本书探讨了人工智能大模型在法律领域的应用与发展。从大模型基础理论出发，详细阐释DeepSeek等前沿技术创新，深入分析法律大模型与通用模型的差异及互补性。并提供实战指导，包括提示词优化、多类应用案例如法律检索、法律研究等场景下如何运用法律大模型有效提升工作效率与质量、其他AI工具使用等。书中还探讨了AI驱动下法律行业的组织变革、数据资产管理及律师业务转型策略，为法律从业者提供全面的AI应用指南，助力法律服务数智化转型。全书兼具理论深度与实践指导，为读者构建法律AI应用的完整知识体系与实操路径。

本书的突出价值不仅在于递进地阐述了大语言模型的基本原理、技术演进历程、提示工程和RLHF等大模型关键技术，更在于法律场景下可靠推理与精准生成技术路径的探索。这本书既为法律人量身打造了A1实践工具箱，亦为技术研究者提供了观察大模型处理复杂法律推理任务的独特视角。本书是连接法律专业智慧与前沿AI技术的基础性指南，对于推动法律行业智能化转型具有重要意义。
北京大学深圳研究生院党委副书记 邹月娴教授

拥抱法律人工智能已不再是选择，而是关乎企业竞争力的必选项。本书是开启法务智能化升级、筑牢合规防线、实现可持续降本增效的权威参考与行动手册。本书兼具专业深度与实战创新，详解如何将法律大模型转化为智能法律顾问，从合同审查、合规预警到争议处理，掌握其核心技能，本书将为读者全面展现AI在法律垂直领域的全方位应用技能。
深圳市人工智能协会执行会长 郎丽艳

数智化浪潮正在不断冲击和重塑法律行业生态。本书是法律人拥抱数智化时代的必备指南。本书系统剖析了法律大语言模型的基本原理、应用场景、使用风险及未来趋势，从基础理论到前沿应用全覆盖。无论是法律从业者、法学生还是相关领域人士，都能从中获得前瞻视野与实用启发，提升法律实务效率，增强行业竞争力。
上海市律师协会会长、上海市法律科技协会会长 邵万权

法律行业的数智化转型已是必然趋势，回避不如主动拥抱。本书不仅全面展示了AI在法律工作中的应用方法，更深入探讨了其背后的伦理规范与责任边界。它为法律行业如何把握机遇、应对挑战、行稳致远地迈向智能化新纪元，提供了极具价值的路线图与思考。对于每一位着眼未来的管理者而言，这都将是一次深刻的思想启迪。
深圳市律师协会会长 张斌

本书的问世，恰逢法律科技加速赋能行业的关键时期。本书以法律大模型为核心，从基础原理到实战应用，系统拆解技术与法律的融合路径，既为新手提供入门指引，也为资深从业者带来进阶启发。法律科技的价值，在于让专业服务更高效、更普惠。相信本书能成为法律人驾驭技术浪潮的得力工具，助力行业在数智化转型中稳健前行。
吉林省律师协会监事长 张嘉良

