一份原本需要花整個下午才能完成的訴狀，現在幾分鐘就能搞定。
我不是在說將一個通用提示詞複製貼上到 ChatGPT，然後接受第一個回答。那種做法仍然很危險，尤其在法律領域。
我說的，是另一回事。
想像一個常見情境：客戶送來一些 PDF 檔、一份 Word 合約、零散的螢幕截圖、一份先前的判決、一串電子郵件往來，還有一段令人困惑的音檔說明。法律問題就在那裡，但還沒有被組織起來。
以前，那些繁瑣工作幾乎總是以同樣的方式開始：一份接一份地打開文件、區分事實、找出相關日期、檢查條款、建立時間軸、定位可能的請求、搜尋法律依據、修改舊的範本、審閱稿件、刪除多餘部分、再次檢查文件，然後祈禱沒有在某個角落留下矛盾之處。好幾個小時的組織工作。
視案件情況而定，在稿件真正開始撰寫之前，這可能就耗掉 4、5 或 6 個小時。
如今，透過一個設計良好的流程，第一份結構化的草稿可以在幾分鐘內出現。
重點不在於 AI 「製作訴狀」。
重點在於，律師不再把 AI 當作一個文字輸入框，而是開始把 AI 當作一個工作系統。
對我來說，這就是使用提示詞與建立代理流程之間的核心差異。
提示詞是一個孤立的指令。
代理流程則是一連串有組織的任務、情境、檔案、標準、範本、審查和決策。
在提示詞中，你問：「關於這個，寫一份訴狀」。
在流程中，你教導 Agent 如何工作。
你告訴它文件在哪裡。你指定它要先讀哪些檔案。你定義如何萃取事實。你解釋時間軸的格式。你提供你的訴狀範本。你指定你組織法律依據的方式。你定義它在撰寫前應該檢查什麼。你規定它絕對不能虛構什麼。你要求它列出疑問清單。你要求它產出風險矩陣。然後，你才下達撰寫指令。
實際上的差異是巨大的。
一個好的法律 AI 流程，可以遵循類似這樣的邏輯：
- 讀取案件文件。
- 萃取相關事實。
- 根據證據功能區分文件。
- 建立時間軸。
- 識別爭點。
- 將事實與可能的請求連結起來。
- 將案件與先前的範本進行比對。
- 建立稿件大綱。
- 分節撰寫。
- 審查一致性、遺漏和風險。
- 在 Word 中產出最終版本。
- 製作人工審查用的檢查清單。
這並不會取代法律推理。
事實上，這需要更多的法律推理，因為律師需要知道如何設計這個流程。
AI 無法自行知道你的策略是什麼、你偏好哪種論點、哪種風險值得承擔、哪個論點站不住腳、哪個事實需要證據、哪份文件不該使用、哪個請求可能產生費用，或者哪種語言風格適合那個法庭。
但它可以大幅減少介於文件輸入與稿件第一個可用版本之間的機械化工作。
這就是 LLM 登場的地方。
LLM 指的是 大型語言模型。實務上，這是一種能夠閱讀、解釋、摘要、比較、分類、改寫、結構化，並根據情境生成文字的模型。
但是，一個單獨的 LLM，仍然只是一個引擎。
真正改變工作的，是讓引擎在一個操作系統中運作。
同一個模型可以被用得很差，也可以用得很好。
如果你隨便丟進雜亂的文件，然後要求一份完整的訴狀，它可能會混淆事實、誇大法律依據、遺漏細微差別，最後產出一份看起來漂亮但不安全的稿件。
如果你組織好流程、區分階段、提供範本、要求提供理由、要求可追溯性，並納入人工審查，結果在性質上就會完全不同。
律師收到的不再是 「一段 AI 文字」，而是一個工作包裹：萃取的事實、時間順序、論證結構、草稿、疑問清單、注意事項，以及一份驗證檢查清單。
這才是讓我感興趣的地方。
像 Codex 和 Claude 這樣的工具之所以有趣，正是因為它們允許超越孤立的提示詞。
