唐浩律师
建纬（昆明）律师事务所合伙人
本文记录了唐浩律师通过 AlphaClaw 构建本地知识库、创建自己的 Skill，并使用 Skill 对一份真实的一审判决书进行上诉可能性分析的全过程。
我们希望通过唐浩律师的分享，让更多律师理解 AlphaClaw 在法律场景下的应用，更多地将 AI 融入到律师的实务工作中。
以下为唐浩律师的演示记录详细实操过程。
构建本地知识库
这是我真实使用的业务资料文件夹，其中有我多年以来形成的知识积累。
如何从众多文件、法规和著作中精准提取问题的答案，变得非常重要。如果能够建立这样一个功能，快速识别我们的问题，并找到对应的答案，对工作效率的提升会很大。
我以《最高人民法院关于审理执行异议之诉案件适用法律问题的解释》这一文件为例，展示如何将其加入我的个人知识库。
AlphaClaw 在技术框架、大模型能力和记忆检索等方面，针对法律工作场景进行了优化，大大简化了构建知识库的步骤。
我们只需要将这部司法解释拖入 AlphaClaw，并输入命令即可：
“一、对该司法解释进行深度学习；二、完成向量化，纳入本地知识库；三、确保可以进行语义检索，并写入长期工作记忆，确保后续持续生效。”
点击发送后，AlphaClaw 就会开始进行内容提取，并深度学习、向量化入库、写入长期记忆等一系列工作。
向量化，可以理解为把法规、书籍等资料转换成 AI 能够识别和理解的数字形式。这样一来，AI 不仅能按照关键词查找，还能理解问题的实际含义。
比如，我们提问“工程款抵作购房款能否排除强制执行”，即使资料中没有完全相同的表述，AI 也可以找到与“以房抵债”“购房款支付”“执行异议”相关的内容。
完成向量化后，就为后续的自然语言检索、理解和成果生成做好了准备。
相应的学习成果写入长期记忆，则意味着即使跨越不同对话，我们在后续任务中也可以继续调用和使用。
我们来看 AlphaClaw 生成的深度学习报告。报告形成了一份思维导图，其中包括比较详细的法条拆解、深度解析等内容。
接下来，我们输入一个实际问题，测试一下它的学习效果。
“工程款债权人与开发商约定，将工程款与购房款相互抵销。在这种情况下，能否视为购房款已经支付？能否排除开发商其他债权人的强制执行？”
AlphaClaw 认为这是一个比较复杂的问题，因此进一步询问，“两款互抵”具体是指哪一种形式，并分别给出了模式 A、模式 B 和模式 C。
我们选择模式 C，AlphaClaw 随即针对模式 C 进行了非常详细的分析，并形成了一系列问答。
相应的分析路径、关键卡点以及后续风险提示等内容，也都给到了我们。
从结果来看，对于执行异议之诉实务中较为复杂的问题，以及司法解释涉及的相关疑难情形，AlphaClaw 在完成学习后，能够较为深入地理解和掌握这部司法解释。
此后，即使我们暂时无法直接检索到相关法条，也可以通过向知识库提问，快速获得需要的分析成果。
我们还可以逐步把自己收集的法律法规、理解与适用资料，包括人民法院的相关培训教材、专业书籍等，交给 AlphaClaw 进行识别和学习，逐步建立自己的本地知识库。
需要强调的是，由于 AlphaClaw 本身已经接入了 Alpha 法律大数据库，包含超 1.9 亿案例和 600 多万法规，使用时可直接调用并一键跳转，律师使用 AlphaClaw 时，无需重复上传平台已经覆盖的案例法规资料，可以重点补充个人长期沉淀的文件和业务材料。
创建 Skill：以“一审判决上诉可能性分析”为例
接下来，我以“一审判决上诉可能性分析”为例，来看如何创建一个自己的 Skill。
第一步，我们先在 AlphaClaw 对话框中输入明确的创建要求。对于 AlphaClaw 来说，给出的工作要求、权限和边界越明确、越具体，最终完成工作的效果就会越好：
“我要创建一个 Skill，主要功能是对一审判决的上诉可能性进行分析，需要实现对一审判决书的分析，并输出上诉策略、上诉成功率和上诉工作清单。
请根据前述要求搭建 Prompt 工程，为大模型提供具体的规则定义和示例。首先，请给出整体设计思路、具体操作步骤和最终成果形态。”
点击发送后，可以看到，AlphaClaw 很快就对这个任务进行了详细分析，并给出了进一步的追问。
通过这些追问，我们实际上可以进一步理清自己的思路和工作要求。接下来，我们回答 AlphaClaw 提出的深度问题：
把这些要求进一步细化之后，AlphaClaw 就可以为我们创建出比较好用的 Skill。
首先，它呈现了整体设计思路。
我们可以看到整个工作的步骤，以及 AlphaClaw 对这个 Skill 的设计逻辑。如果其中有与我们要求明显不符的地方，或者出现明显的逻辑冲突，我们就可以进行相应的提示和修改。
完成整体分析后，AlphaClaw 展示了具体的操作步骤、核心 Prompt 工程以及最终的输出成果。
完整的工程设计方案形成后，还需要我们进行确认。整个方案总体没有问题，我们点击发送，要求 AlphaClaw 开始创建相关 Skill。
现在可以看到，Skill 已经全部创建完成，并对交付成果进行了总览。整个 Skill 总共有十七个模块，包括角色定义、输入协议、结构化提取引擎等，一直到最终的成果输出。