目 录
基础篇
第一部分 大模型基础
第一章　人工智能与大语言模型常见术语 // 003
第二章　大语言模型的基本原理 // 011
2.1　大语言模型工作原理 // 011
2.1.1　预训练 // 011
2.1.2　Transformer架构核心组件 // 012
2.1.3　微调 // 014
2.1.4　扩展法则与涌现能力 // 015
2.2　大语言模型技术概览 // 017
2.2.1　数据预处理与清洗 // 018
2.2.2　高效训练策略 // 020
第三章　大语言模型的演变历程 // 029
第四章　DeepSeek的技术创新 // 033
4.1　模型训练领域创新 // 033
4.1.1　混合专家模型（MoE） // 033
4.1.2　FP8混合精度训练 // 034
4.2　Transformer架构创新 // 035
4.2.1　多Token预测（MTP） // 035
4.2.2　多头潜在注意力（MLA） // 036
4.3　模型微调领域创新 // 037
4.3.1　强化学习（RL）驱动的推理训练 // 037
4.3.2　推理模型（Reasoning Model） // 038
第二部分 法律大模型应用
第一章　发展现状 // 039
1.1　通用大模型与法律专业大模型的对比 // 039
1.1.1　知识深度与专业性 // 039
1.1.2　实际应用效果 // 040
1.1.3　可靠性与局限性 // 041
1.1.4　实战场景差异：法律问题研究应用 // 042
1.1.5　实战场景差异：案例检索总结应用 // 045
1.1.6　实战场景差异：合同生成应用 // 050
1.1.7　实战场景差异：诉讼文书生成应用 // 054
第二章　法律应用场景 // 061
2.1　功能场景 // 061
2.1.1　法律决策辅助 // 061
2.1.2　法律文书起草 // 062
2.1.3　合同审查 // 062
2.1.4　法律问题研究 // 062
2.1.5　法律检索 // 063
2.2　用户场景 // 065
2.2.1　司法工作者 // 065
2.2.2　律师 // 068
2.2.3　法务 // 072
2.2.4　法科学生 // 076
2.2.5　一般大众 // 078
实战篇
第一部分 基础实战-指令工程
第一章　提示词优化方向 // 083
1.1　需重新审视的提示词技巧 // 083
第二章　通用技巧 // 086
2.1　提示词通用技巧详解 // 086
2.1.1　写出清晰的指令 // 086
2.1.2　提供示例 // 088
2.1.3　将复杂的任务拆分为更简单的子任务 // 091
2.1.4　给模型时间“思考” // 093
2.1.5　给大语言模型分配角色 // 102
2.1.6　其他提示技术 // 108
第三章　提示词结构化 // 119
第四章　法律提示词的特殊考量 // 123
第二部分 法律场景化实务指南
第一章　DeepSeek+法律AI实现功能革新 // 132
1.1　DeepSeek+得理法律大模型 // 132
1.2　实现的功能革新 // 133
1.2.1　法律检索：AI 类案检索总结 // 133
1.2.2　法律分析：联网搜索 // 133
1.2.3　法律文书：要素式起诉状 // 134
1.2.4　文本分析：多文档上传解析 // 134
1.2.5　合同审查：现已上线数类常用合同审查 // 134
第二章　AI法律检索 // 135
2.1　功能一：法规检索 // 135
2.1.1　场景模拟 // 135
2.1.2　其他使用方向 // 137
2.2　功能二：案例检索 // 138
2.3　功能三：观点检索 // 142
第三章　AI法律研究 // 143
3.1　功能概述 // 143
3.2　使用指南 // 143
3.3　实战案例分析 // 145
3.3.1　应用场景 // 145
3.3.2　法律研究流程 // 146
3.3.3　方法论总结与建议 // 149
3.4　其他实例展示 // 150
第四章　AI法律咨询 // 158
4.1　功能概述 // 158
4.2　使用指南 // 159
4.3　使用示例 // 161
第五章　AI法律文书 // 167
5.1　功能概述 // 167
5.2　使用指南 // 168
5.3　实战案例分析 // 169
5.3.1　重构程序性法律文书撰写流程 // 169
5.3.2　使用AI 制作答辩状全流程 // 170
5.3.3　进阶法律文件：合同生成 // 172
5.4　其他提示词展示 // 176
第六章　AI协助法律学习 // 178
6.1　功能概述 // 178
6.2　使用示例 // 178
6.3　实战案例分析 // 188
第七章　AI助力个人营销 // 194
7.1　功能概述 // 194
7.2　实战案例分析 // 194
7.3　应用建议 // 196
第八章　法律大模型提示词模板 // 197
8.1　通用 // 197
8.1.1　法律研究 // 197
8.1.2　法律文书 // 198
8.1.3　法律分析 // 199
8.1.4　法律程序 // 200
8.1.5　法律术语 // 201
8.2　细分领域 // 201
8.2.1　合同 // 201
8.2.2　刑事 // 203
8.3　公司场景 // 204
8.3.1　公司经营 // 204
8.3.2　知识产权 // 205
8.3.3　劳动用工 // 206
8.3.4　合同文本 // 206
8.3.5　公司规章制度 // 208
第三部分 其他AI工具
第一章　内容创作与办公效率工具 // 209
1.1　PPT生成工具 // 209
1.1.1　AiPPT // 209
1.1.2　笔灵PPT // 210
1.1.3　讯飞智文 // 210
1.1.4　iSlide // 211
1.1.5　Gamma // 211
1.1.6　Mindshow // 212
1.2　写作与笔记工具 // 212
1.2.1　Effie——沉浸写作软件 // 212
1.2.2　幕布——极简大纲笔记 // 213
1.2.3　Flomo——卡片式笔记 // 214
第二章　商业信息与数据分析工具 // 215
2.1　工商查询工具 // 215
2.1.1　天眼查 // 215
