装上 38 个法律 Skill，AI 真的更像法律人了吗？

最近我把清华大学智能法治研究团队开源的 Legal-Skills-Chinese 装进了AI工作环境。

过去我测试过不少Skill，它们通常有明确的业务入口：审合同、审隐私政策，或者按照特定方法分析民商事案件。Legal-Skills-Chinese 更接近一套法律方法库。它包含36个原子Skill和2个复合Workflow，覆盖事实、证据、争点、规范、推理和论证等基本能力。

第一次看到这个项目时，我其实有些不知道该怎么测试。单独看任何一个Skill都能理解它在做什么，把38个放在一起，却很难找到一个对应的“产品场景”。事实识别、证据评价、法律解释和推理，本来就会出现在大量不同的法律工作里。这套Skill看起来适合很多场景，却没有一个很明确的入口告诉法律人“现在应该打开它”。

我决定回到实际工作。法律人平时不会先判断今天应该调用哪一个Skill。客户发来的是一批材料，用户问的是自己能不能维权，业务关心的是产品能不能上线。我想观察的是，把整套能力装进去以后，AI会怎样处理这些常见法律任务。

测试样本没有为这次直播重新设计。A案使用了此前为Quote.law盲测重建的卷宗；B案来自 gutachten-civil-case 鉴定式民商事诉讼Skill的个人信息案例；C案沿用AI诉讼网测评中的智能体合规场景。三组材料与既有测试资产的对应关系也保留在测试记录中。

我一直比较喜欢复用这些已经测过的Case。它们经过前几轮测试后，事实难点、证据陷阱和专业判断点已经比较清楚。同一组事实再次交给新的法律AI能力，可以减少“为了产品特点出一道有利题目”的干扰，也更容易观察这次究竟增加了什么。

这次没有逐项验收38个Skill。三个Case共完成五次运行、15轮回答，调用记录显示有15个Skill在任务中自然触发。本文讨论的是这套能力库进入复杂任务后的组合表现，其余23项没有在本轮得到覆盖。

这张图说明本次测试的材料和运行口径。独立窗口及MCP调用情况仍以任务ID、输入比对和原始日志为准。

Case A：55份材料发过来，明天就要见客户

这是一个什么案子

第一组是此前为Quote测评重建的一套AI漫画特效模型争议卷宗。

原告蓝序互动开发了一款人像漫画化特效“漫像转换”。现有材料显示，蓝序从2019年开始组织手绘人员制作配对训练图，算法团队先后测试CycleGAN和PIX2PIX，并持续调整数据、网络结构和模型参数。2020年年中，蓝序产品上线；大约两个月以后，竞争对手镜屿影像推出了类似的人像漫画化功能“轻漫人像”。

案件真正复杂的地方出现在技术证据。蓝序从双方公开发布的App安装包中提取模型，并组织专家进行技术比对。现有材料称，两套模型在整体网络结构、非相邻子网络连接、卷积层数量、升采样位置以及大量卷积层数据上高度一致，汇总相似度超过九成；同时，两者在归一化设置、激活函数和部分升采样方式等方面也存在差异。

镜屿提出了另一套解释。GAN、PIX2PIX及很多模型组件属于公开技术，采用相近技术路线自然会产生一定共性；蓝序自己的训练图片来源和授权材料并不完整；原告主张的研发投入、推广费用和播放量，也不能直接等同于侵权损失。

此前Quote测试时，这套卷宗已经建立了人工金标准，覆盖发布时间、公开终端模型的可提取性、技术比对的含义和独立研发证据等判断点。训练数据授权材料不完整，也不能直接推出来源违法。

AI实际拿到了哪些材料

这次Legal-Skills-Chinese一共读取了55份文件，包括13份DOCX、21份PDF、17份XLSX和4份TXT。材料覆盖收件与交接、公司和产品资料、研发与训练记录、产品取证、模型提取和技术比对、经营投入与损害材料、被告研发与抗辩材料以及诉讼文书，其中还有几份PDF正文乱码，无法正常解析。