这时我们先不急着测试，可以用一个小技巧对 Skill 进行优化。我们输入：
“请对该 Skill 进行核查，判断是否存在逻辑错误或实际操作中的矛盾。”
AlphaClaw 随即开始对 Skill 进行排查，并发现了不少问题。
我们可以要求它对这些问题进行全部修复，相关命令可以分成两步。
第一步：“请修复全部发现的问题。”
第二步：“修复后，请再次仔细核查该 Skill 是否存在逻辑错误或实际操作中的矛盾。”
可以看到，AlphaClaw 已经开始进行相关修复，而且整个过程都是清晰可见的。最终，它完成了相关问题的修复，并进行了交叉一致性检查。
除了自行创建 Skill，律师也可调用 AlphaClaw 中已有的官方自研或律师共享的高品质 Skill，更便捷地借助技能完成多步骤的复杂法律任务。
用真实案件进行验证
下面，我们就通过 AlphaClaw 加载上述 Skill，对一份判决书进行快速分析。为了确保整个演示的真实性，我们选取了一份可以在 Alpha 系统中找到的河南省高级人民法院一审建设工程判决书。
案件双方是中建二局和洛阳中迈置业有限公司，案由是建设工程施工合同纠纷，这类案件在实践中通常比较复杂。
首先，我们将这份判决书的 PDF 文件拖入 AlphaClaw 对话框，并输入工作要求：
“这是一份一审判决书。请启用‘一审判决上诉可能性分析’Skill，对该判决进行深度分析。分析报告要专业、严谨，同时用语要直击重点、接地气、说人话，便于理解。”
点击执行后，AlphaClaw 开始读取判决书，同时查找并调用分析 Skill，自动开展相关工作。
在 Skill 的分析工作正式启动前，AlphaClaw 询问了我们所代理的立场和分析角度。我们输入相应的代理立场后，AlphaClaw 开始自动执行后续工作。
在 AlphaClaw 工作期间，还会给出阶段性反馈。这样的用户界面比较友好，可以让我们随时了解任务的执行进度。
随后整个报告便生成完毕。
首先，AlphaClaw 对核心结论进行了概览性总结。在第一阶段，它识别出了十二个可以上诉的错误点，并列出了当前最紧急的事项，同时给出了相应总结。
此外，AlphaClaw 给出的报告全文分析非常详尽，多达 3.3 万字，并以 Markdown 文件的形式呈现，便于在不同智能体 Agent 之间转发和读取。
我们在对话框中输入以下指令，即可获取 Word 版方便分享给客户或同事。
“保留该分析报告的 Markdown 文件，同时生成一份 Word 格式的分析报告，保存至桌面文件夹。”
不到一分钟，Word 版本的文件已经在桌面生成。同时，AlphaClaw 还对文档进行了初步排版，内容长达四十多页。
报告中还包括二审裁判结果预判、一审程序审查和上诉工作清单等内容。其中，上诉期限等紧急事项也被作为重点进行了提示。
以上是我用 AlphaClaw 构建知识库、创建 Skill、使用 Skill 完成案件分析的全流程，各位可以参考我的思路，根据实际需求使用 AlphaClaw 完成相关任务。
结语
以上是唐浩律师应用 AlphaClaw 的全流程记录。从他的分享可以看出，AlphaClaw 已经不只是最初阶段的聊天机器人，而是进化为可以执行实际律师工作中多类任务的智能体。
它可以成为一个能够走进律所、知识完备、情绪稳定、效率极高、7×24 小时在线的数字员工，随时响应律师的工作要求，并及时反馈工作成果。
作为法律人专属 AI 数字员工，AlphaClaw 主要具备四项核心能力：
1、AlphaClaw 能调用 Alpha 法律大数据、AlphaGPT 等专业法律工具。
AlphaClaw 背后是 iCourt 沉淀十余年的 Alpha 超 6 亿法律大数据和 AlphaGPT 垂类专业 AI 能力。
它能够根据律师的工作需求，准确调用相应工具及第三方应用，完成法律检索、资料分析、文书写作、文件处理等复杂实务工作，直接回答问题并交付成果。
2、AlphaClaw 持续更新法律人必备 Skill，专业能力持续拓展。
13 年来，共有 124 个官方机构、近 2 万家律所、300 多家法务部、数十家知名高校，总计 30 万法律人成为 iCourt 软件用户。
这些合作机构和广大校友，都可以和 iCourt 法律 AI 研究院一起，共创优质 Skill 并分享在 AlphaClaw 的技能商店中，持续拓展律师的专业能力。
3、AlphaClaw 具备法律人的专属记忆，并能在工作中持续复盘。
AlphaClaw 能够通过长期记忆、上下文理解、专业积累和持续优化，逐步熟悉律师的专业领域、工作习惯和业务场景，提供更加稳定、连续和个性化的智能协作体验。
4、AlphaClaw 能够设置定时任务，主动推进律师的日常工作。
AlphaClaw 可根据预设时间或触发条件，自动执行信息检索、案件跟踪、工作提醒和内容汇总等任务。
依托长期记忆与案件上下文，每项任务都能结合律师当前的工作内容生成个性化结果，而不只是完成简单的定时提醒。
本月，AlphaClaw 将全面开放。
扫描下方二维码，提前了解更多产品资讯。
