近日，一名來自耶魯法學院的畢業生、前 Davis Polk & Wardwell（頂尖國際律所）律師 Zack Shapiro（扎克·夏皮羅）在 X 上發佈了一篇長文，引發了法律界和科技圈的熱烈討論。
短短几天，這篇題爲《2026 年我是如何使用 AI 執業》的文章瀏覽量已經突破 700 萬。
（來源：X）
在這篇文章中，Shapiro 沒有介紹抽象的理論，而是拆解了他作爲一名“兩人律所”合夥人使用 AI 的真實工作流。Shapiro 經營的 Rains LLP 律所位於曼哈頓，全職員工只有兩人。然而，他們正在處理以往需要數十甚至百人團隊才能消化的複雜風險投資與併購交易。
讓他引發熱議的，並非他們使用了 AI 的事實，而是他徹底摒棄了市面上昂貴的“法律專用 AI”，僅憑一個通用的 Claude 賬號和一套自建的指令系統，實現了對傳統工作模式的重構。
圖 | Zack Shapiro（來源：Rains LLP）
Shapiro 在文中描述了一個讓所有交易律師感到壓力的事例。
在某次收購案交割前夜，晚上 7 點，買方代表，一家擁有數千名律師的頂級大所，突然給他的團隊發來一封措辭強硬的信函，要求重構關鍵交易條款：需要新的託管條件、擴大的賠償免責範圍、修訂後的交割交付物。並且對方擺出了一副“不接受就談崩”的架勢。
在以前，這意味着合夥人要立即召集三五個初級律師通宵加班，按小時計費，瘋狂翻閱數百頁文件。
但 Shapiro 沒有這樣做。他將購買協議、披露表和對方律師函上傳至 Claude 桌面版，輸入指令：“從我方客戶視角評估這些變更。”
幾分鐘內，Claude 完成了對所有條款的交叉映射，並發現了對方几十人團隊都沒注意到的致命漏洞：買方提出的兩項免責條款，與其在披露表中已確認的陳述直接衝突；而另一項修改甚至會削弱買方自己的交割後保護。
Shapiro 利用這些發現，指揮 Claude 生成了一份精準的反擊清單。當晚 11 點，一套無懈可擊的反提案已經躺在對方郵箱裏。第二天一早，交易按 Shapiro 客戶滿意的條款順利交割。
“如果是傳統中型律所，需要一個三人律師團隊忙到第二天早晨才能完成這種分析，”Shapiro 寫道，“我只用了不到兩小時。”
爲什麼是通用模型，而不是專用 AI？
如今，市場上早已充斥着 Harvey、Spellbook 等垂直法律 AI 產品。它們的共同口號是：律師需要專爲法律工作打造的 AI。
（來源：Aline）
但 Shapiro 評估後認爲，對於小型律所從業者，配置良好的通用 AI 遠勝於專用工具。因爲“這些專用產品大多是建立在基礎模型之上的套殼”Shapiro 直言，“它們的營銷口號很有誘惑力：定製律所 playbook、訓練模板、構建工作流。但這背後有一個根本性誤區。”
在他看來，模板庫從來不是律所的核心競爭力。任何一家稱職的律所都有標準的 NDA 或股權購買協議模板。真正的價值在於“判斷”——知道某個條款中隱藏的陷阱，知道在哪個賠償條款上必須寸步不讓，在哪裏可以順水推舟。
“模板是大宗商品（必要但不稀缺），判斷纔是槓桿。”Shapiro 解釋道，“法律 AI 公司忽略了真正重要的問題：如何編碼律師個人的判斷力。”
因此，Shapiro 選擇了一條自主探索的道路。他利用 Claude 的“技能（Skills）”功能，編寫了持久的指令集文件。這些不是每次都要輸入的提示詞（Prompt），而是編碼了他十年執業經驗的分析框架、文風偏好和風險權重。
當他上傳一份合同進行審查時，Claude 不會套用通用模版，而是自動觸發 Shapiro 的“合同審查技能”：按嚴重程度對風險分級，檢查缺失條款，並根據交易雙方的強弱地位給出具體的談判建議。
“我教給 AI 的不是食譜，而是怎麼做菜，”Shapiro 比喻道，“律所操作手冊與律師個人編碼判斷的區別，就在於此。”
Shapiro 實踐中最讓同行感到不可思議的，是他對“代碼模式”的運用。
所有律師都經歷過 Microsoft Word 的折磨：粘貼時崩潰的段落編號、無法統一的交叉引用格式、混亂的修訂模式……“這些不是法律問題，這是軟件問題，”Shapiro 說，“而 Claude 通過寫代碼來解決軟件問題。”
