做法律科技这行七年，我见过太多人把大模型当神仙供着，结果用出一堆废话。今天不整虚的，直接告诉你chat law大模型怎么用在案子里，怎么让它帮你干活而不是添乱。看完这篇，你至少能省下每天两小时的文书时间。

先说个真事儿。上周有个做公司法务的朋友找我吐槽，说用AI写合同，结果把“违约金”写成了“违约京”，差点闹笑话。这其实不是模型笨，是你没教它规矩。大模型这东西，就像个刚毕业的实习生，聪明但毛躁，你得带着它干，不能甩手不管。

很多人问，chat law大模型到底强在哪？我觉得它最强的地方不是写判决，而是做“初筛”和“整理”。比如你手里有一堆乱七八糟的聊天记录、邮件、转账凭证，传统做法是打印出来贴墙上，现在你直接扔给模型，让它提取关键时间点和金额。这活儿它干得比人快，而且不出错，前提是你要给对提示词。

我一般这么用，分三步走。

第一步，清洗数据。别直接把原始文档丢进去。比如一份十页的庭审笔录，里面有很多口语废话。你得先让模型把“嗯、啊、那个”去掉，只保留实质性陈述。这一步很关键，垃圾进垃圾出，你喂给它什么，它就吐出什么。

第二步，设定角色和约束。别只说“帮我总结”，要说“你是一名资深刑辩律师，请根据以下材料，找出控方证据链中的三个逻辑漏洞，并用表格形式列出”。你看，角色越具体，输出越精准。我试过，加上“引用原文页码”这个要求后，模型的幻觉率直接降了一半。

第三步，人工复核。这点最重要，千万别信它说的每一句话。特别是法条引用，大模型经常编造法条号。我有个习惯，让它列出引用的法条后，我会去北大法宝或者威科先行里核对一遍。虽然麻烦点，但为了免责，这步省不得。

再说说chat law大模型在合同审查里的用法。很多新人律师怕漏条款，我就让他们用模型做“负面清单”检查。比如，把你们公司的标准合同模板喂给它，然后让它对比对方发来的合同，标出所有不一致的地方。这时候，模型就像个不知疲倦的校对员，连标点符号不对都能给你标出来。

当然，也有翻车的时候。上个月有个案子，涉及复杂的跨境数据合规，我让模型分析GDPR和中国个保法的冲突点。结果它把“合法利益”和“同意”这两个概念混为一谈，差点误导了我的判断。后来我仔细读了它的推理过程，发现它是基于通用法律常识做的类比，而不是针对具体法条。所以，遇到专业度极高的领域，一定要人工介入，不能全信。

还有个细节，提示词的温度设置。写法律文书，温度设低一点，比如0.2，这样输出更稳定，少点创意，多点严谨。要是写法律科普文章，温度设高一点，比如0.8，让它多发挥点想象力，文章更生动。这个参数调整，很多同行都不知道，其实很管用。

最后想说，工具再好，也得靠人。chat law大模型不是来替代律师的，它是来解放律师双手的。把重复性的活交给它，你才能有时间去思考策略、去和客户沟通、去维护关系。这才是法律人的核心价值。

别指望一键生成完美文书，那都是骗人的。但如果你愿意花点心思调教它，它绝对是你办公室里最得力、最听话的那个实习生。赶紧试试，把那些枯燥的整理工作扔给它，你会发现，做律师也没那么累了。