如果放到律师日常工作中，这个输入很常见：客户邮件、内部Excel、研发记录、专家材料、财务数据和诉讼文件混在一起。律师拿到材料后，需要先把它们整理成一个可以分析的案件。此前Quote盲测也刻意拿掉人工时间线、争点矩阵和裁判结果，让系统自己从卷宗里重建案件结构。

第一轮｜先告诉我，究竟发生了什么

我的第一句话是：

客户刚把这一批案件材料发过来，明天下午要和客户开会。你先帮我把事情弄清楚：发生了什么、双方各自在说什么、哪些已经有材料支持、哪些还只是主张或推断、最关键的争议是什么、还需要向客户补问或补什么材料。先不要急着给最终胜诉结论。

这一轮实际调用了 legal-element-extraction、evidence-evaluation 和 dispute-issue-identification。

输出开头先处理了材料本身的可信程度：

“目前不能据此下最终胜诉结论。现有材料足以形成清晰的调查方向，但大多是匿名重建件、汇总表、目录、当事人说明或专家意见重建件……双方核心论证都还没有闭环。”

随后，它把已有材料支持的内容与当事人希望证明的内容分开。对于最容易影响判断的“模型九成以上相似”，它写道：

“专家身份签名、原始模型、哈希、逐层参数、容差定义、脚本、底稿和复现实验均缺失，结论暂不能独立复核。”

对于训练数据来源，它的处理也比较克制：

“‘材料缺失’可以确认，但‘来源违法’目前仍是抗辩主张，不能倒推出已经违法。”

这两句话在我看来比“最终胜率多少”更有测试价值。复杂案件里，模型很容易把证据不足写成事实不存在，也容易把专家意见中的技术判断直接升级为法院可以采纳的案件事实。Legal-Skills在这一轮里保持了比较清楚的证据层级。

它把55份材料压缩成几个需要解决的案件问题，其中技术相似这一项写得比较具体：

“需要把‘相似’拆成三问：哪些是公开路线或功能目标自然导致的共性；哪些是具有选择空间、难以巧合的结构组合；哪些是训练后参数、权重或异常特征层面的高度一致。然后再与‘镜屿是否有接触机会’结合。”

经过这一轮以后，原来的一堆文件已经有了时间、主体、主张、证据和争议之间的关系，律师可以开始在这个基础上继续工作。

第二轮｜站在原告律师角度，下一步把力气用在哪里

第二轮我才把问题推进到案件策略：

现在站在原告律师角度，告诉我最值得推进的法律路径、最强和最弱的地方、对方最可能怎么抗辩，以及最应该补哪三类证据。

这一轮主要调用了 strategic-risk-prioritization。

AI整理出“一主两备”的初步路径。不正当竞争是主要方向；著作权需要针对具体客体分别判断；商业秘密路径则取决于秘密点、保密措施和取得渠道能否补足。

它把案件走向系于三条证据链：蓝序成果的形成与权属、模型复制的可复核技术链，以及镜屿的接触或无法解释的版本形成。原始输出将这三条线索放在损失金额材料之前。

它还建议：

“现阶段不建议把主要资源先花在精算数百万元损失上。”

这个优先级符合实际诉讼工作的节奏。责任基础和证明链还没有稳定形成时，先花大量精力精算损失，对案件推进的帮助有限。

这一轮也留下了需要主办律师继续修正的地方。AI把“接触”更多理解为人员流动、共同外包、文件传输和异常访问等直接线索。此前Quote同卷宗的人工金标准已经把另外一种间接证明路径纳入测试：模型随公开终端分发并能够被技术提取，也会参与构成接触机会，再与发布时间、高度同一和独立研发证据结合评价。

著作权路径也需要进一步收紧。真实裁判样本中，模型结构和参数主要是在反不正当竞争法下作为竞争利益获得保护，模型参数是否进入著作权保护需要对程序表达、技术思想、功能和训练结果作更细区分。

