潮水的方向：转型先从企业开始

过去十年，转型先发生在客户那里：工厂给产线装上数据看板，门店搬进直播间，财务在云端结算，采购靠平台比价。对企业来说，数字化早已不是锦上添花，而是经营的默认设置。客户在线上下单，供应商在线上对接，监管在线上报送；企业不转身，生意就转不动。

经营方式变了，长在经营里的法律需求跟着变了。合同从纸质文件夹进系统流程，合规从年终体检变成实时监测，交易证据从抽屉里的原件变成服务器上的日志。

客户的法务先动了起来

最直接的变化发生在企业法务。法务团队用 AI 审合同、写函件初稿、做合规问答，已经不是新闻，一些企业把合同全生命周期搬进系统，起草、审批、履约提醒由流程驱动，法务从文书的加工者变成了规则的设定者。当客户自己的系统一天产出的初稿比外部律师一周的还多，客户对外部法律服务的期待自然水涨船高：更快、更透明、更贴近业务。客户开始在用自己转型后的发展路径，寻找能同行的伙伴。

表一 · 企业转型与法律服务的联动

法律服务长在企业经营的土壤里

律师这一行的特殊在于：我们不生产独立于客户的产品，我们服务的就是企业的经营本身。合同对应交易，合规对应流程，诉讼对应纠纷，每一项业务都扎在客户的经营活动上。土壤换了，庄稼不可能不变。企业转型走得多深，法律服务的变革就得跟多深，客户每前进一步，都在重新定义什么叫合格的法律服务。

两种跟法：被推着走，或者自己走

跟上步伐有两种姿势。一种是被推着走：报价被压、响应被催、服务被反复比价，转型成了一场被动应考。另一种是自己走：主动把数智化变成全所的能力，把客户的变化当成机会。对青年律师，它是随叫随到的助教，全所老师的经验随时可以请教；对资深律师，它是影响力的放大器，经验被署名、被引用、被年轻同事记着好；对中坚律师，它是卸掉杂务的副驾驶，让人回到判断、谈判与出庭。先让每个人尝到甜头，组织的能力自然长出来。

客户的转型已经出发。律师跟上去，不是追赶时髦，是买一张同行的门票。

律所自己的两笔账：外部的浪潮是一方面，律所内部的两笔账，同样到了非算不可的时候。

第一笔：经验没有形状

这是一个结构问题。律所的产出以案件为单位，经验却以个人为载体：同一类案子，有的律师办得干净利落，隔壁团队可能要多走两年弯路；客户得到的服务质量，很大程度上取决于恰好遇到谁。越是资深的判断，越说不清、道不明，知识管理研究里把这叫隐性知识，这个没法批量传授，新人只能在各自的案子里重新磨一遍，这是全行业共同支付的时间成本。

第二笔：重复劳动偷走的是成长

合同初审、证据编排、类案检索、格式文书等，这些活机械、重复，占去了青年律师的大量时间。更可惜的是，它们偷走的不只是工时，还有成长：本可以跟着庭审学攻防的时间，花在了调整目录格式上。资深律师同样被围困，讨论会材料、例行函件、清单杂务。这些恰好是大模型最擅长承接的部分。把它们交出去，人回到只有人能做的事上。

外有客户同行倒逼，内有两笔账压着，数智化对今天的律师以及律所来说，已经不是要不要做的问题，而是以什么姿势做的问题。

一个提示：先知识，后智能，再组织

律所数智化最常见的弯路，是一上来就开大模型账号、搭智能体，人人兴奋两周，随后发现机器回答的都是「正确的废话」。原因不复杂，系统肚子里没有这家所的东西。通用大模型懂法律，但它不懂「我们」：不懂我们打过什么官司、踩过什么坑、对类案是什么立场。

所以本文提供的一个思路：知识库是燃料，智能体是引擎，组织是底盘；先攒燃料，再造引擎，底盘全程在场。对应三个阶段，第一阶段（约前半年）打地基：发布脱敏规范，拆出首批知识卡，线上知识库上线；第二阶段（半年至一年）造工具：围绕高频场景搭智能体、封装技能，靠使用反馈持续迭代；第三阶段（一年之后）沉能力：评估私有化部署，探索垂直领域微调。整体框架见图一。

图一 · 转型总体框架（示意）

知识库：把判决书、法规和老师傅的判断装进卡片

为什么是「卡片」，不是文档

知识库失败的常见方式，是把服务器当成档案馆：判决书整卷上传、制度汇编整本入库，检索时返回一堆 PDF，还是要靠人再翻一遍。AI 时代对知识形态的要求变了，它需要结构化、可引用、可组合的最小知识单元。一份三万字的判决书，机器读得完，但用不好；拆成一张「裁判观点卡」：案号、法院、裁判日期、裁判要旨、对我方业务的启示，它才成为可以反复调用的知识。

说得出的，与说不出的

律所的知识分两种：说得出的（法规要义、裁判观点、操作步骤），和说不出的（分寸、火候、什么时候该退）。前者好办，后者才是真功夫。卡片方法的价值，正在于给「说不出的」一个说得出的容器，一张实务判断卡（画像），把一次口述的手感固化成结构，让下一个遇到同类问题的同事不必从零摸索。

