系列：法律科技

不需要成为专家，只需要知道：这玩意儿是干什么的、能帮我省什么事、用在什么场景。

上个月有个同行跟我说：你们整天说Agent、RAG、MCP，我一个都听不懂。我说你不是一个人。这些词就是AI圈的行业黑话，隔行如隔山。

Part 01

一、基础篇：先搞懂这几个

Scene 01

Token

学术定义：大语言模型处理和生成文本的最小语义单元，可以是单词、子词或字符。

翻译成人话：AI认识世界的基本单位。一个字、一个词或者一个标点，拆成最小的“积木块”，就是Token。

怎么算的：中文平均一个字1-2个Token，英文平均一个词1-2个Token。你用AI写一篇2000字的判决摘要，大概消耗3000-4000个Token。

法律人需要知道：

• Token = 钱。现在大部分AI按Token收费，输出比输入贵
• Token = 窗口。AI一次能处理的Token总数有限（叫“上下文窗口”），就像你的办公桌就那么大，文件太多放不下
• 处理一份50页的合同，大约需要15000-20000个Token。知道这个数字，你就知道什么样的文件AI能一次读完，什么样的需要分段

Scene 02

Prompt

学术定义：用户向大语言模型输入的指令文本，用于引导模型生成特定输出。

翻译成人话：你跟AI说的话。你问“加州竞业限制协议的效力如何”，这句话就是Prompt。

法律人需要知道：

• Prompt的质量直接决定答案质量。同一个法律问题，“这个合同有什么风险”和“按照《民法典》合同编，逐条分析这份采购合同的违约责任条款，指出对我方不利的地方并给出修改建议”——后者得到的答案质量完全不同
• 好的Prompt = 好的案件简报：事实+法律问题+要求+格式

Scene 03

Token + Prompt的关系

用法律工作来类比：

Prompt是你交给助理的案件摘要和指令，Token是助理处理这份文件时消耗的脑力和时间。你给的指令越清晰，助理的脑力浪费越少，结果越好。

Part 02

二、能力篇：AI凭什么能用

Scene 01

RAG（检索增强生成）

学术定义：Retrieval Augmented Generation，一种结合信息检索与文本生成的技术架构，先检索相关知识库，再以此为基础生成回答。

翻译成人话：AI不靠“死记硬背”回答问题，而是先“翻书”，再回答。

为什么需要RAG：AI有幻觉——它会编造法条、编造案号。RAG就是治这个的。AI回答你的法律问题之前，先去数据库里查一下相关法条和判例，把查到的真实信息作为依据，再组织答案。

法律人场景：

• 你问“北京地区2024年竞业限制纠纷的最新裁判观点”，AI先去数据库检索相关判决 → 读取真实案例 → 归纳裁判观点 → 告诉你结果
• 每一步都有来源可追溯，不是AI凭空编的

RAG = 给AI配了一个法律检索助理。 你先问，助理先去书架上翻书，翻到了再告诉你。

Scene 02

Agent

学术定义：具备自主感知、规划、决策与行动能力的大语言模型系统，能够调用外部工具完成复杂任务。

翻译成人话：AI不只是回答问题，而是能自己干活——你要的是一个结果，不是一个答案。

AI vs Agent：

• AI： 你问“这个合同有什么风险”，它给你一段分析文字
• Agent： 你告诉它“审一下这份合同”，它会自动打开合同文件 → 逐条分析 → 对比你的实务画像 → 输出带风险等级的审查报告 → 生成修改建议函

法律人场景：

• 传统AI：你问一条法条，它告诉你内容
• Agent：你告诉它“帮我查一下对方公司的工商信息、涉诉记录和行政处罚，出一份尽调报告”，它自动调企业数据库、裁判文书库、行政处罚记录，整合输出一份完整的报告

Agent = 一个能自己干活的法律助理。 你不用手把手教每一步，告诉它要什么结果就行。

Part 03

三、连接篇：AI怎么接上法律数据库

Scene 01

MCP（模型上下文协议）

学术定义：Model Context Protocol，Anthropic于2024年底发布的一种开放标准协议，用于在AI模型与外部数据源、工具之间建立标准化的双向通信接口。

翻译成人话：AI和外部数据库之间的“USB接口”。插上之后，AI就能直接读写外部数据。

为什么需要MCP：AI本身是“封闭”的——它只知道自己训练时学过的知识，看不到外面的世界。MCP就是给它开了一扇窗。接上CourtListener MCP，它就能直接查900万+美国判例；接上元典MCP，它就能直接查中国法律法规。