因此，我会保留这轮形成的案件主线和证据优先级，再由主办律师继续处理接触证明、保护客体和类案等更依赖专业经验的问题。

第三轮｜把分析变成明天能用的会议底稿

第三轮我要求：

把前面的结果整理成一版我明天和客户开会能直接用的案件工作底稿。

这一轮调用了 multi-document-summarization 和 case-lifecycle-planning。

底稿规定了六种事实标记：

“【材料记载】、【原告主张】、【被告主张】、【专业意见】、【待确认】、【律师判断】。”

随后专门列出“目前不得作为确定事实对外使用”的事项，例如镜屿是否复制或使用蓝序模型、两模型真实相似度是否已经确定超过九成、蓝序训练照片来源是否合法等。

后面的内容已经进入客户会议工作。底稿形成了初步时间线、争议表和证据工作表，并列出16个客户问题、8项会后判断事项和一份60分钟会议议程。

底稿把案件当前状态概括为：

“现有材料已经形成一条值得继续调查的原告叙事……但‘原告具体保护什么’‘技术相似能否排除公开共性或独立研发’‘镜屿如何接触或形成上线模型’三项尚未证成。”

如果第二天要见客户，这份底稿我愿意直接拿来继续修改。它承担的是复杂案件第一次接手后的材料加工、争点整理和工作计划，距离代理词、最终诉讼策略和裁判预测还有后续专业工作。

经过三轮处理，回答已经从卷宗概览推进到客户会议问题。

此前同一卷宗测试Quote时，我关注的是案件继续做下去以后会发生什么。Quote的测试范围包括文件组织、引用回跳、不同诉讼立场、二审新证据加入后的增量更新、Docket和持续编辑，新增材料以后还要求系统识别哪些旧结论受到影响。

同一卷宗再次测试38个Skill后，两种能力的边界变得比较清楚。Legal-Skills-Chinese主要帮助AI建立案件分析所需的法律推理过程，Quote所呈现的价值更多落在案件上下文怎样长期积累和继续使用。真实案件往往同时需要这两部分。

Case B：用户只问了一句，“这个事我能不能维权？”

第二组是此前测试 gutachten-civil-case 时使用过的个人信息案例。

案情：看个基础课程，为什么要交职业和收入信息

一个成年人注册职业培训App，目的只是观看基础录播课程。手机号验证完成以后，页面继续要求填写职业身份、收入区间、学习目的、行业经验和职业规划，五项内容无法跳过，不填写就无法进入课程页面。

平台给出的解释是，这些信息用于了解用户需求、优化课程推荐和个性化学习体验。用户为了继续注册，也勾选了隐私政策。

测试材料故意没有补齐几个事实：用户最后是否实际填写并提交了这些画像信息，平台后台是否保存，课程是否已经付费，以及网页端、小程序或者其他渠道是否存在无需填写画像的基础入口。这些事实会直接影响用户能够提出哪些请求。

第一轮｜没有法律MCP时，先把生活事实转换成法律问题

用户的问题是：

我觉得这些信息和看基础课程没什么关系。这个事我能不能主张权利？大概胜算和风险怎么样？还需要补什么证据？

第一次运行时，法律MCP没有接通。系统调用了 legal-element-extraction、legal-article-retrieval、legal-risk-assessment 和 evidence-evaluation。

原始输出先处理了法源边界：

“由于本轮没有可用的法规/案例数据库，下面只列经一般法律框架可以确认的规范方向，不写未经实时核验的具体条文编号。”

随后，它继续处理可以根据现有事实判断的问题。比如它提出：

“不收集这些字段，平台在技术上是否仍能提供账号登录、购买验证和基础录播播放？”

对于前端流程和后台处理，它也作了区分：

“后台处理尚无证据。前端强制页面能证明收集规则，却不能单独证明平台已经保存、画像分析、共享或泄露信息。”

到了这一步，“平台收集信息是否合法”已经被拆成多个需要分别回答的问题。用户是否实际提交、平台是否保存、画像信息对基础服务是否必要、个性化推荐是否属于用户真正购买的服务、不同事实状态下可以提出什么请求，都需要分开判断。