表二 · 四类知识卡片的分工

一张实务（经验）判断卡的样例：

元数据：让卡片找得到、信得过

卡片的价值取决于被找到的概率。每张卡强制携带一组元数据，并遵守统一的命名规范：类型代码 - 业务领域 - 标题 - 版本 - 日期。

表三 · 知识卡片的元数据字段

质量控制：先核验，再入库

质量上实行双审制：执业律师审法律判断，法律工程师审结构与元数据。裁判观点卡必须回溯判决书原文核对后才能定稿，AI 生成的任何「观点」，没有原文依据一律不得入库。每张卡带复检日期，法律修订触碰的卡片自动进入待复检队列，过期即降权或下架。对以严谨立身的法律行业来说，这不是额外负担，而是把职业习惯自然延伸到了知识库。

脱敏：知识库的第一道闸门

法律行业做知识库，第一道工序不是技术，是保密。我们手里全是客户的托付。《中华人民共和国律师法》（2026 年修正）第四十一条规定，律师应当保守在执业活动中知悉的国家秘密、商业秘密，不得泄露当事人的隐私。对委托人不愿泄露的情况和信息，律师同样负有保密义务。《中华人民共和国个人信息保护法》第二十八条则规定，敏感个人信息是一旦泄露或者非法使用，容易导致自然人的人格尊严受到侵害或者人身、财产安全受到危害的个人信息，并将不满十四周岁未成年人的个人信息一并纳入，处理须具有特定目的与充分必要性，并采取严格保护措施。把案卷原样喂给任何一个云端模型，在执业纪律层面都是一次冒险。

所以在做知识库前必须立下第一个规矩：任何材料入库前，先过分级，再定去向。（同步建立商业秘密保护体系）

表四 · 数据分级与去向

表五 · 脱敏操作规则

进知识库的是方法，不是案卷。

检索与智能体：让知识库长出手脚

检索层：按任务选工具

表六 · 检索层的工具分工举例

技能封装：把本事写成说明书

Agent Skills，把一项可复用的本领，不是一段提示词，写成结构化的说明书，包含六件套：名称与描述、触发条件、输入材料、执行步骤、输出格式、质检清单。以「证据清单生成」技能为例：输入起诉状与现有证据材料，按步骤提取事实、对应请求权基础、比对证据缺口，输出按证明对象分组的清单初稿；质检清单的最后一条永远是人，初稿未经承办律师确认，不得进入任何对外文件。

四个高频场景智能体

（1）案件可行性评估。录入案情材料后，按评估 SOP 生成初步报告：请求权基础、证据缺口、程序风险、同类裁判倾向。律师逐项复核，修正意见回流知识库，形成越用越准的正循环。

（2）证据清单生成。由上述技能承载，从单案试用做到全所通用。

（3）平台投诉应对。针对电商平台处罚申诉与知识产权投诉，先检索平台规则与既往案例，再生成申诉文书初稿，承办人定稿。

（4）文书起草。模板 + 知识卡调用 + 人工定稿的三段式。AI 交的是「待审稿」，不是「交付稿」，这条纪律写进每一份技能说明书。

团队工具箱与分工

工具不是越多越好，每个工具都要在流程里有明确的座位。

表七 · 团队工具箱与分工举例

反馈：智能体是养出来的

每次使用必须留痕，采纳、修改还是驳回。每月复盘错误案例，错因归为三类：知识缺失就补卡，流程缺陷就改 SOP，模型能力不足就换模型或收窄任务。智能体的成长和律师一样，靠的是一次次复盘，而不是一次上线。

底座：在云端、API 与私有化之间

部署方式没有优劣，只有匹配。判断标准就两句话：数据敏感度决定部署位置，任务复杂度决定模型档位。

表八 · 三种部署模式的举例

落地时三者并存，而不是三选一：绿区知识尽管上云，换更强的模型；黄区材料通过本地交互平台调用外部大模型；红区哪怕私有化模型的文采差一截，也留在所内。OpenClaw 在私有化组合里的角色值得单独一提，它把本地模型接到定时任务、知识库与即时通讯上，相当于给所里配了一位不出门的自动化助理。

风险清单

转型路上需要防的事，归拢起来是六件：两件是红线，两件关乎人心，两件关乎效率。

表九 · 风险清单与对策举例

保密与幻觉是红线，用制度防；贡献顾虑关乎人心，用机制解；其余关乎效率，用运营调。

结语：跟上步伐，彼此成就

企业花了十年才想明白一件事：转型不是买设备，是换一种能力生长的方式。律师跟上来，跟的也不是几款工具，而是同一种方法，让个人的才华，长成组织的智慧。判断、沟通、出庭仍然由人完成，记忆与重复，交给团队亲手搭建、亲手喂养的系统。

到那一天，青年律师站上全所经验的肩膀成长，资深律师的经验带着自己的名字走得更远，律所拥有随时间复利的资产，客户得到的服务更快、更稳、更贴近业务。转型的潮水里，没有谁被落下。