几个月前，在一位客户的收购交易即将于次日交割的前一晚，买方律师发来一封信，要求重构若干关键条款：新的托管安排、更宽泛的赔偿除外条款、重新设计的交割交付清单。言下之意很清楚：要么接受这些修改，要么就不成交。当时是晚上 7 点。
我把购买协议、披露清单以及对方的要求函全部上传给 Claude。几分钟之内，Claude 就把所有拟议修改与现有条款逐一比对，并发现了买方律师似乎都没注意到的地方：他们提出的两个赔偿除外条款，与他们已经在披露清单中确认过的陈述直接矛盾；第三个修改则会与“基本陈述”条款产生内部冲突，反而削弱买方自身在交割后的保护。他们这次临门一脚的强硬操作，其实漏洞百出。
当晚双方通过邮件来回磋商时，我把每一轮新邮件都丢给 Claude。它会跟踪每一项新让步与协议其他条款之间的互动，标记出如果接受某个修改会在其他条款中制造哪些风险，并帮我构建一份回应：哪些点适合让步，哪些必须坚持。到晚上 11 点，我们就形成了一套干净利落的反提方案，每一条都扎扎实实引用了买方自己起草的语言。第二天早上，交易按照我客户满意的条件完成交割。
如果是某家中型律所的三名律师来做这套分析，恐怕要忙到天亮。我用不到两小时就抓住了问题的核心。
我经营的是一家两个人的小型精品律所，业务包括初创公司设立、风险投资交易以及合规监管。我们的对手经常是拥有数百甚至上千名律师的大所。按传统逻辑，我们根本不可能“打得过”他们。但过去一年让我非常清楚地看到一件事：围绕 AI 搭建起来的小所，不只是“勉强跟得上”大型律所，而是可以跑得更快、做得更细、更彻底，而且其成本结构在 18 个月前几乎是难以想象的。
我整套业务搭建所依托的工具，是 Anthropic 开发的 Claude。这篇文章讲的是：我在真实法律工作中，每一天，是“具体怎么用”它的。不是理论，而是工作流。
为什么用 Claude，而不是“法律 AI”产品
市面上满是各种垂直的法律 AI 产品：Harvey、Spellbook、CoCounsel、Luminance……它们的共同假设是：律师需要专门为法律工作打造的 AI。我基本都评估过。对于像我这样的中小律所律师来说，一款配置得当的通用大模型工具更优，而且优势非常明显。
这些“法律 AI”本质上都是包了壳的产品，底层还是驱动通用 AI 工具的同一批基础模型。它们的市场话术听起来很诱人：我们帮你把 AI 按照律所的“打法”定制好，用你们的模板喂一遍，让它围绕你们的文书库、条款库搭建工作流。有些产品在这方面做得还不错。但这个故事有一个根本性的误解：真正有价值的东西，并不在那儿。
模板库本身不是竞争优势。你所在业务领域里，只要是合格的律所，大家的模板大差不差：保密协议、股份购买协议、聘用 offer……这些都是“商品化的输入”。真正区分优秀律师和普通律师的，从来不是模板，而是律师“拿到模板之后做了什么”：他如何在第 14(c) 条里发现对方藏进去的坑，他如何判断哪一场赔偿条款之争值得打、哪一场应该让一让，他如何把邮件写得让客户真的听懂风险。这些都是判断力。而判断力不属于“律所层面”的资产，它是“个人专业人士层面”的资产。
当法律 AI 公司说要把 AI 定制成某家律所的“打法”时，他们其实在用力解决一个并不重要的问题，却忽略了真正关键的那个。真正的杠杆，不在 AI 一开始用的是哪套模板，而在于你给它的“指令”：让它怎么思考、关注什么、要重点标记什么、如何权衡彼此冲突的考量、输出用什么格式、用什么语气对客户说。这些指令编码的是某个具体律师的判断，而不是律所的模板库。而这恰恰就是 Claude 的“Skill（技能）系统”要做的事。
我给自己做了一系列定制指令文件，也就是“技能”，把我的分析框架、偏好的文书格式、写作语气，以及我对不同类型法律工作的判断，都写了进去。当我上传一份合同让它审阅时，Claude 用的不是某个“通用框架”，甚至也不是“我们律所的框架”，而是“我的框架”——我十多年执业经验提炼出来的那一套，而且是自动触发的。把“律所打法”编码进去，和把“具体律师的判断力”编码进去，两者的差别，就像是给别人一份菜谱，和教会他真正“会做菜”。