这已经符合通用法律推理的目标：把日常事实转换成可分析的法律问题，并保留尚未查明的事实。

MCP复测第一轮｜真实法源进来以后，判断有了更具体的基础

后来我重新打开一个干净窗口，材料和问题都保持不变，只把法律MCP接通。

这一轮的调用过程变成：

structured-element-extraction → dispute-issue-identification → evidence-evaluation → legal-norm-validity-check → 法规MCP

系统检索并核验了《个人信息保护法》和《常见类型移动互联网应用程序必要个人信息范围规定》。原始输出特别指出：

“第5条第（十九）项对‘学习教育类’的在线辅导、网络课堂，只列明注册用户手机号为必要个人信息。这一点与本案高度对应。”

这个规则让原来的判断往前推进了一步。没有MCP时，AI能够根据最小必要的一般原则判断职业身份、收入区间等信息与基础录播之间关系较弱；真实法源进入以后，它可以进一步要求平台解释，为什么在监管已经对学习教育类基本功能必要信息作出具体规定的情况下，这些画像字段仍然必须成为用户进入基础课程的条件。

MCP复测第二轮｜平台的两个理由到底能走多远

我继续把平台可能提出的两个理由交给它：

平台会说这些信息是为了个性化推荐，而且我注册时已经勾选了隐私政策。这两个理由站不站得住？

这一轮调用了 legal-interpretation-argument 和 argument-chain-construction。

对于个性化推荐，它先承认平台存在合理的业务目的，再继续检查这个目的能否支撑强制收集。原始输出有一句很准确：

“处理目的合理，不等于收集手段必要。”

随后它继续解释：

“职业规划也许有助于推荐课程，但‘有帮助’与‘没有它就无法提供基础服务’不是一回事；收入区间与基础录播播放之间的关联尤其需要平台解释。”

对于隐私政策，它的判断是：

“‘勾选隐私政策’最多先证明你做过一次点击，不能当然证明这次同意充分知情、自愿、范围合法，更不能把非必要信息变成必要信息。”

这轮测试里，法律规则已经开始参与具体事实评价。系统需要理解“必要”“自愿、明确”“履行合同所必需”这样的规范条件，然后逐项检查现有事实满足到了什么程度。

MCP复测第三轮｜不同请求被放到不同事实条件下

第三轮调用了 strategic-risk-prioritization。

AI把用户可以采取的行动分成了不同强度。要求平台说明五项字段为什么必要、取消强制门槛、提供基础访问入口等，在现有事实下已有比较强的基础；查询、复制、撤回同意、停止处理和删除，需要进一步确认用户是否已经提交、平台是否保存；现金赔偿、第三方违法提供等请求则缺少现有证据。

原始输出专门提醒：

“没有证据时不要先写高额赔偿数字。”

给平台的交涉文本也保留了事实条件：

“如贵司已收集上述信息，请提供查询、复制方式，并依本人请求撤回相关同意、停止处理和删除。”

这种写法保留了前一轮识别出的事实条件。用户是否实际提交、平台是否保存，在交涉文本中没有被悄悄改写成已发生事实。

这份结果适合继续用于咨询、发函和投诉准备。具体法规请求仍由原始调用日志证明。

通用推理与场景方法怎样衔接

这个Case此前用 gutachten-civil-case 做过测试。那套Skill从一开始就把民商事案件放在请求权方法下处理，停止处理、删除、赔偿、解释说明等请求分别判断成立条件、抗辩和法律后果。此前C08同案测试本身就是按照请求权基础方法设计的。

两套Skill承担的任务深度不同。38个Legal Skills更靠近通用法律人的基本思维过程，从生活事实中识别法律信息和事实缺口，取得规范后再解释、应用，并判断不同请求的条件。这一轮已经完成了通用法律推理所需的主要步骤。

