解压到 Office XML 再扫；本地母版与线上模板双身份文件应与线上已发布版做 diff；扫描范围要覆盖 references／scripts／assets／archive／data 而非只扫 SKILL.md。作者还给出判断纪律（命中不等于泄露，教学占位号、占位邮箱路径、虚构案号放行，尾号不像虚构且法院代码指向真实辖区必须替换；复盘日志段落易抄入真实号码），并强调任何“0 命中”都要先用必然命中的样本验证扫描器是否真的运行过（如 macOS grep 不支持 -P 会报错被 || 兜底成假 0 命中）。发布层面另列四条：不要直接发布原目录（CLI 不读 .gitignore，需建干净副本）、补齐 name/slug/displayName/description/version 五个必填字段、dry-run 通过不等于能发布（二进制 Office 模板与非白名单后缀会被服务端 400 拒收）、版本说明写清改动。最后主张把脱敏嵌入既有发布流程（说“发布这个技能”时第一步即扫描），并以 Skill Hub 广场页面作为验收，同时提醒 AI 未必识别当事人姓名等敏感信息，需人工再过一遍。文末含 WorkBuddy 下载邀请链接、作者著作与课程推广信息。

为什么值得看这是律师作者基于自身发布技能踩坑写出的可复用 AI 工作方法，其迁移价值明确：律师与律所在制作、共享内部 AI 技能、文书模板或工作流时，必须清除当事人名称、案号、法院代码、金额、密钥与内部链接，文中十类正则清单、占位符放行判据、本地母版与线上模板 diff、以及对“0 命中”结论先用必然命中样本验证扫描器的纪律，可直接用于律所知识库与 AI 工具的上线前审查流程；把脱敏嵌入发布流程而非依赖记忆，也适用于律所部署 Agent 与内部模板管理。文章虽含 WorkBuddy 与作者书籍课程推广，但主体是作者亲历的失败复盘与可执行方法，不属纯宣传。

摘要和推荐理由由 AI 生成，编辑抽查

AI 办公与工作方法文档与知识处理AI 风险与合规

LegalMVP律海茫茫 · 原文 11-01

腾讯BuddyOne打通WorkBuddy、腾讯文档、ima等产品：律师实测跨产品资料检索对办案的用处与限制

腾讯在WorkBuddy之后推出BuddyOne，把WorkBuddy、腾讯会议、腾讯文档、ima、腾讯网盘账号关联，支持跨产品查资料、积分通用，在WorkBuddy官网授权即可。作者实测：在WorkBuddy里说要哪份材料，它会自己去这几个产品里找，省去逐份搬运或逐个连MCP；但目前打通的主要是读取，要把写好的内容存进腾讯文档仍需连MCP。作者指出这次没有接企业微信和个人微信，而律师的客户需求变更常发生在微信聊天里，AI只看到文档看不到变化，现在只能在微信里选中聊天记录转发给WorkBuddy；腾讯对个人微信（客户、同行、家人聊天混杂）和企业微信权限会谨慎。作者进一步提出若法律数据库、企业信息、执行信息也能接入，统一入口价值更大，但难点在各家是否愿意接入及共赢模式；并给出观察指标：微信工作信息能否在清晰授权下接入、外部专业数据能否建立可用连接。文末推广其律师AI自媒体入门课与LegalAI自媒体进化营。

为什么值得看A层律师作者对国内办公AI新产品做了自己的上手实测，给出了可复用的判断：跨产品读取能减少律师找文件、搬材料的重复操作；写入仍需MCP，说明当前能力边界；微信未接入意味着客户临时变更的要求仍需人工补背景。对律所选型有直接参照：可用「能减少几次找文件/搬材料」「授权边界是否清晰」「外部专业数据能否连接」三项评估统一入口类工具，并提示先跑通自己的第一个AI工作流。