在兩者中，邏輯都是在一個包含檔案、指令、終端機、腳本、範本和專案結構的環境中工作。
這為法律專業開啟了一個非常具體的可能性：將每個案件視為一個有組織的工作資料夾。
給律師的一個簡單的按案件分類的資料夾範例：
/案例-客戶-x
/文件
/範本
/草稿
/時間軸
/檢查清單
/輸出檔
在 /文件 資料夾中，放入 PDF、合約、判決書、委任狀、匯出的電子郵件、報告、試算表以及其他任何相關資料。
在 /範本 資料夾中，放入你先前的訴狀、經核准的結構、參考稿件以及事務所的內部標準。
在說明檔中，你解釋 Agent 應該如何處理該類型的需求。
像是這樣：
*「先讀取主要文件。」 「萃取事實時，需附上日期、來源和來源文件。」 「不要建立需要驗證的法律依據，除非標明。」 「使用我的訴狀範本作為結構，但要根據案件進行調整。」 「在撰寫前，先提出一個大綱。」 「草稿完成後，產生一份審查檢查清單。」 「標示出需要律師確認的點。」*
這看起來很簡單，但卻改變了一切。
當工作涉及到檔案時，Codex 和 Claude 都特別有用。它們可以在資料夾中操作、讀取內容、組織文件、執行腳本、轉換資訊、建立結構化輸出，並處理那些不太適合放進一般對話中的素材。
例如，如果有 PDF 檔，流程可以包含文字萃取、識別相關頁面、每份文件的摘要、附件清單，以及事實與證據之間的連結。
如果有 Word 檔案，流程可以使用 .docx 範本、比較版本、產生新的草稿、保留結構、頁尾和頁首，而不會弄亂你的信紙抬頭，同時還能審查標題，並準備好最終檔案供人工編輯。
這與要求 「寫一份答辯狀」 大不相同。
一個更好的流程會是：
*「1. 讀取文件資料夾中的 PDF； 2. 建立一個包含事實、日期、文件和頁碼的表格； 3. 識別具法律重要性的事實； 4. 與範本資料夾中的答辯狀範本進行比對； 5. 建立答辯大綱； 6. 在撰寫前列出疑問； 7. 大綱經核准後，在 Word 中產生草稿； 8. 進行第二次審查，尋找矛盾之處、無根據的請求以及缺乏證據的事實。」*
到了這個階段，「幾分鐘內完成訴狀」就不再只是一個空洞的承諾。
它變成了組織工作的必然結果。
律師仍然需要審查。
律師仍然需要決策。
律師仍然需要回覆。
但他們不需要再花費同樣的精力，一份一份地打開檔案，並手動重複那些可以被轉化為流程的步驟。
在這個特定脈絡下，Claude 在閱讀、綜合、長篇寫作、語言審查、推理結構化以及處理大量上下文方面通常非常強大。在法律流程中，這對於將混亂的素材轉化為有組織的推理非常有幫助。
透過 Claude Code，其邏輯接近於在專案和檔案中進行代理執行，並包含指令、技能、命令、專業 Agent 以及串聯的任務。
透過 Claude Cowork，這種邏輯則應用於桌面端的知識工作：本地檔案、應用程式、資料夾、重複性任務、辦公素材，以及那些不完全是程式碼的交付成果。
對律師來說，這非常重要。
因為法律工作很大一部分不僅僅是 「寫作」。
它更是協調資訊。
是將分散的文件轉化為一個論點。
是將一個論點轉化為一份稿件。
是將一份稿件轉化為審查後的版本。
是將審查轉化為檢查清單。
是將學習轉化為可重複使用的範本。
Claude Cowork 可以被視為知識任務的執行助手：整理資料夾、審閱文件、比較版本、準備報告、結構化草稿、在 Word、Excel、PowerPoint 和其他工作環境中提供協助，並且始終在使用者的監督和許可下進行。
