11月8日，由中国计算机学会（CCF）主办的CCF计算法学分会第五届学术年会召开。华宇元典董事长、总经理蔡建军以《法律科技产品的价值创造》为题作了分享。他的问题很直接：大模型已经这么强，法律科技公司还应该做什么？
2026年2月：法律AI应用成效的拐点
蔡建军在现场展示了两组数据。
第一组是大模型token消耗方式的变化。以前，人们主要通过对话式应用使用大模型；2026年2月以后，以智能体方式消耗的token占比快速上升，到6月已超过50%。
第二组是各岗位使用智能体的用户增长。2月到6月，增长最快的是法律行业，财务、销售等知识型岗位紧随其后。
同一时期，全球调用量最大的几家模型厂商，包括Anthropic、OpenAI和谷歌，不约而同地在法律领域加大投入，有的推出插件，有的推出专门应用。
“我把2026年2月叫做法律科技产品和大模型应用成效的拐点。”蔡建军说，从这个时间点开始，人们使用法律科技产品和大模型的感受完全不同了。
两个思考角度：不确定性与可解释性
大模型能审合同、写文书、做法律研究。那么，哪些事模型自己就能做，哪些事需要法律科技公司来做？从两个角度回答这个问题。
第一个角度：控制不确定性。
从2022年11月ChatGPT出现至今，推动大模型应用成效的力量有两种。一种是模型能力本身的进步，其中国产模型已在全球占据独特位置。另一种讨论得较少，是使用模型的方法：从提示词工程，到检索增强，再到智能体。
“这些变化的本质，是我们对模型输出不确定性的控制。”蔡建军说。大模型的使用场景从闲聊、情感陪伴走向严肃工作，靠的不只是模型变强，也靠使用方法的进步。
法律工作对这种控制的要求更高。它复杂度高、与当事人利益密切相关、容错空间小，结果又难以校验。法律科技公司的一项核心工作，就是在法律场景中控制模型的不确定性。
第二个角度：法律需要知道结论从何而来。
华宇元典与清华大学法学院合作，为法学本科生和硕士生开设了一门AI课程，蔡建军讲授第一课“AI技术的历史和未来”（点击阅读）。备课时，团队梳理了通用AI、法律AI、中国法律AI过去70年的发展和主要论文。
强化学习先驱理查德·萨顿（Richard Sutton）总结过一条规律：在通用人工智能领域，把人的做事方法教给模型，最终往往不如给模型大量数据、依靠算力解决问题。人脸识别、图像识别和机器翻译都是这样。
法律有它的特殊之处：不仅要知道结论是什么，还要知道结论是怎么得出的。在蔡建军看来，法律AI一方面同样要靠数据和算力，另一方面还需要大量人类知识，用来解释结论如何产生，让AI在可信、可控的环境中发挥作用。
要做的三件事
基于这两个角度，蔡建军提出法律科技公司当下要做三件事：
1. 为法律领域的大模型和智能体提供基础设施；
2. 解决落地的“最后一公里”；
3. 建设法律知识模型。
现场他重点介绍了前两件。
基础设施之一：把专业方法变成Skill
审查合同先查什么？分析案件如何梳理请求权和构成要件？外国法查明要走哪些步骤？这些方法掌握在专业人员手中。把它们整理成智能体可以加载、执行的Skill，AI才能按专业的方式工作。
华宇元典汇集了全球优秀的法律Skill，并与国内头部律师、大型企业法务共同开发。目前，“法律元力”平台已发布法律研究、合同与交易、合规、知识管理、争议解决等九类场景的Skill，全部免费开放。任何个人或企业都可以下载与自己工作最接近的Skill，再根据自身业务深度加工。
蔡建军举了两个例子。
外国法查明实操助手。 上海金融法院近期发布了外国法查明的24条指引。华宇元典把这份文字指引做成了Skill，按“准备查明—整理意见—审查核验”组织工作流程。任何智能体加载后，都能在诉讼中按指引完成外国法查明。
请求权基础鉴定式案例分析。 这个Skill由一位大厂法务设计，把请求权基础、要件涵摄、核验报告等方法写成了可执行的流程。“我们在课堂上学到的法律方法论，也可以外化成Skill。”蔡建军说。它可以用来比较模型推理与人的推理有何差别，也可以帮助学生检验和复习课堂所学。
基础设施之二：为智能体提供法律数据
Skill是步骤和方法，属于程序性知识。法律工作还需要大量事实性知识：法条怎么规定，有没有类似案例，上市公司公告怎么写。过去，这些靠员工查数据库。
“既然今天工作的主体已经变成了agent，就应该有一套专门为agent设计的数据库。”蔡建军说。华宇元典为智能体打造了法律法规、案例研究、企业信息、证券合规等专用数据库，通过元典MCP接入。MCP可以理解为智能体直接调用外部数据库的接口。
使用方式很简单：无论用哪款智能体，只需告诉它“请接入元典MCP”。法条是否准确、案例是否真实、类案是否相似，交由专业数据来保证。用户不必再想关键词、翻检索结果、逐条筛选，提出问题即可。
蔡建军以Kimi为例作了演示。华宇元典是Kimi在法律数据领域的主要供应商。用户在Kimi中提出法律问题后，Kimi会自动检索元典的智能体专用数据库，几秒内找到二三十条相关法条和二三十份裁判文书，再据此生成回答。合作以来，相关调用量每月大幅增长。
华宇元典认为，这类基础数据服务应当面向大多数人免费提供。 功能上线后，团队做了三个月测试，统计用户的实际用量，最终确定：用量处于95%分位以下的用户，即绝大多数日常用户，都可以免费使用。
数据来源还在扩展。华宇元典与中国政法大学出版社合作，把出版社近三年出版的图书做成了可供检索的语料。想知道教材里如何论述合同无效，接入中国政法大学出版社的MCP后直接提问即可。
最后一公里：先选对场景
AI在法律领域落地，第一步是选场景。蔡建军给出两个标准：完成这项工作所需的知识是否充沛，结果是否容易校验。 据此可以把法律场景分成四个象限：
• 知识充沛、结果易校验：应当率先落地；
• 知识不充沛：先做知识工程，补齐规则与资料；
• 结果难以校验：在流程中加入人工校验；
• 两个条件都不具备：建议暂缓，换一个更合适的场景。
围绕这些场景，华宇元典推出了两类产品。一类是开箱即用的在线产品Amicus。另一类是与智谱合作推出的桌面端智能体AutoClaw-元典，引入了智谱为法律领域开发的专有模型GLM-5.3-FlashX-Legal，把大模型厂商的专有模型与元典的专业知识结合起来。
模型能力还在快速提升。蔡建军的回答是：法律科技公司的价值，在于控制法律场景中的不确定性，让每个结论都有据可查。具体要做的，是把专业方法写成Skill，为智能体提供可靠的法律数据，并选对落地场景。