摘要和推荐理由由 AI 生成，编辑抽查

文档与知识处理Agent 协同与自动化AI 办公与工作方法律所 AI 选型与管理

吴问AI · 原文 10-31

税务风险自查 Skill 更新：风险库累计 967 张卡，新增税务自查报告模版

吴问AI 更新其“企业税务风险自查助手”Skill：风险卡本次新增 243 张、累计 967 张（正文另称卡片库为 687 张结构化风险卡），并新增税务自查报告参考模版。风险点由近期稽查真实案例提炼而成，覆盖私户收款隐匿收入、虚开与异常凭证链条、平台主播转换收入性质、加油站成品油专项、股权转让个税，另新增金四预警指标系列（含 11 月 1 日加油票补开窗口关闭提醒）。技能架构为双路召回：知识图谱按“行为→触发信号→加重因素→后果”因果链做语义检索，卡片库做结构化关键词检索；提供三种问法——单点深挖（给出因果链、法规依据、逐项自查步骤）、全景扫描（先出分类核查清单再按类深挖）、数据分析（丢入科目余额表/申报表/发票明细，输出风险信号清单、逐项解析含法规依据与后果分级、补税测算、数据缺口清单）。文中三例：主播收益挂平台未提现（引国家税务总局 2025 年第 16 号公告，说明可自主支配即视为取得所得、存量余额归属 2026 年 9 月属期、滞纳金日万分之五、偷税 0.5–5 倍罚款及三步自查）；MCN 未代扣主播个税（引公开通报案例：170 名主播 5000 万劳务报酬代扣 0 元被处 50%–300% 罚款、保定某 MCN 私户发酬 359.70 万被罚 215.82 万，给出对账表与补扣更正建议）；科目余额表分析（其他应收款股东借款 280 万挂账 3 年，按财税〔2003〕158 号测算 20% 个税 56 万、扣缴义务人 0.5–3 倍罚款，另识别应付职工薪酬跨年冻结、暂估应付跨年未取得发票等信号，并附稽查认定四要素与数据缺口说明）。文末提供报告模版网盘链接，并说明 Skill 及研发费用加计扣除、经济责任审计、凭证分录、税费计算、合同涉税审查等 Skill 需在知识星球付费获取。

为什么值得看这是一篇律师作者对自建涉税 AI 工具的具体实践记录，方法可复用性较强：（1）把稽查案例逐条提炼为结构化风险卡，并按“行为→触发信号→加重因素→后果”织成因果链图谱，再与卡片库双路互补，形成“图谱管搜得准、卡片库管搜得全”的检索设计，可直接迁移到律师做法律检索、类案检索与专题知识库搭建；（2）数据分析模式从科目余额表出发，先跑勾稽检查再落到具体科目与金额，输出“风险信号清单＋法规依据＋后果分级＋测算＋数据缺口”，这一结构可迁移到涉税合规、企业尽调、财务证据阅卷与风险清单式法律意见书；（3）三种问法对应不同颗粒度的输出，可作为律师设计法律 Agent 交互分层的参考；示例中对“可自主支配即视为取得所得”、扣缴义务人责任、视同分红认定四要素的说明，本身也是可用的实务口径。需注意限制：完整提示词、评测与效果均为作者自述，未提供可验证证据；工具与模版通过知识星球付费获取，引用前需自行核验法规与案例出处。

摘要和推荐理由由 AI 生成，编辑抽查

法律检索与研究文档与知识处理Agent 协同与自动化

LAWTalk 法言法语 · 原文 10-30

Skill分享：建设工程纠纷答疑+司法解释、法院案例Plus

LAWTalk 法言法语分享其自研的建设工程纠纷答疑 Skill，明确以2026年6月30日起施行的《最高人民法院关于审理建设工程施工合同纠纷案件适用法律问题的解释（二）》为核心分析依据，并提示该解释尤其缩小了“实际施工人”权益保护范围。文章提供 SkillHub 下载地址和可粘贴到 WorkBuddy、千问办公等 Agent 的安装提示，并建议先连接“华宇元典法律数据”以提升效果。

为什么值得看这是律师作者面向建设工程案件分析发布的国内法律 AI Skill，明确了新司法解释的适用时间点、分析对象和所需法律数据连接器，可供律师搭建条文适用、类案与争议分析流程参考；但文章主要是工具发布与安装说明，未展示独立实测或效果验证。

摘要和推荐理由由 AI 生成，编辑抽查

法律检索与研究文档与知识处理Agent 协同与自动化