还有一个更底层的问题，对任何把职业生涯都花在 Microsoft Word 里的律师来说，这点尤其关键。Claude 是一款前沿大模型，被高度优化用于写代码。乍一看似乎跟法律实务无关，但这意味着一件事：Claude 能随写随用地写代码，直接操作律师每天用的那些软件。
想想这在具体工作中意味着什么。每一个在看这篇文章的律师，都为 Word 排版耗费过大量时间：复制粘贴之后就乱掉的段落编号，怎么都调不顺的样式设置，会损坏的修订记录，动不动失效的交叉引用，需要你一个标点一个标点校对的 Bluebook 引注格式。这些都不是“法律问题”，而是“软件问题”。而 Claude 解决软件问题的方式，就是写软件。
当我让 Claude 对合同做修订标注时，它不是用某个插件或宏，而是直接打开 .docx 文件，从 XML 层面写入 Microsoft Word 预期的那种标记格式，修订人署我的名字，并完整保留格式细节。当我让它统一文书中的引注格式时，它会写代码，遍历、解析、重排每一个引注，几秒钟解决。最后输出的效果，与一位熟练助理逐条手工处理几乎没有区别，但耗时只是后者的一小部分。
这是垂直法律 AI 产品根本追不上的能力差距。它们给你的是一个“对着文档说话的聊天机器人”，而 Claude 是一个可以“伸手进文档内部，把内容改好”的系统。这就好比，一个初级律师只能告诉你这份合同哪不对，另一个则能把问题找出来、改好、排版好、做出红线对比稿、连附信都一起起草好，而你没有打开任何一个应用。通用大模型的进步速度，总是远超任何垂直产品；当你使用的是前沿模型，每一项新能力在发布当天就到了你桌上；当你依赖的是某个“包装壳”，你只能等它背后的工程团队挑选、决定下一个要做什么功能。
以上描述的，是我自己的业务，偏交易方向。但这种架构本身并不局限于某个业务领域。诉讼律师可以搭建围绕庭询准备、动议撰写、判例综合、证据审查的技能；税务律师可以搭建实体架构设计、法律意见书框架、监管跟踪的技能；家事律师可以搭建资产梳理、监护分析等技能。路径都是一样的：拿一款足够强大的通用模型，教会它你的业务，然后让它放大你的判断力。内容是你的。
三种模式
Claude 桌面应用有三种模式。学会什么时候用哪一种，是让我真正跑起来的关键一步。
Chat 是对话模式。我会像对着一位反应极快、知识渊博的初级律师说话那样，与 Claude 对话。这是我用来分析法律问题、头脑风暴谈判策略、对某个合同条款做初步判断、或者从零起草文书的地方。每一步都在我掌控之中。大多数用过 ChatGPT 之类工具的律师，只体验过这一种模式。
Cowork 是“协作（自治）模式”，这是改变一切的关键。我把 Claude 指向电脑上的某个文件夹，给它一个任务，然后它自己去完成。它会读取文件、创建新文档、编辑已有文档，并自主决定要走哪条路径才能从 A 到 B。当我有一份 40 页的协议，需要完整红线重做，或者有一叠交割文件要根据 term sheet 大批量生成时，我就交给 Cowork，让它自己干。这是大多数律师还没真正尝试过的模式，也是会对他们业务影响最大的一种。
Code 则是开发模式，有完整的终端访问。大多数律师日常未必用得到它。但我有个阅读上的障碍，很难长时间盯着长文档看，于是我用 Code 模式构建了一个命令行工具，用来把法律文书转换成语音。整个流程都打通了：解析 Word 和 PDF，识别诸如“第四条第二款 (b) 项 (iii)”这类格式并转成自然语音，展开缩写，把文本分片，发送到 AI 语音接口，再把生成的音频拼接成最终文件。现在我上班路上是“听合同”的，而这整个工具链都是 Claude 帮我搭的。
教会 Claude 你的业务
真正的杠杆，从这里开始变得超乎两年前的我想象。