法律人场景：

• 不用MCP： 你问“民法典第584条”，AI靠记忆回答（有可能编错）
• 用MCP： AI通过MCP协议，直接去中国法律数据库查询民法典第584条原文，返回准确内容

MCP = 给AI配了一个有求必应的图书管理员。 你要哪本书、哪个条文，它马上去书架上拿，而不是凭记忆给你画一本。

Scene 02

Harness（驾驭工程）

学术定义：Harness Engineering是指围绕AI Agent构建约束机制、反馈回路、工作流编排与持续改进循环的系统工程实践，是大模型之外完整的外壳体系。

翻译成人话：AI不是“裸跑”的。它需要一套“安全系统”——就像一匹好马需要缰绳、马鞍和训练。Harness就是这套东西。

核心公式：AI Agent = 大模型 + Harness Engineering

类比：

• 大模型 = 一匹力大无穷但野性难驯的烈马
• Harness = 全套马具
   + 赛道 + 交通规则 + 刹车系统
• 你 = 骑手
  ，只需要掌舵定方向

法律人需要知道：Harness决定了AI靠不靠谱。Anthropic做过实验：同一个AI模型，裸跑效果很差；套上Harness体系后，效果大幅提升。所以选AI工具不要只看“底层模型强不强”，还要看它外面那套“Harness”做得好不好。

Scene 03

Skill

学术定义：一种封装了特定领域知识、工作流指令和工具接口的可复用Agent能力包。

翻译成人话：一个“AI技能包”。装上之后，AI就会干某类活了。

法律人场景：

• 装上 commercial-legal（商事合同审查技能包），AI就会审合同
• 装上 litigation-legal（诉讼技能包），AI就会帮你写起诉状
• 装上 guizang-social-card-skill（配图技能包），AI就会给你生成小红书卡片

Skill = 给AI买的法律实务教材和工具包。 不装这个包，AI只是一个聪明的大学毕业生；装了这个包，它就像在律所实习了一年的律师助理。

Scene 04

SDD（规格驱动开发）

学术定义：Spec-Driven Development，在AI动工前先编写结构化规格文档，定义系统的意图、边界、契约和验收标准，然后驱动AI按规格执行。

翻译成人话：先画图纸，再施工。 不让AI自己决定“什么是对的”——你在开始之前就把标准定好。

法律人类比：就像你做法律研究——先确定法律问题框架、检索范围和分析方法，然后再开始检索和分析，而不是盲目地看一堆资料再想要怎么写。

Part 04

四、整合篇：这些东西怎么配合的

用一个法律场景把这些概念串起来——你是一位做商事诉讼的律师，收到一份200页的采购合同需要审查。AI工具链这样工作：

1. Prompt： 你告诉AI“按我方立场审查这份采购合同，重点看违约责任和赔偿上限”
2. Agent： AI不只是回答问题，而是自动调度全流程
3. Skill： AI使用专门的商事合同审查技能包，知道审合同的标准流程和常见风险点
4. RAG： AI先去数据库检索相关的民法典条文和类案判例
5. MCP： AI通过MCP协议，直接连接元典数据库查询中国法律，连接CourtListener查美国判例
6. Harness： AI的整个工作流程有约束、有审核、有验证，确保输出质量
7. Token： 处理200页合同消耗的Token数量决定了成本
8. SDD： 系统在处理前已经定义了“什么是一份合格的审查报告”的标准

Part 05

五、一张表总结

这些概念不是黑话，是法律人理解AI的坐标系。 弄懂它们，你就能听懂AI圈在说什么，也能判断哪些AI工具对你的法律工作有价值、哪些只是噱头。

法律AI的差距不在技术，在信息差。

Part 06

📚 参考文献

• Model Context Protocol 官方文档 - Anthropic
• Harness Engineering: Leveraging Codex in an Agent-First World - Ryan Lopopolo
• SDD：Spec-Driven Development 概念解析
• Anthropic - Claude for Legal 官方文档
• 检索增强生成（RAG）技术详解

⚠️ 免责声明：本文内容仅为提供信息之目的，不构成法律建议。读者在采取任何法律行动前，应咨询持有中华人民共和国律师执业证书的专业律师。本文作者及平台不对因依赖本文内容而导致的任何损失承担责任。