於是，他利用前沿模型針對代碼編寫進行了重度優化。當 Shapiro 指揮 Claude“應用修訂”時，Claude 並不是像插件那樣模擬點擊，而是直接在後臺編寫腳本，深入.docx 文件的 XML 底層代碼。它能精準地寫入符合 Word 標準的修訂標記，保留所有複雜的格式，甚至自動歸屬到 Shapiro 的用戶名下。
三個模式，重構工作流
在具體的工作中，Shapiro 將 Claude 桌面版的使用分爲三種模式，他認爲學會何時使用哪種模式，是讓 AI 真正落地的關鍵：
首先是 Chat（對話模式）。就像與坐在對面的快速助理交談。用於分析法律問題、頭腦風暴談判策略、起草初稿。律師掌控每一步。
其次是 Cowork（協作模式）。這是改變一切的自主模式。指向電腦上的文件夾，給定任務，AI 自主讀取文件、創建新文件、編輯文檔。當需要爲 40 頁協議製作完整紅線版本，或從條款清單生成一堆交割文件時，Shapiro 會交給 Cowork 模式。
最後是 Code（開發模式）。擁有完整的終端訪問權限。Shapiro 利用它構建了一個命令行工具，將法律文檔轉換爲 spoken audio。它能解析 Word 和 PDF，將"Section 4.2(b)(iii)"的合同條款層級引用轉換爲自然語音，處理縮寫，分段後發送到 AI 語音 API。現在，Shapiro 都在通勤路上直接聽合同。
Shapiro 也分享了三個真實的工作場景：
第一個場景是處理對方發回的紅線修訂版合同。當一份 40 頁的協議被對方修改後返回，傳統做法是律師逐頁審閱、標記風險、起草回覆，往往需要大半天時間。Shapiro 的做法是直接將文檔上傳，系統會自動按風險等級對修改內容進行分類，標出哪些條款轉移了風險、哪些修改與其他條款存在邏輯衝突，並針對關鍵問題生成具體的修改建議。
第二個場景是監管政策調研。當客戶需要了解新產品涉及的合規要求時，傳統研究往往需要跨多個法規領域逐一檢索、比對、歸納。Shapiro 的系統可以同時啓動多線程檢索，覆蓋證券監管、地方許可、銀行合規、消費者保護等多個維度，並在輸出前執行自我驗證：覈對每條引用是否真實存在、是否確實支持結論，標記置信度較低的內容，排查邏輯矛盾，專門防範虛構引用的風險。
第三個場景是應對突發違約指控。客戶收到對方發來的違約通知函，要求 48 小時內回覆。Shapiro 將主協議、指控函及近期往來郵件一併上傳，系統會自動將指控內容與合同條款逐一比對，很快發現對方聲稱的四項違約中，有兩項所依據的義務其實已被雙方此前簽署的補充協議明確修改，而這份補充協議恰恰是對方律師起草的。在起草回覆過程中，每寫一段內容，系統都會實時壓力測試。
倫理、計費與未來
關於數據隱私，Shapiro 指出，目前美國律師協會倫理意見將 AI 工具視爲受代理/工具例外覆蓋的第三方技術提供商。義務是做出合理努力保護客戶數據，實踐中意味着關閉模型訓練、理解提供商的數據處理做法。而 Anthropic 提供零數據保留 API 選項，確保客戶數據不用於訓練模型。
Shapiro 甚至讓 Claude 幫他起草了聘書中的 AI 使用條款，將 AI 框架作爲效率和質量增強器，強調律師監督，並將數據處理與現有保密義務掛鉤。
這種工作模式對律所運營產生了直接影響。傳統上由初級律師承擔的初稿撰寫、研究備忘錄、紅線摘要等工作，現可由 AI 在監督下完成，律師的精力更多聚焦於判斷、客戶關係與輸出審覈。計費模式也隨之調整，Shapiro 的律所在傳統小時計費外提供訂閱制定價，藉助 AI 在可預測的成本結構內交付更全面的服務。
當 AI 能夠高效完成信息檢索、文檔起草、模式識別等任務時，律師的核心價值或將從“智力輸出”轉向“判斷決策”。不加審視地信任 AI 輸出或在能力邊界外使用工具，必然導致表現下降。因此，未來的法律從業者可能需要更注重構建有效的指令系統、建立 AI 輸出的審覈機制，並在關鍵節點承擔專業責任。
對於行業而言，技術工具本身並非決定性因素，關鍵在於從業者是否願意投入時間理解工具原理、優化使用方式，並將個人經驗有效轉化爲可複用的工作流。
參考鏈接：
https://x.com/zackbshapiro/status/2027389987444957625
運營/排版：何晨龍
