我把800万字法律库喂给AI，30秒干完了律师3天的活

先说结果。

一份交通事故的案情 PDF 丢进去，30 秒之后，输出了一份上万字的法律咨询报告。争议焦点、适用法条、类似判例、赔偿计算、胜诉概率，一个不少。

这不是哪家律所的收费服务，是我们用 Claude Code 的 Skill 机制，自己搭的 AI 法律助理。

今天把这套东西完整复盘给你。它本身值不值钱另说，关键是背后的套路，你可以原样搬到你所在的行业。

先叠个甲。这套系统是法律助理，不是法律替代。它能帮你搞清楚案子是什么类型、有没有过诉讼时效、大概能赔多少，但最终的专业判断，还是得执业律师来。这个定位很重要，后面会反复出现。

为什么法律咨询是天选的 AI 场景

老雷这两年帮企业筛 AI 落地场景，总结出一个三分法的判断标准。流程能不能拆解，知识有没有边界，输出可不可以验证。三条全中的，就是好赛道。

法律咨询恰好三条全中。

流程能拆解，知识有边界，输出可验证。三条全中的场景，就是 AI 落地的好赛道。

流程上，不管什么案子，路径都差不多，了解案情、识别法律问题、检索法规、查找判例、给出建议。知识上，现行有效的法律法规全整理出来也就几千万字，边界清晰，这和「整个互联网」那种无边界问答是两回事。输出上，法律意见书、咨询报告、诉讼策略，全有固定格式，AI 按模板填充，质量可控。

有人会问，ChatGPT 不也能答法律问题吗。

能。但它会编法条。它一本正经地告诉你「根据民法典第 XXX 条」，那条可能压根不存在。而且它的回答没有出处，你不知道它从哪学的、过没过时。

专业知识的做法是反过来的。AI 只从你预先整理的知识库里检索，检索不到就老实说没找到。每一条输出都带出处，哪部法律哪一条，在知识库的哪个位置，一翻就有。

一句话，通用大模型是看起来懂，喂对了知识库是真的懂。

塔勒布在《反脆弱》里讲过一个杠铃策略，把 80% 放在极度安全的地方，20% 去搏高回报。放到这事上就是，检索法规、匹配案例、计算赔偿这些占 80% 的标准化苦力活，全交给 AI；策略选择、风险评估、庭审应对这些 20% 的高价值判断，留给人。

AI 不是来抢律师饭碗的，它是来把苦力活包圆的。

这事的两头我们都验证过。普通人那头，出了事想索赔，搜索结果要么是律所广告要么是法条原文，看完还是不知道自己的情况该怎么办，咨询律师一小时三五百起步，关键是你连自己的案子属于什么类型都说不清。律师那头，一个劳动纠纷案子接进来，研究案情、检索法条、查判例、写意见书，熟练手也要 2 到 3 天，其中八成时间花在检索和整理上。Thomson Reuters 的调研说 AI 工具对律师最大的价值是节省时间，美国律师协会直接把 RAG 称作行业的 game-changer。痛点是真的，价值就是真的。

800万字是怎么组织起来的

这套系统的能力上限，完全取决于背后的知识库。我们喂进去的东西分三块。

法规汇编，450 部法律、13,011 个条款、278 万字，覆盖法考大纲全部领域。法院案例，1,322 个真实判例、23 个大类、575 万字，从婚姻继承到知识产权到执行案例都有。文书教程，5 本书加 23 门课，起诉状证据清单这类全流程文书怎么写，全在里面。

合计 800 万字。

说实话，整理这套库花了 3 个星期。听着肉疼，但这属于一次性投入永久复利。库建好之后，每次咨询的边际成本几乎为零。

光有数据不够，关键是让 AI 秒找到它要的东西。我们设计了一套双层索引。

第一层是 JSON 索引。法律名称到文件位置的映射表，简称到全称的对照表（用户说「劳动法」，系统知道可能是《劳动合同法》），条款号到行号的范围表，关键词到案例的关联表。四张表，让 AI 查「劳动合同法第四十七条」时不用翻库，直接按行号跳过去精确读取。

