说实话，刚用大模型写法律文书那会儿，我差点把键盘砸了。

不是它笨，是太“聪明”了。聪明到让你觉得它在忽悠你。

上周，我让助手帮我整理一份关于“不当得利”的案例分析。输入提示词很简单：基于民法典第九百八十五条，写个两百字的判例解析。

三秒钟，文章出来了。

结构完美，引用法条准确，连标点符号都挑不出毛病。看着挺像那么回事，我顺手发给了带我的合伙人。

五分钟后，电话来了。语气很冷：“这案子是2019年的，你引用的司法解释是2021年修订后的，时效性搞错了。还有，这个案例里‘善意取得’和‘不当得利’竞合的处理逻辑，你根本没理清。”

我低头一看，冷汗下来了。

它确实引用了正确的法条，但它不懂“语境”。它把不同年份的司法解释混在一起，拼凑出一篇看似专业实则空洞的文章。这就是现在很多人用chatgpt法学文章时最大的误区：把它当搜索引擎，而不是律师助理。

大模型不是万能的，它没有法律人的直觉，也没有对案件细节的敬畏心。

后来我摸索出一套“人机协作”的笨办法，虽然慢点，但靠谱。

第一步，喂给它“干净”的素材。

别再让它去网上瞎搜案例了。我会把判决书的核心事实、争议焦点、法院的裁判理由，手动提炼成几百字的要点，直接丢给它。

比如：“原告甲转账给被告乙，无合同依据，乙主张是赠与但无法举证。请基于此事实，分析是否构成不当得利。”

这时候，它的逻辑链条就清晰多了。

第二步，强制要求它“引用来源”。

我在提示词里加了一句：“如果不确定，请标注‘需核实’，严禁编造法条序号。”

这招很管用。它开始变得谨慎，虽然有时候还是啰嗦，但至少不敢乱来了。

第三步，人工复核“情绪”和“立场”。

大模型写的文章，往往四平八稳，像个没有感情的机器。但法律文书，尤其是代理词，是需要立场的。

我会让它先写一个中立版，然后我再根据客户利益，调整措辞。比如，把“被告可能存在过错”改成“被告未尽到合理注意义务，存在明显过错”。

这种细微的差别，机器很难把握，但律师一眼就能看出来。

我有个同事，之前特别依赖AI，觉得能省一半时间。结果上个月，他在一份股权纠纷的文书里，把“连带责任”写成了“按份责任”。

虽然客户没发现，但他自己吓出一身汗。

他说：“那一刻我才明白，AI能帮我查资料、理逻辑、润色文字，但它不能替我思考。法律的魅力，恰恰在于那些模糊地带的判断，而不是非黑即白的代码。”

所以，别指望chatgpt法学文章能直接出成品。

把它当成一个读过很多书、但缺乏社会经验的实习生。

你给指令，它给草稿。你把关，它修改。

在这个过程中，你会发现自己对法律的理解更深了。因为你要不断地纠正它的错误，不断地完善它的逻辑。

这其实是一种反向学习。

现在，我依然每天用大模型。但它不再是我的“代笔”，而是我的“磨刀石”。

写累了的时候，让它帮我生成几个反驳观点，或者梳理一下类案检索的关键词。效率确实高了，但核心判断，永远掌握在自己手里。

记住，法律不是文字游戏，是权利义务的现实映射。

机器不懂人心，但你可以。

所以，下次再用AI写文书前，先问问自己：我真的需要它吗？还是我只是想偷懒？

如果是后者，建议多读两遍判决书。

如果是前者，记得加上那句“需核实”。

毕竟，在这个行业，靠谱比快更重要。

希望这篇碎碎念，能帮你少走点弯路。

毕竟，咱们都是靠脑子吃饭的，别把脑子交给算法。