Anthropic 发布了一份指南，讲怎么为 Claude 构建自定义“技能”：把它当作结构化的指令文件，在特定场景下教它如何表现。这不是每次临时键入的 prompt，而是一套持久指令，一旦命中条件就自动生效。我没有老老实实从头看到尾，而是把那份指南直接上传给 Claude，然后问了它一个更好的问题：结合我们过去几百次对话——从合同起草、客户邮件、文稿编辑、法律检索到政策写作——在哪些地方，如果有一套技能，会对我的业务带来最大撬动？
Claude 把我们几个月的工作都分析了一遍，总结出模式：哪些任务最常重复，哪里摩擦最大，哪里用结构化自动化可以节省最多时间。它给出的技能建议非常具体，完全围绕我实际的工作方式，而不是抽象的“合同写快一点”。比如，它建议的不是“合同审阅技能”四个字，而是一整套设计：根据语境区分四种不同审阅模式，对问题程度进行分级，自动检查缺失条款，做市场条款对标，以及当我准备标注修订时，可以无缝把审阅结果移交给“修订技能”来生成带修订痕迹的文档。
接下来我们花了几个小时不断打磨细节。哪些默认设定不符合我的偏好，我就指出来，我们一起调整。最后，我得到了六个可以投入实战的技能，并打包成一个 Cowork 桌面端的插件：合同审阅、修订（tracked changes）、合同起草、客户沟通、法律检索和政策写作。每一个技能都承载着多年实务中我对这类工作的理解和判断。
对律所管理而言，有一个非常重要的启示：这个插件是可转移的。假设我有 50 名律师，我可以把它装到每一个人的电脑上。这样，每一位律师从第一稿起，就能用我的分析框架出合同审阅、用我的语气写客户邮件、按我偏好的格式打修订。过去需要多年带教才能传承的经验，现在变成了一份从第一天就能跑起来的指令文件。最后产出的文书仍然需要执业律师复核，但复核的起点，已经高出一大截。
实际工作中长什么样
我举三个真实工作的例子，希望尽量具体些。
不打开 Word 就完成修订。对方发回一份标红的协议，四十页，从陈述保证到赔偿、知识产权、交割条件，到处是修改。我把文档上传给 Claude，只说一句：“请从我客户的角度，帮我评估对方的修改。”我的合同审阅技能随即触发。Claude 会按严重程度梳理每一个改动，标出对方在哪些地方把风险往我们头上推，指出彼此修改之间有哪些张力，检查哪些“应当存在但缺失”的标准条款（如责任限制、知识产权归属、数据处理、便利解约等），并生成一份摘要，对每个高严重级别的问题附上具体的反提语言。
接着轮到我行使判断。Claude 能看出修订中存在的模式，而我凭经验知道这种模式在实践中往往意味着什么；Claude 可能会给某个争议条款提出三种备选语言，而我会选那一个既考虑到交易实际背景也顾及双边关系的版本——这些细节是任何 AI 所不掌握的。当我决定好了该怎么改，就让 Claude 去应用这些修改。接下来发生的事，第一次看的人都会震撼：Claude 打开 Word 文件的 XML 层，写入以我名义记录的修订痕迹，保留全部排版细节，生成一份干净的 .docx 文件，对方律师可以直接在 Microsoft Word 里像往常一样审阅。我没打开 Word，也没打开 Litera。是 Claude 做出红线稿，我负责逐条复核，然后发出去。再用“客户沟通”技能起草一封语气合适的附信邮件。从收到对方红线到准备好完整回复包，时间不到一小时，其中大约 30 分钟是我自己的思考时间。
不“幻觉”的法律检索。客户想要搞清楚一款新产品面临的监管格局，涉及多个监管机构、交叉叠加的法律框架。我的“检索技能”会指示 Claude 从一开始就并行展开各个维度的研究，而不是按传统线性流程一个一个查：证券法分析、州级牌照要求、银行监管、消费者保护问题……每个子议题都会跑多组检索，交叉对比信息源，并优先考虑一手权威来源——成文法、规章、监管指引、判例——而不是二手评论。
