本文探讨了律师如何利用大语言模型作为工作助手，涵盖了非诉与诉讼两大业务场景，包括合同审查、法律咨询、尽职调查、案例分析及文书撰写等。文章详细介绍了提示词工程技巧，如角色设定、问题拆解、关键词提取及反向提问，并通过 GitHub Copilot 知识产权诉讼案例演示了多轮交互分析过程。此外，还强调了信息准确性验证、客户隐私保护、独立专业判断及合规伦理等注意事项，旨在帮助律师在提升效率的同时规避风险。
近年来，人工智能技术飞速发展，ChatGPT、Claude 等大语言模型的出现为各行各业带来了新的机遇和挑战。作为一名律师，如何有效利用这些大语言模型提升工作效率和服务质量，值得深入探讨。本文以 Kimi 大模型为例，探讨律师如何利用大语言模型作为工作助手。
在向大模型提问之前，律师可以先设定特定的场景或角色，使其更符合实际工作需求。例如，可以设定大模型为一位具有特定专业背景的法律顾问或是某个特定法律领域的专家，以获得更加专业、有针对性的回答。
复杂的法律问题可以被拆解为若干个小问题，分别向大模型提问。这样不仅有助于大模型更好地理解和回答问题，也使得律师能够更清晰地梳理问题的脉络，深入分析每个细节。
在提问时，律师可以尝试提取关键词，并将其用引号标注，以突出问题的重点。大模型会更加关注这些关键词，并围绕其进行更有针对性的分析和回答。
律师可以通过反向提问的方式，让大模型从不同角度分析问题。例如，可以让大模型扮演对方律师的角色，提出可能的反驳意见，以帮助律师预见可能的争议点，完善自己的论证。
对于大模型给出的回答，律师应进行必要的验证。可以要求大模型列出得出结论的依据和推理过程，并对其进行审查。对于关键的法律问题，还应当参考权威的法律文献和案例，以确保结论的准确性。
综上，律师使用大模型时需要善于使用提示语言，技巧总结如下：
根据上述步骤，要求大模型进行民事案件裁判分析，演示过程如下：
我将给你一个司法案例，请根据提出的指令要求给出回答。
司法案例基本情况：
**司法案例的裁判结果：**法院驳回了原告和集体诉讼人的请求。
联邦法院的驳回的审理意见如下：
A. 由于适用于所有诉讼理由的原因，起诉书不成立
B. 《版权法》优先于一些州法律的诉讼请求
C. 原告的索赔要求由于每个索赔的具体原因而失败。
原告的 DMCA 索赔应该被驳回。
原告的违约索赔不成立
对合同关系的侵权干扰的索赔失败。
原告未能指控虚假原产地名称的索赔。
原告未能提出不当得利的诉求。
原告未能提出不公平竞争的索赔。
原告未能充分陈述违反《竞争法》的行为。
原告未能提出过失索赔。
原告没有提出民事共谋的要求。
原告未能提出宣告性救济的要求。
**指令要求：**请根据美国联邦法院驳回诉讼请求的审理意见，以原告及其代理人视角，提出上诉的理由。
大模型回复：
在考虑上诉的理由时，原告及其代理人可能会关注以下几个方面，以期在上诉过程中挑战联邦法院的驳回决定：
在准备上诉时，原告及其代理人需要仔细分析初审法院的裁决，找出法律和事实上的弱点，并构建有力的论点来挑战这些裁决。他们还需要确保所有的论点都基于法律原则和证据，并且符合上诉法院的程序规则。
第二步指令：
提示：对于上面的每个项目符号点，包括每个索赔要素的子项目符号。
大模型回复：
在上诉过程中，原告及其代理人可能会针对每个驳回理由提出以下详细的上诉点：
在上诉中，原告及其代理人需要提供比初审时更有力的证据和法律论据，以说服上诉法院重新考虑初审法院的裁决。他们需要仔细研究法律先例，确保他们的上诉点符合法律标准，并且能够提供充分的证据支持其主张。
第三步指令：
提示：现在，对于每个 2 级子项目符号（要素），请提供可能是潜在相关事实的 3 级子项目符号示例，这些示例表明原告满足每个要素。排除与医疗伤害有关的事实。相反，应关注与商业伤害和合同伤害有关的事实。
大模型回复：
在上诉过程中，原告及其代理人可能会提出以下与商业伤害和合同伤害相关的潜在事实，以满足每个索赔要素的要求：
通过提供这些具体的商业伤害和合同伤害的事实示例，原告及其代理人可以在上诉中构建一个强有力的案例，以挑战初审法院的驳回决定。这些事实将有助于证明原告满足了每个索赔要素的要求，并可能有助于上诉法院重新考虑并支持原告的主张。
尽管大模型能够提供法律分析和建议，但其生成的内容并非完全可靠。律师必须对大模型的回答进行必要的审核和验证，特别是涉及重要法律问题时，必须以权威的法律文献和案例为准。大模型存在'幻觉'现象，即可能编造看似合理但实际不存在的事实或法律条文，因此人工复核至关重要。
律师在使用大模型时，必须注意保护客户隐私和敏感信息。不应将涉及客户隐私的内容直接输入大模型，以免造成信息泄露。建议使用脱敏后的数据，或在本地部署的私有化模型中进行处理，确保数据不出域。
律师应恪守职业道德，为客户提供专业、负责任的法律服务。大模型虽然是一个强大的辅助工具，但不能过度依赖，必须以律师自己的专业判断为主导，避免因盲目信任大模型而产生法律风险。最终的法律意见必须由律师本人确认并承担法律责任。
大模型虽然能够提高法律工作效率，但并不能完全取代传统的法律工作方式。律师应将大模型与传统工作方式相结合，扬长避短，充分发挥人工智能和人力资源的各自优势。例如，利用 AI 进行初步检索，人工进行深度研判。
随着人工智能技术的监管日益严格，律师在使用大模型时需关注相关法律法规。例如，欧盟的《人工智能法案》及中国关于生成式人工智能服务的管理办法，都对数据训练、内容生成提出了合规要求。律师应确保所使用的工具符合所在司法管辖区的规定，避免违规风险。
最后，随着人工智能技术的不断发展，国内外大语言模型在法律领域的应用将日益深入。律师应积极拥抱这一技术革新，不断学习和适应，用好大模型这一得力助手，为客户提供更加优质、高效的法律服务。同时，也要注意大模型使用中的风险和局限性，坚持独立专业判断，切实维护客户利益。只有在人工智能和专业能力的协同发展中，律师才能更好地适应时代发展，提升职业竞争力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
