AI落地Best Practice · 企业与业务成品 · 2025-07-02

超级干货,秒变大神|三个底层认知帮你AI应用效果提升300%

掌握这三个AI应用底层认知,让你的工作效率提升300%,告别"人工智障"时代!

核心内容:

  1. 专业知识工程:将法律知识转化为AI指令的核心方法论
  2. 可信数据源建设:确保AI检索结果准确可靠的关键
  3. 注意力容量管理:优化人机对话效率的实用技巧

在之前的系列文章中,我们已经完成了对于AI时代合同审核、法律检索这两大基础法律实务技能的应用探讨。(实际上,「合同审核」和「法律检索」对应的是AI文本理解/生成、AI检索这两项基本功能。)

今天我们再来总结一下这些AI 协作中的共性诀窍,聊聊三个可以帮助你大幅提升AI应用效果,把“人工智障”变成真正“人工智能”的「认知」。

当然我个人可能更倾向于称之为“AI时代的基本常识”——这些真的不是多么高深的技术要点或者深刻思维,就只是类似于“蛋炒饭用隔夜的米饭炒出来更好吃”的简单小tips而已。

本文内容包括:

  1. 认知一:「专业知识工程」与提示词工程
  2. 认知二:「可信数据源」与法律检索、知识库建设
  3. 认知三:「注意力容量」、对话与智能体
  4. 延伸|假如再让AI发展十年,律所/律师的核心壁垒是什么?
  5. AI法律应用系列终极彩蛋

1.「专业知识工程」

1.1 什么是专业知识工程?

引用KC律师(AI律师实验室的联合创始人及首席AI布道师)的表述:

专业知识工程是将法律专业知识转化为有效的AI指令的方法和技术,这些AI指令可以指导AI模型执行法律任务。专业知识工程的主要步骤是:

·提炼法律专业知识

·转化提炼后的专业知识为AI指令集

·检验AI指令的效果

·改善法律专业知识/AI指令

我是KC,公众号:KC的AI实验室法律人使用AI的正确方式:别想“训练”,更别“提问”,请您“指令”

1.2 专业知识工程和提示词工程有什么区别?

提示词工程是指研究各种更优化的提示词编写技巧、提示词结构,来获取更高质量的AI输出结果。

相信大家也经常刷到各种《法律人必学提示词XX》《DeepSeek+法律,26个常用提示词(建议收藏)》……之类的文章。

专业知识工程和提示词工程存在交叉之处(实际上专业知识工程可以视作一种特殊类型的提示词构造思路),二者的主要差别在于:

1.3 为什么法律场景更适合专业知识工程而非提示词工程?

因为法律专业知识具有更强的专业性、严谨性、时效性要求,AI大模型训练中使用的互联网数据,并不足以使AI具备足够的法律专业能力。

大家可以将AI近似的视作一个靠互联网自学成才的实习生,ta很擅长百度网上的各种公开信息,但是没有接受过完整的专门法学训练。这样一位互联网毕业的实习生同学所理解的“法律”和各种“法律概念”,和法律实务中所要求的各种法律概念大概率是不一致的。

如果你在向其交付任务时,不提供必要的背景知识信息,以锚定双方使用的“概念”在同一语境,同一内涵,则即使再完善的工作步骤(提示词)也可能会出现驴唇不对马嘴的情况。

尤其当你要求AI完成一项它并不具备相关知识的工作时,AI往往就会选择“编造”一个像模像样的答案出来。

相反,在让AI完成法律相关工作时,给出足够清晰明确的方法步骤和相关所需知识(包括法律知识和业务知识),就是一种非常有效的AI输出物质量提升方法。

1.4 是否用专门的法律数据训练出法律专业AI大模型,就不需要专业知识工程了?

这里不去谈专业法律AI大模型是否可行,是否有必要的问题,实际上随着AI技术发展,我们会发现通用的AI大模型也越来越懂法律。

但AI的本质是用大数据训练出来的对于“下一个字”的概率预测机,换句话说即使这种概率预测再精确,实质上AI具备的都是通过大数据获取的一种“语感”。

所以要想更好发挥出AI的这种“语感”,我们始终需要向AI提供足够清晰、明确的“语境”——即使仅在法律内部,同一语词在不同语境、不同领域、不同时间下也可能具备不同的含义,而提供当下相关的专业知识就是一种锚定语境,从而避免“谈话不在一个维度”,减少幻觉的最佳方式。

1.5 有了DeepSeek R1等推理大模型,是否还需要专业知识工程?

DeepSeek R1等推理大模型现世之后,研究者们发现比起说清目标后让AI自由推理发挥,人类输入的提示词反而会降低AI的输出结果表现。

也就是说,绝大多数时候,与其人类通过提示词工程教AI做事,不如让AI自己“深度思考”效果更好。

那么推理AI是否还需要专业知识工程?

答案是提炼出的法律专业知识,依然可以提升AI输出的准确性,减少幻觉率。

以DeepSeek R1为例,一般会发现R1在只开启深度思考时,因为训练数据只到2023年,所以幻觉很严重,准确度一般;但是如果同步打开联网模式,让R1可以基于网络搜索到的信息进行回答,则会显得聪明很多。

此时,专业知识工程就是在特定的法律任务场景中主动向R1提供背景知识,以此来替代R1自己上网搜索,从而进一步提升R1的工作表现。 (毕竟法律场景中,网络信息中存在着大量的谬误)

1.6 有没有专业知识工程应用的具体示例?

具体示例可参见:《审查清单|最实用高效的AI审合同方案及清单知识管理智能体分享》这里面的审查清单就是一种特定合同审核任务场景的“专业知识”,有没有合同审核清单,AI审核的质量效果可谓是天壤之别。

同时,让实习生完成某项工作任务时也是一样,比起直接丢一个SOP操作步骤就让实习生上手干,先和实习生对齐相关背景知识,再按步骤完成,显然可以大幅减少出岔子的可能性。比如《一个指导实习生用AI审核合同的prompt》,思路就是指引实习生自行研究调研,然后与主办律师对其知识、方案后再开展工作。

而《实机演示&纯干货|用deepseek审合同的真实完整工作流教学》其中主要部分也是通过前置的检索来获取足够的特定合同审核专业…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/neirongchuangzuo/2025070281596.html