在给我任何东西之前，这个技能会要求 Claude 先做一次自我审查。这一步至关重要，也是多数人忽略的地方。Claude 必须逐条核对每一个引用的法律依据，确认它们确实支持备忘录里的论断；必须标记自信程度不足的部分；必须检查不同部分之间是否自相矛盾；尤其要防止杜撰引注这一在新闻里闹出过大事的问题。那些因为提交 AI 伪造引注而受纪律处分的律师，用的是不存在这种“验证层”的工具。问题从来不在于“用了 AI”，而在于“用了没有质量控制的 AI”。
最后的成果是一份结构化的检索备忘录：开头先给出“结论先行”的摘要，正文包括具体法条和规章引用，并附上具有可操作性的建议。如果靠一名初级律师从头做，这样的东西要几天才能写完，而 Claude 通常不到一小时就能产出第一稿。接下来我会逐条检查引注，重新推敲分析，在我的判断与它存在差异之处做修改。总耗时仍然远少于从零开始。而且因为这个技能专门根据我的标准校准过（明确结论、清晰标注不确定性、用表格横向对比不同监管框架、偏重实务建议而不是学术式兜圈子），这份 memo 可以立刻用于实务。
实时合同解读。有一次，客户在上午打电话给我，说刚收到对方发来的律师函，指控我方违反某项商业服务协议，并威胁要解除合同，对方给了 48 小时的回复期限。我把协议全文、律师函，以及双方最近三个月的往来邮件都上传给 Claude。它会把律师函中的每一条事实指控与其引用的合同条款逐一对应，结果发现：对方声称的四项违约中，有两项所依据的义务，早在一份由他们自己律师起草的补充协议中就被修改过。很明显，这封律师函的撰写者根本没去核对他们自己的补充文本。在起草答复函的过程中，我把每一个段落草稿丢给 Claude，让它从“其他条款可能被连带影响”的角度做压力测试。它确实抓住了一个问题：我打算用来反驳服务水平指标指控的一个论点，如果不加修饰地写进去，有可能被解读为在第 7 条付款争议上做出不利让步。于是我重写了那一段。这种“边写边让另一位律师帮你从整体结构审视论证”的体验，以前通常需要第二名律师同行复核，现在在同一个对话窗口内就能完成。
关于律师保密特权
这是每位律师都会问的问题。简短的答案是：这套思路和你使用云存储、电子取证平台、在线法律检索数据库的思路一脉相承。美国律师协会和各州律师协会的伦理意见，普遍把 AI 工具视为第三方技术服务提供者，适用的是“代理人/工具”例外（agent/instrumentality）。你的义务是在“合理努力保护客户信息”的标准下行动：实务上意味着关闭基于你输入内容的模型训练、理解服务商的数据处理方式，并把你的判断过程留痕记录。Anthropic 提供“零数据留存（zero‑data retention）”的 API 选项和业务数据处理协议，保证你的客户数据不会被用于模型训练，输入内容不会在会话结束后被存储。这和你当初把客户文档放到 Dropbox、Google Drive 或 Clio 之前所做的尽职调查，是同一个逻辑。
我还往前走了一步：我让 Claude 帮我在委托协议里写了一条关于 AI 使用的条款。这条条款把 AI 描述为“提升效率和质量的工具”，强调所有输出均由律师监督审阅，把数据处理与原有的保密义务挂钩，并取得客户的知情同意。客户几乎不假思索就签了。多数客户一开始就假定我们会用 AI——而他们的判断没错。
如今多数司法辖区已经把“技术能力”纳入律师职业伦理要求的一部分。我们正在逼近这样一个时刻：不使用这些工具，反而更难自证你尽了合理的专业努力。
关键在于：Prompt 就是技能
大多数初次尝试 AI 的律师，会打上一句“帮我审阅这份合同”，然后看到一个不痛不痒的结果，遂认定 AI 在法律工作中没什么用。
问题不在于 AI，而在于输入。
对比一下这两句话：“review this contract（帮我审阅这份合同）”与下面这一长串：