其好處在於可以委派有開始、過程和結束的任務。
不是：「幫我處理這個案子」。
而是：
「打開這個案件資料夾，讀取主要文件，用表格產生一份時間軸，找出證據缺口，並準備好第一份草稿報告以供審查。」
或者：
「將這份草稿與事務所的標準範本進行比較，指出相關差異，突顯缺少的條款，並用更客觀的語言產生一個修訂版本。」
或者：
「閱讀這些文件，區分哪些是事實、哪些是主張、哪些是證據，以及哪些仍有待確認。」
這種指令的改變，表面上看起來很小，但在操作上卻很深刻。
Agent 的品質取決於你教導它工作的品質。
這就是技能登場的地方。
一個技能，簡單來說，就是一個包含指令、參考資料，有時還包含腳本或範本的套件，用來教導 Agent 執行特定類型的工作。
在法律領域，這可以變成一項非常強大的工具。
你可以為以下工作建立一個技能：
- 撰寫一份消費者初始訴狀；
- 審閱一份服務提供合約；
- 建立一份程序時間軸；
- 分析證據文件；
- 為客戶準備一份執行報告；
- 著重於一致性和風險來審查稿件；
- 將一份判決轉化為策略摘要；
- 建立一份歸檔檢查清單；
- 將事務所範本調整為適用於特定案件。
技能不需要只包含一個 「漂亮的提示詞」。
它可以包含方法。
它可以這樣說：
*「在撰寫前，務必先做大綱。」
「將事實與論點分開。」
「絕不虛構案號、判例或文件。」
「當沒有證據時，標記為待補。」
「使用清晰且專業的語言。」
「保留事務所範本的結構。」
「產出最終檢查清單。」
「指出需要人工驗證的點。」*
隨著時間推移，事務所就不再依賴臨場發揮。
它開始建立一個智慧程序庫。
這適用於 Codex。
適用於 Claude。
適用於 API 解決方案。
當工具本身就提供了現成的介面時，這也適用於訂閱方案。
理解「模型」也不盡相同，這一點同樣重要。
一個常見的錯誤是，選擇 AI 時好像只有一個選項：最出名、最貴或最常被討論的模型。
實際上，法律流程可以針對不同任務使用不同的模型。
- 一個快速的模型可以用來分類文件、萃取簡單資料，或整理名稱、日期和數值。
- 一個推理能力較強的模型可以用來分析論點、識別風險、建立稿件大綱和審查矛盾之處。
- 一個上下文較長的模型可以一次閱讀大量文件。
- 一個寫作能力更強的模型可以將大綱轉化為清晰的草稿。
- 一個能存取檔案的 Agent 可以產生 Word 文件、比較版本並整理資料夾。
操作上的祕訣在於，不要將所有事情都當作一次性的 AI 呼叫。
流程可以被劃分：
- 首先，萃取。
- 然後，組織。
- 然後，分析。
- 然後，大綱。
- 然後，撰寫。
- 然後，審查。
- 然後，格式化。
- 然後，檢查清單。
每個階段都有其功能。
每個階段也都可以有自己的標準。
這能減少幻覺。
減少重工。
增加可追溯性。
並使人類審查變得更加客觀。
一個應用於初始訴狀的流程實際範例可能是：
1. 文件輸入。
律師建立一個案件資料夾，並放入合約、對話記錄、收據、通知、先前的判決、委任狀、個人文件以及客戶的觀察意見。
2. 閱讀與清點。
Agent 列出所有文件，識別類型、日期、相關當事人以及可能的關聯性。
3. 時間軸。
Agent 建立一份年代表，包含日期、事實、來源文件以及關於證據的觀察。
4. 法律問題。
Agent 區分可能的法律依據，但標記需要驗證的部分。
5. 向律師提出疑問。