第二层是文档本身的结构化。每部法律用标题分层，每章每条都有固定记号，就算索引失效，AI 也能按格式快速定位。

给懂技术的读者划个重点，这套设计的本质是空间换时间，预先建索引把全文扫描变成查表，O(n) 变 O(1)，数据库的基本原理挪到 AI 知识库而已。

从一份PDF到一份报告的8步

库有了，接下来是干活流程。我们把一次法律咨询拆成 8 步，每步职责单一，输入输出明确。

初始化，收材料建目录。案情分析，提炼法律问题清单，顺手把诉讼时效和管辖权这两个「门槛问题」先过掉。时效过了准备再多材料都白搭，管辖错了直接被驳回。法规检索，按问题定位法条，输出带原文和出处。案例研究，按案由、关键词、法条关联三个维度找相似判例，输出裁判要旨。文书检索，找同类文书怎么写的参考。互联网检索，补法规最新修订和地方特殊规定，防止库里的东西过时。综合整理，把前面所有材料按问题拼成完整分析。报告输出，生成最终的法律咨询报告。

8 步跑完，一份混乱的案情描述，就变成了一份有法条、有判例、有策略的结构化报告。

实战，一起超载事故的完整复盘

讲个真实的测试案例。

案情是这样的。物流公司的新能源货车，核载 2 吨实载 4.8 吨，超载 140%，下坡弯道制动失灵撞伤行人。交警认定司机全责，伤者九级伤残，误工 180 天。车有交强险和 100 万的商业三者险，但保险合同里写了一条，「违反安全装载规定的，增加免赔率 10%」。

伤者想知道，能赔多少，找谁赔。

系统从这份 PDF 里提炼出 4 个法律问题，然后逐个去知识库里找答案。挑两个最有意思的说说。

超载免赔 10% 的条款有效吗？系统检索到《保险法》第 17 条，免责条款必须提示加明确说明，否则不生效。又在 1,322 个案例里找到了济宁中院的一个判例，法院认定这种实质上减轻保险人责任的条款，保险公司没用加粗加黑提示的，不生效。结论，10% 大概率免不掉。

物流公司要不要担责？《民法典》第 1191 条，员工执行工作任务造成他人损害的，用人单位担责。系统还配了个北京二中院的判例，认定用人关系看「从属性」，谁下指令、谁监督、谁担经营风险，没书面合同也算。

最终报告上万字，把每项赔偿都算了一遍。误工费 180 天乘以每天 150 元，护理费 90 天同标准，残疾赔偿金按九级伤残的 20% 系数乘以标准基数算 20 年，再加上后续治疗费、精神抚慰金、营养费、交通费，合计约 26.9 万元（医疗费待统计另计）。索赔顺序也理清楚了，先走交强险限额，再走 100 万商业三者险，还不够的部分由司机和物流公司兜底。报告末尾甚至给了个 89/100 的胜诉概率评估，风险等级 A。

整个过程 30 秒。人工干同样的活，2 到 3 天。

这套公式可以搬到你那行

看到这你应该反应过来了，这个案例的价值不在法律，在模式。知识结构化，流程标准化，输出模板化。三件套齐了，换个领域照样能跑。

医疗方向，把诊疗指南、药品说明书入库，走症状分析、鉴别诊断、用药建议的流程。财税方向，把税法、会计准则、政策解读入库，走业务识别、税种判断、税率计算的流程。企业内部的知识管理、合同初审、售后应答，全是同一个骨架。

迁移就三步。第一步把领域知识整理成结构化文档并建索引，注意按业务逻辑分类而不是按来源分类。第二步把业务流程拆成职责单一的步骤，步骤之间用文件传递结果，支持断点续跑。第三步把整个流程写成 AI 可执行的标准作业程序，让 AI 按章办事。

老雷给大家提个醒，别一上来就想做大而全的平台。挑一个你行业里「咨询密集型」的场景，把知识库哪怕只建到 60 分，先跑起来。> 知识库这东西跟存款一样，是复利。晚存一天，就少一天的利息。

写着写着想起古腾堡。

五百多年前他把圣经排成印刷品，干的事情说到底是把「知识复制」的成本打到地板上，之后才有宗教改革和科学革命。今天我们把领域知识喂给 AI，是把「知识应用」的成本打到地板上。

上一次，谁先掌握了印刷，谁就掌握了传播。

这一次，谁先把行业知识结构化，谁就先拿到 AI 时代的入场券。