它也停在了一个值得注意的位置。三轮均未调用案例检索，因此没有主动找到与案情高度同构的指导性案例265号。这不影响咨询和投诉底稿的使用价值，却会限制诉讼研究的完整性。

当案件明确进入民事诉讼准备阶段以后，请求权基础、抗辩、证明责任和请求之间的关系会成为主要结构，这时可以继续使用鉴定式这样的场景方法进行更深入分析。

因此，我会把Legal-Skills这一类能力用于普通咨询、平台交涉、投诉准备和第一版内部法律分析。案件进入诉讼准备后，再叠加具体场景的方法论。在一项持续推进的案件里，两类能力适合前后衔接。

Case C：业务说用户都同意了，产品风险是不是就低了

第三组是一个跨应用AI智能体产品。

这个产品准备做什么

用户给AI一句自然语言指令以后，智能体可以读取当前屏幕，打开其他App，自动点击、滑动、填写内容，并进一步发送消息或者提交操作。产品团队希望尽量使用操作系统的通用能力完成这些任务，不等待所有第三方平台开放API。

现有方案里还有几个会影响法律评价的事实：部分第三方App已经存在登录校验、反自动化检测和风控弹窗；研发团队讨论过通过调整点击节奏和模拟普通用户路径降低被风控识别的概率；跨应用能力准备通过一次统一授权开启，后续操作原则上不逐步确认；屏幕里可能出现联系人、聊天、订单、地址等第三人信息。

业务的判断是，用户已经授权，而且系统只实时读取页面、不拿第三方数据训练，所以总体风险应该不高。

第一轮｜先把真正影响上线的问题找出来

我给AI的要求是：

你帮我看一下，这个方案真正值得担心的法律风险是什么，哪些是上线前必须解决的，别把所有风险都列一遍。

没有MCP时，它调用了 legal-risk-assessment 和 strategic-risk-prioritization。

原始输出开头直接指出：

“按目前材料，这个方案不宜直接公开上线。”

它随后抓到了一个很关键的产品事实：

“‘不用API、模拟界面操作’本身并不当然违法；但在已经出现登录校验、反自动化检测、风控弹窗时，仍通过调整点击节奏、模拟真人路径来降低识别概率，会使行为从‘用户辅助工具’明显滑向‘规避平台技术管理措施’。”

判断重点落在产品如何面对平台已经设置的技术管理措施上。是否使用官方API只是其中一个事实。

个人信息问题也被进一步拆开。系统不保存数据用于训练，实时读屏仍然可能构成个人信息处理，画面中还会出现其他人的信息。一次性开启跨应用权限，也无法单独证明用户确认了某条消息或某笔订单。

第一轮输出把产品风险压缩到几类真正影响上线的问题，重点涉及平台技术措施、第三人信息、高影响动作和高权限安全。对于企业法务来说，这种收敛比一张覆盖所有AI法规的长清单更接近日常产品评审。

第二轮｜没有案例工具时，先承认研究还没有完成

我继续追问：

如果我们不抓第三方平台数据做训练，只是实时读取界面并替用户操作，而且用户明确点了同意，是不是风险就很低？最好结合已经出现的AI智能体纠纷或司法实践。

这一轮调用了 case-retrieval 和 analogical-reasoning，但当时案例MCP没有接通。

AI没有补写一个听起来合理的案例。它把后续研究拆成自动化操作、平台技术措施、个人信息同意和误操作责任等检索问题，并标记为 [待检索]。

这符合我们在测试里设定的基本要求。编造法条、案例或者声称已经完成实际并未完成的检索，都属于Critical Failure。

MCP复测第一轮｜Skill把问题缩窄，工具把真实规则拿回来

我随后重新打开窗口，接入法规和案例MCP，使用完全相同的产品材料和问题。

这一轮先调用了 structured-element-extraction 和 strategic-risk-prioritization，把产品拆成用户授权、第三方平台边界、个人信息处理、具体执行动作和安全控制等几个需要分别判断的问题，再围绕每个问题检索法律。