在撰寫前，Agent 詢問缺少什麼：金額、請求、證據、管轄權、時效、和解嘗試、程序風險。
6. 稿件大綱。
Agent 建立一個結構：事實、法律依據、請求、證據、假處分、訴訟標的金額、隨附文件。
7. 套用範本。
Agent 使用事務所範本，保留風格、結構和語言，但根據案件進行調整。
8. 草稿。
Agent 撰寫第一版草稿。
9. 技術審查。
Agent 審查是否所有請求都有依據、所有重要事實都有文件支持、是否存在矛盾，以及是否有任何段落過於籠統。
10. 輸出 Word 檔。
Agent 產生一個可編輯的版本，附有標題、主題和結構，準備好讓律師進行最終審查。
11. 檢查清單。
Agent 在提交前交付一份驗證清單。
在這種情況下，第一份草稿可以在幾分鐘內產出。
但它並非從無到有。
它來自一個系統。
而這個系統取決於三件事：好的輸入、好的指令，以及好的審查。
沒有這些，AI 只會加速混亂。
一個希望成熟地使用 AI 的事務所，需要建立一些內部資產。
它們是：
這就是為何話題會回到治理。
法律行業中的 AI 不能被視為一個提高生產力的小工具。
它影響保密性、策略、專業責任、個人資料、敏感文件、程序風險，以及客戶信任。
因此，律師需要對技術有最基本的了解。
不是為了成為工程師。而是為了知道自己在委託什麼。
一個 Agent 可以非常擅長組織資訊，但它不承擔專業責任。
一個 LLM 可以寫出很好的草稿，但它不知道那個論點是否最適合那位客戶。
一個流程可以加速稿件產出，但它無法取代法律策略。
成熟，在於知道 AI 的界線在哪裡，以及它的任務到哪裡為止。
對我來說，當律師了解到他們可以圍繞自己的工作建立一個小型 AI 作業系統時，法律專業才開始真正改變。
它不需要從大事做起。
它可以從一個資料夾、三個範本、一份寫得好的指令，以及一個簡單的流程開始：
「閱讀、組織、提問、規劃、撰寫、審查。」
之後，再來改善。
建立技能。
建立檢查清單。
建立輸出標準。
建立範本庫。
建立 Word 流程。
建立 PDF 流程。
透過 API 建立整合。
建立治理。
隨著時間推移，律師不再只是那個跟 AI 對話的人。
他們開始操作 Agent。
而這是一個深刻的改變。
因為那些學會操作 Agent 的人，能夠將法律知識轉化為可重複使用的流程。
他們可以運用既有的範本，讓 Agent 將其應用於特定案件。
他們可以將雜亂的文件轉化為結構。
他們可以將數小時的篩選工作，轉化為數分鐘的審查。
他們可以從「幫我處理這份訴狀」，進展到「執行這個撰寫流程，使用我的範本、我的標準和我的檢查清單」。
這就是重點所在。
當律師教導 Agent 在自己的方法內工作時，AI 就不再只是一個草稿工具，而是開始作為事務所的一個作業層級來運作。
「幾分鐘內完成訴狀」只是冰山一角。
在其背後，是豐富的經驗、精心建立的範本、有條理的檔案、清晰的指令、適當選擇的 LLM、人工審查以及治理。
這是許多人仍然低估的一點。
真正的轉變不在於產出更多的文字。而是在於將法律知識轉化為可重複使用的流程。
一個學會這一點的事務所，將開始獲得一致性。
篩選工作會改善。
審查會變得更加客觀。
範本不再被遺忘在舊資料夾中。
累積的知識開始在更清晰的流程中流通。
而律師獲得了一項在法律實踐中始終稀缺的東西：更好的思考所需的優質時間。
最後，AI 並不會讓法律工作變得不那麼專業。
它需要更多的方法。
而知道如何建立這個方法的人，將擁有難以忽視的優勢。