2.1.2　企查查 // 215
2.1.3　启信宝 // 216
第三章　语言处理与翻译工具 // 217
3.1　翻译工具 // 217
3.1.1　大模型翻译 // 218
3.1.2　DeepL // 221
3.1.3　沉浸式翻译 // 221
3.2　录音转文字 // 222
3.2.1　讯飞听见 // 223
3.2.2　飞书妙记 // 223
第四章　知识管理与团队协作工具 // 225
4.1　协同笔记与知识库 // 225
4.1.1　飞书文档——协同办公笔记软件 // 225
4.1.2　Notion——个人知识库管理 // 227
4.1.3　思源笔记——双向链块式笔记 // 229
4.2　任务管理 // 231
第五章　AI助手与智能平台 // 233
5.1　知识库 // 233
5.1.1　Ima copilot // 233
5.1.2　Flowith // 234
5.2　通用AI助手 // 235
5.2.1　Chatbox // 235
5.2.2　CherryStudio // 236
第四部分 AI安全伦理
第一章　数据隐私与安全 // 237
1.1　信息泄露与隐私侵犯 // 237
1.1.1　数据收集阶段 // 237
1.1.2　模型训练阶段 // 241
1.1.3　模型推理阶段 // 241
1.1.4　数据存储阶段 // 245
1.2　数据质量安全风险 // 246
第二章　模型偏见与歧视 // 250
2.1　训练数据中的偏见 // 250
2.2　模型输出中的偏见 // 252
2.3　如何确保人工智能的决策符合道德伦理 // 254
第三章　内容生成的误导 // 256
3.1　模型幻觉（Hallucinations） // 256
3.1.1　模型幻觉的主要类型 // 256
3.1.2　模型产生幻觉的原因 // 257
3.2　恶意利用 // 258
3.3　信息操纵和传播 // 260
第四章　透明度与可解释性 // 263
4.1　透明度要求 // 263
4.1.1　定义与概念 // 263
4.1.2　透明度要求的具体内容/内涵 // 264
4.2　“黑箱问题” // 267
4.2.1　什么是“黑箱问题”？ // 267
4.2.2　“黑箱问题”的成因 // 268
4.2.3　“黑箱问题”带来的挑战 // 269
4.2.4　应对“黑箱问题”的研究方向 // 273
第五章　大语言模型责任归属 // 276
5.1　错误输出的责任 // 276
5.2　预测准确性与法律风险 // 278
5.3　知识产权与数据使用 // 280
5.4　隐私和数据保护 // 282
第六章　人工智能引用规范 // 285
6.1　中国 // 285
6.2　美国 // 285
6.3　欧盟 // 286
6.4　其他国家协会规则 // 286
第七章　用户行为规范 // 287
7.1　律师 // 287
7.1.1　防止AI幻觉 // 287
7.1.2　杜绝偏见问题 // 287
7.1.3　杜绝证据伪造 // 287
7.1.4　能力与勤勉义务 // 288
7.1.5　征求客户知情同意 // 288
7.1.6　保密义务 // 288
7.1.7　对律师代理人负责 // 288
7.1.8　费用问题 // 288
7.1.9　符合法律规范 // 289
7.2　司法人员 // 289
7.2.1　理解生成式人工智能及其局限性 // 289
7.2.2　不得转授司法职能 // 289
7.2.3　对生成内容负责 // 289
7.2.4　维护知识产权 // 290
7.2.5　信息保密 // 290
7.3　普通用户 // 290
7.3.1　理解生成式人工智能及其局限性 // 290
7.3.2　维护机密和隐私 // 290
7.3.3　确保信息准确性 // 290
7.3.4　注意道德问题 // 291
7.3.5　披露生成式人工智能的使用 // 291
7.3.6　符合法律法规 // 291
行业趋势篇
第一部分 法律AI市场
第一章　生成式AI产品介绍 // 295
1.1　国外知名通用模型 // 295
1.2　国内知名通用模型 // 298
第二章　法律科技市场简述 // 308
2.1　当前国内法律科技市场概述 // 308
2.1.1　大语言模型国内算法备案情况 // 308
2.1.2　国内法律科技市场现状 // 311
2.1.3　主要公司及产品介绍 // 313
2.2　国际上的法律大模型 // 317
2.2.1　国外法律大模型概览 // 317
2.2.2　代表性产品 // 317
第二部分 数智化转型道路
第一章　律师事务所如何把握转型先机？ // 323
1.1　整体趋势 // 325
1.2　转型内容 // 327
1.2.1　组织管理的数智化转型 // 327
1.2.2　业务流程的数智化转型 // 328
1.2.3　市场拓展的数智化转型 // 329
1.2.4　客户服务的数智化转型 // 330
1.3　应对策略 // 331
第二章　组织架构的优化方向 // 333
2.1　传统律师事务所的管理体制及逻辑 // 333
2.1.1　律师事务所组织架构发展 // 333
2.1.2　国内的律师事务所组织架构 // 335
2.1.3　法律服务的传统价值定位 // 336
2.2　数智化律师事务所团队的管理架构 // 337
2.2.1　数智化时代法律服务的价值定位 // 337
2.2.2　数智化时代律师事务所组织架构初探 // 338
2.3　数智化律师事务所团队的管理架构 // 340
2.3.1　组织架构变革方向 // 340
2.3.2　组织架构具体内容 // 341
第三章　数据资产走向数智化 // 343
3.1　律师事务所数据资产的定义 // 343
3.2　建立数据资产的优势 // 344
3.3　律师事务所为何需要建立数据资产？ // 345
3.4　如何建立数据资产 // 346
第四章　DeepSeek视角下律师业务与客户关系重构 // 348
4.1　AI技术法律服务市场的影响 // 348
4.2　AI技术重构律师竞争力 // 349
4.3　AI重塑律师案源与客户关系 // 350
4.4　应对AI浪潮，律师行业的应对与行动 // 352
参考学习资料 // 354
结束语 // 360
法律/免责声明 // 361