调用记录里可以看到，系统查询的内容很具体，包括未经第三方App许可通过界面自动化访问并降低风控识别率的法律风险，读屏处理聊天、联系人和订单信息的个人信息要求，以及代用户发送消息、下单或发布内容后的责任问题。

这一阶段呈现出了Skill与MCP比较合理的分工。Skill先把复杂产品问题变成法律上可以检索的问题，MCP负责取得现行、可核验的规则，规则回来以后再继续进入具体事实判断。

MCP复测第二轮｜案例检索开始围绕法律变量展开

第二轮调用了 case-retrieval。

检索没有停在宽泛的“AI案例”。系统围绕自动化操作责任、规避平台技术措施和读屏涉及的个人信息场景分别查询。

检索回来以后，再对真正需要使用的案例拉取详情、确认案号和程序状态，并比较这些案件与当前AI智能体的事实差异。

输出中有一句我认为很重要：

“专业案例库本轮没有检索到与‘通用手机AI智能体自动代发消息、代下单’事实完全一致的权威案例，因此上述属于基于相近司法实践的类比判断，不应说成法院已经形成完全统一的‘AI智能体裁判规则’。”

案例进入分析以后，系统没有抹掉它和当前产品之间的距离，这一点对法律研究很重要。

第三轮｜从法律分析进入产品Gate

第三轮再次调用 strategic-risk-prioritization，最终形成了一页产品风险反馈。

开头给出的当前建议是：

“当前版本建议 No-Go，不宜直接开放通用跨 App 自动执行。”

后面按照“必须先解决”“可以通过产品设计缓解”“仍需进一步确认”进行组织。前者包括停止降低平台风控识别率的设计、建立App和动作白名单、高影响动作逐次确认以及补足个人信息数据流和影响评估；产品控制部分则包括端侧局部处理、分级授权、感知与执行隔离以及预览、撤销、追溯等措施。

对于首版产品范围，它提出：

“先开放白名单 App 内的浏览、搜索、信息整理和草稿生成；发送、发布、下单实行最终预览和逐次确认；支付、转账、验证码、账户安全设置及任何规避平台技术措施的能力暂不开放。”

这份底稿已经可以进入企业内部产品评审。最终是否放行仍需要法务负责人继续判断每项要求的法律性质、替代设计成本和公司的风险接受水平。

对话已经给出首版白名单和高影响动作边界，最终放行仍由企业法务负责。

此前使用相近购物智能体问题测试AI诉讼网时，专门的AI案例库可以直接返回Amazon诉Perplexity等案件及案例ID，并围绕用户授权、平台授权、自动化访问和数据使用等问题提供现实司法材料。

同类问题重新测试Legal-Skills以后，我更容易理解这两类能力在工作中的位置。专业知识库把真实案件和司法实践提供给法律人，法律推理能力则决定为什么要找这类案件、案件中的哪些事实与当前产品相关，以及一个司法信号可以支持多强的产品结论。

三组测试以后，这38个Skill实际可以用到哪里

我没有继续给三个Case计算统一总分。对法律人来说，判断一套能力能够把工作推进到什么阶段，更容易反映实际价值。

从三个Case看，这套能力库最容易产生价值的地方，是法律工作从原始输入进入专业判断的这一段。Skill帮助模型把材料、用户叙述和产品方案加工成法律人可以继续处理的问题。

这套Skill真正特殊的地方，是把“律师怎么想”拆开了

Legal-Skills-Chinese按法律工作的认知动作组织能力。前半段处理事实、争点和证据，取得规范后进入效力核验、解释和涵摄，随后组织论证并判断风险优先级。38项Skill共同勾勒出一条从原始事实走向法律判断的路径。

三个Case形成了不同的调用组合。A案从卷宗进入证据状态和补证优先级；B案接入法规后，把生活事实放进具体规则，再区分请求条件；C案把产品事实与相邻裁判连接起来，最终形成上线控制措施。