“请从供应商的视角审阅这份服务协议。标记出所有将风险转移到供应商、且超出该类交易市场惯例的条款。检查是否缺失应当存在的条款，如责任限制、知识产权归属、数据处理、便利解约等。输出一份按严重程度分级的摘要，并针对每个高严重等级问题给出具体的反提语句。需要注意的是，供应商在谈判中处于相对弱势，但非常希望成交，因此建议应聚焦在值得据理力争的条款上，而对可接受的条款给出体面让步的方式。”
第二种表达，会让你第一次拿到的结果就足以直接用于工作；第一种表达，则通常需要你花大量时间再加工，甚至难以派上用场。从“AI 是个玩具”到“AI 改变了我的执业方式”，两者之间的鸿沟，几乎全部在于你给它的指令质量。这也是为什么“技能”如此重要：它们把这种级别的细致指令编码进去，让你写一次，就能在每一次相似任务中自动触发。
这会带来什么变化
从上述一切，自然会衍生出几个值得点明的结论。
人员配置。我用两个人撑起了一家在传统标准下需要更大团队才能承接的业务量，这直接得益于 AI。过去支撑你招聘一名初级律师的大量工作——一轮合同初审、检索备忘录、第一稿文书、红线摘要、日常往来邮件——现在大多由 Claude 完成，而我负责监督。需要说明的是：从我律所发出的每一份文书，最终都由持牌律师审阅、修改并批准。AI 只负责第一稿，而最终成果仍然是我作为律师的作品。初级律师并没有“过时”，但你决定何时值得招聘一位初级律师的经济门槛改变了；你真正需要他们做的事情，也转向判断力、客户关系、以及对 AI 输出的把控，而不是每年 2000 小时的机械文书生产。
计费与价值。AI 改变了“时间与价值”的对应关系。有些任务，节省的时间一目了然，我会直接把节省让利给客户；另一些任务，同样的工作时间却能产出比过去深入得多的分析、更全面的问题排查，以及更高质量的草拟。关键不在于“每一件事都更快”，而在于“每一小时律师时间创造的价值更多”。我的律所既保留按小时计费，也针对不同委托提供订阅式收费。订阅客户以固定月费获得持续的顾问服务、合同审阅、合规监测以及日常公司治理支持，没有“计时器在滴答作响”的焦虑。AI 让这种模式在经济上可行，因为在一定的费率下，我能提供比以往更全面的服务。客户喜欢这种模式：他们不再害怕打电话或发邮件，而律所的收入也从“忽高忽低”变得更加平滑可预测。
判断力。以上所有，会诱惑一些人把太多事情交给 AI，逐渐停止认真检查。研究结果已经非常一致：那些在超出 AI 能力边界的地方仍照单全收、或者对输出不做必要审查的人，表现往往比完全不用 AI 的人还要差。真正能够在这波技术变革中获胜的律师，从根上就明白一件事：法律工作不是 AI 在做，而是你在做。AI 只是让你更快、更全面、更一致。但“该为客户据理力争到哪里、该在哪些地方退一步、该如何读懂字里行间、该在模棱两可的局面里做出取舍并为之承担职业声誉”，这些决定仍然属于你。那些在某一领域积累了十年、二十年判断力的资深律师，在这场新游戏里其实拥有巨大的优势——只不过，很多人还没有意识到这一点。如果你已经花了这么多年打磨自己的专业判断，那么现在，你正握着一项因 AI 而变得更有价值、而不是更廉价的资产。
动手去搭建
我不在 Anthropic 任职。我只是一名尝遍市面上所有 AI 工具、最终把自己的业务彻底搭建在其中一款工具之上的执业律师。
大多数律师目前使用 AI 的方式——在聊天框里敲一个问题，然后“听天由命”——与我在这里描述的状态之间，有着巨大的鸿沟。弥合这道鸿沟，并不需要什么技术背景，而是需要你愿意花几个小时认真了解这类工具到底怎么运作：Chat 和 Cowork 的区别在哪里，为什么长而具体的 prompt 比简短指令能好上几个数量级，如何把你的判断力写进一套技能里，如何把多个技能打包成一个插件，让任何同事开箱即用。
装好桌面应用，选一件你最常做的工作，写下你理想中这件工作“应该如何一步步完成”的详细说明，然后看看它给你的结果。再从这里出发，去搭建你的第一个技能。复利会来得很快。
来源：How I Actually Practice Law with AI in 2026 , Zack Shapiro