前 言
当科技的浪潮不断涌来，法律领域也在悄然发生着深刻的变革，法律大语言模型的出现为我们处理复杂的法律问题提供了新的思路和方法。它凭借强大的语言理解和生成能力，能够迅速为用户提供准确、全面的法律解答和建议。然而，对于许多人来说，这一新兴技术仍然充满了神秘与未知。得理科技敏锐地捕捉到这一时代趋势，联合中国科学院深圳先进技术研究院-得理法律人工智能实验室倾心编写了《法律人的AI通识课——法律AI大模型使用指南》。这本指南的诞生，正是为了揭开法律大语言模型的神秘面纱，让更多的人能够了解、掌握并运用它。
本手册旨在为法律从业者提供一份全面而实用的指南，帮助读者了解法律大语言模型的基本原理、应用场景及相关风险。指南中的内容既有理论高度，又注重实操，适合不同层次的读者阅读使用。对于刚接触法律大语言模型的读者，本指南可以作为入门指南；对于已经在使用相关技术的读者，本指南则可以作为进阶参考。
本指南共分为三大部分：基础篇、实战篇以及行业趋势篇。第一部分基础篇介绍了大语言模型的基本概念、工作原理、训练方法、技术发展等基础知识，帮助读者建立基本认识。同时阐述了该技术在法律领域目前常见的应用场景，帮助读者了解这一技术在法律领域的具体应用。第二部分实战篇提供了大量实操指南，包括提示工程、场景化实务指南等，为读者提供直接可用的实践经验。另外还介绍了当前市面上的多类AI工具，帮助读者了解、选择和使用合适的提效工具。最后则详细讨论了使用法律大语言模型过程中可能遇到的数据安全、隐私保护、伦理道德等问题，并提供了相应的解决方案与当下常见的用户行为规范。第三部分行业趋势篇介绍了国内、国际的法律AI市场发展现状，同时探讨了AI驱动下法律行业即将迎来的变革，为法律从业者指引法律服务数智化转型道路。最后的参考学习资料汇总了相关的技术文献等资料，为读者进一步学习提供参考。
本指南采用循序渐进的结构编排，从基础理论到实际应用，从技术原理到伦理规范，力求全面涵盖法律大语言模型应用的各个方面。读者可以根据自身需求选择性阅读，也可以将其作为案头工具书，在实际工作中随时查阅参考。
我们希望这本指南能够成为读者了解和使用法律大语言模型的得力助手，帮助法律从业者在人工智能时代更好地开展工作。同时，我们也欢迎读者对本手册提出宝贵意见，帮助我们在未来做得更好。让我们一起开启法律大语言模型的奇妙之旅，为法律领域的发展注入新的活力。