这些过程让我更愿意使用“法律推理”来概括这套Skill的核心价值。

通用模型原本就可能知道很多法律知识，复杂任务还要求它遵守一套工作程序。Skill介入的主要是这种专业纪律：确认事实状态，评价证据，解释规则条件，再决定当前优先处理的问题。

本轮原始输出中的几个细节很能说明这一点。A案没有从“授权材料缺失”推导出“来源违法”；B案继续审查合理目的与必要手段之间的距离；C案主动说明相邻案例只能支持有限类比。这些判断并不复杂，却很接近法律训练形成的工作习惯。

这三组任务提供了一组定性证据：法律推理中的一部分专业方法，可以被写成AI能够调用的操作规则，并在复杂任务中改善分析顺序和事实纪律。

这里的“学会”指的是模型在外部专业规则约束下按照这些方法工作，并不意味着模型参数已经被重新训练成法律模型。两者的技术含义需要区分。

同一组Case反复测试，让法律AI的几个组成部分越来越清楚

我一直复用这些测试样本，还有一个原因。Quote、鉴定式民商事诉讼Skill、AI诉讼网和这次Legal-Skills-Chinese，都是经过实际测试以后我认为值得继续研究的产品或方法。把同一个问题交给不同的能力，可以逐渐看清一项完整法律工作由哪些部分组成。

这次38个Skill主要展示了法律推理，也就是事实、证据和规则怎样形成判断。鉴定式民商事诉讼Skill把这种能力推进到具体诉讼场景，重点落在请求权、抗辩和法律后果。Quote承担案件上下文的持续积累，AI诉讼网则提供真实案例、程序状态和争议问题。

放在一起看，一项法律AI工作的专业能力大致包含几个不同部分：

这些部分会在真实法律工作中相互结合。38个Legal Skills主要切入法律推理层，所以很难对应一个单一使用场景。事实处理、证据评价和规则解释原本就存在于很多法律任务中。

下一步的问题，已经从原子Skill走向了研究策略

这轮测试也留下了几个很清楚的边界。

Case B接上法规MCP以后，现行法律已经足够支撑相当一部分分析，系统没有继续主动查找高度同构的指导性案例。Case C主动进入案例检索，但专业案例库没有命中最接近的新型AI智能体案件以后，它采用了相近案例进行有限类比，没有继续转向法院公开信息或者其他权威来源。

这两个现象指向的是同一个问题：系统还需要知道什么时候研究没有做够。

现实中的律师需要判断哪些问题仅靠法条已经足够，哪些问题必须继续看类案；数据库没有结果时是否值得换源；案例要达到什么层级和相似程度，才足以改变已有分析；资料已经足够时又应该在哪里停止。

这些决策涉及研究策略和Workflow编排，比增加一个新的检索Skill更进一步。

企业法务场景还会继续涉及组织判断。Case C能够提出白名单、逐次确认和首版限制高风险动作等控制措施。法务负责人仍然需要说明每项措施的法律性质，并结合产品价值、实施成本和公司的风险水位作出决定。

这些后续能力还可以被工程化到什么程度，是我现在更感兴趣的问题。

今晚直播，我们继续拆“法律方法怎么写进智能体”

今晚的星辰实验场，我会和清华大学智能法治研究院的胡伊然、钱宇梁一起聊这套 Legal-Skills-Chinese。

经过这三组实测以后，我已经不太想逐项介绍38个Skill。今晚更想讨论它们怎样组成研究Workflow，以及AI在什么情况下应该继续检索。通用推理如何进入具体业务，最终也要回到可交付的法律工作里讨论。

回到文章标题。装上38个法律Skill以后，AI开始表现出更稳定的法律工作习惯，也能把几类真实任务推进到法律人愿意继续使用的底稿阶段。

它距离资深律师的最终判断仍有一段路。研究策略、场景经验、组织风险和专业责任，暂时都不能交给一组Skill自动完成。材料消化、事实识别、证据检查和第一轮论证，已经出现了可以工程化的形态。

对我来说，这正是这38个Skill目前最值得关注的地方。