当前法律 AI 的普遍瓶颈并非知识储备，而是缺乏一种系统性的“方法论”。它知道“是什么”，却不懂得“如何想”。这一核心洞察揭示了提升法律 AI 实战效能的关键路径：从被动回答问题，转向主动引导其思考过程，从而真正释放其在复杂法律事务中的潜力。
智能速览
法律 AI 的核心短板是缺乏系统性扫描所有法律问题的方法。
律师的核心价值在于方法论，即穷尽式检查所有可能诉因的技能。
通过编写“Agent Skills”工作手册，可以有效引导 AI 按步骤思考。
在关键节点设置人机交互审核点，是确保法律工作低容错率的关键。
开源共享方法论能促进行业进步，因为方法论是基础设施而非竞争优势。
教 AI 如何思考，而非仅仅回答，是跨法域提升其效能的通用思路。
精华内容
法律 AI 究竟是缺少知识，还是缺少一种“思维方法”？答案指向后者。真正的突破不在于让它知道更多，而在于教会它如何像一个经验丰富的律师那样去系统性地思考，这正是行业普遍忽视的环节。
缺知识，更缺方法
面对一份供应商违约的复杂案情，法律 AI 能迅速给出违约、赔偿等看似专业的法律意见。但一位经验丰富的诉讼律师，则会进一步追问：是否存在过失陈述？是否侵犯货物所有权？AI 并非不知道这些概念，但它缺乏主动穷尽所有可能法律问题的本能。
这种本能，是一种系统性的方法论，是在律所头三年被反复训练出来的思维习惯。它要求律师拿到事实后，必须走一遍合同法、侵权法、衡平法等所有可能的诉因路径。AI 拥有庞大的知识库，却没有这套扫描的程序和习惯，除非被强制引导。
用“Agent Skills”破局
为解决这一核心问题，实践中摸索出了一套方案：编写“Agent Skills”。这并非简单的模板或表格，而是一套给 AI 的行为规范和工作手册，旨在教会它如何思考。
其核心设计在于将律师的隐性方法论，转化为 AI 可以理解和执行的明确步骤。通过这套工作手册，AI 不再是随意发散，而是遵循一套严谨的逻辑路径，从而输出更具深度和广度的法律分析。
关键节点的人机交互
在“诉因识别”技能中，最关键的是第 4 步——人机交互检查点。AI 完成初步扫描后必须暂停，等待律师确认方向无误再继续深入。这个设计并非因为 AI 能力不足，而是源于法律工作极低的容错率，必须由人类专家进行方向性把控。
另一个例子是“和解协议审查”技能，其中最重要的部分是立场过滤。实践中发现，AI 有一个致命倾向：它会建议加入“完整资产披露义务”、“配合调查条款”等保护对方利益的内容。AI 并非有意偏袒，它只是不知道你究竟代表哪一方，立场过滤器修正了这一问题。
开源共享，超越法域
将这套“Agent Skills”开源，基于两点思考。首先，方法论本身不应是律所的竞争优势，它更像是行业的基础设施，共享能让所有从业者受益。其次，当前法律 AI 领域高度分散，大家都在重复造技术轮子，却鲜有分享方法论层面的成果。
更重要的是，这套方法论是通用的。无论是合同法四要素，还是侵权法注意义务，其思考路径在不同法域间具有共通性。核心思路是统一的：不要只让 AI 回答问题，要教它怎么想问题。
法律 AI 的未来，取决于我们能否超越对知识的迷恋，转而构建和共享严谨的方法论。当整个行业开始教 AI “如何思考”而非仅仅“如何回答”，其真正的潜能才将被彻底释放。这或许是推动法律科技下一次飞跃的真正起点。
