【全文】
随着ChatGPT和Deepseek掀起了新一轮产业革命，各行各业也开始不断对General AI进行探索和应用，因为强人工智能本身具有的独特主观能动性和思考逻辑，使得其在不少场景和任务中表现的可以“独当一面”，甚至其稳定性更优于人脑的表现，逐渐被一路神化，乃至引发“人类是否终将被其反制”的集体想象。
要理解人工智能的真正边界与潜力，我们需要回到它的起点。从技术构成上看，人工智能并非单一概念，而是包括强人工智能与弱人工智能两类。其中，“弱人工智能”（Weak AI），又称“窄人工智能”（Narrow AI），指的是专注于特定任务的算法系统，并不具备人类所拥有的理解力或意识。其应用早在 20 世纪 50–60 年代已初见雏形，典型如 Logic Theorist 和 ELIZA 等程序，标志着 AI 在逻辑推理与自然语言处理领域的起步[1]。而强人工智能与其的区别在于强人工智能能够在模型中学习和整合来自海量数据的信息，不仅处理数据，还能从大量数据中形成跨领域的理解与判断，由此展现出更接近人类的通用智能能力。也正是因为强人工智能拥有更广泛和海量的数据为基础，其行为和表现方式也是以人类为模版进行模仿，因此在很多需要“人味”的场合里，强人工智能被广泛的、高程度的纳入了应用，这一系列“惊艳颠覆”的应用引发更多讨论和关注。
然而，问题也随之而来。类似“乌合之众”的心理机制和人类自身节能本能的双重影响，在日常面对拥有拟似人类思考力的AI帮助下，人类很容易懈怠和放弃原本高耗能的独立思考，被强人工智能带着走。久而久之，这压缩了本应该拥有更多创造力的个体思维空间，同时一定会成为个体工作中某个阶段的天花板：在协助中被反客为主，被AI占据了 “决策主导者”的位置。技术社会学认为，“人机互动”中人类极易因效率满足而让渡决策权。尼葛洛庞帝曾预言，未来技术的危险不在于它有意识，而在于我们在不察中将意识让渡出去[2]。
笔者认为在日常使用中最重要的并不是被屡屡推荐的使用场景下的具体操作，当然，离开方法和场景谈论使用工具就是耍流氓，但是最为重要的是看待视角，如果足够公允客观的看待AI的作用，并基于此基础判断来决定将其放置于什么位置。明确清晰它是一个工具，再次它在每个具体任务上的具体阶段，多大程度的提供什么样的帮助。
一、认清AI的局限性和使用边界
这需要适度将它拉下“人造神坛”，最为行之有效的方法就是通过客观技术原因看到AI的存在的缺点，我们按照时间顺序模拟个体用户使用阶段将常见的使用问题罗列如下：
阶段 |
问题 |
技术原因 |
第一阶段：多线程处理困难
|
多线程处理困难
在用户第一次与AI对话时，如若并列提出多个指令例如：帮我分析案情、列出有利我方证据、并举出对方逻辑漏洞，和与案情相关的最新判例，AI经常会出现遗漏、理解偏差甚至矛盾回应，极有可能会完成一项并且将另外几个指令糅杂为一段不连贯的输出。
|
当前主流的大语言模型如 GPT-4 基于 Transformer 架构，其处理机制是单序列预测，即逐词生成、线性回应。尽管有“自注意力机制”（self-attention）来捕捉句子内关系，但它并不具备真正意义上的“多线程”能力。模型会在注意力分布上优先聚焦输入前部内容，对后位指令权重自然衰减，从而造成信息遗漏。此外，由于缺乏任务层级建模与子指令拆解能力，AI 无法真正实现对复合输入的逻辑解构与平行执行。
|
第二阶段：长对话后AI出现记忆断裂、逻辑与复杂关系混淆 |
长对话后AI出现记忆断裂、逻辑与复杂关系混淆
随着用户与 AI 交互轮数增加，尤其是在第 10–20 轮之间，模型常出现上下文断裂、语义错位、角色混淆等问题。例如，明明是在分析原告的举证路径，AI 却突然转为引用被告的立场，或者将“免责条款”误归于不适用一方，整体法律逻辑开始混乱。
|
尽管 GPT-4 支持更长的上下文窗口（最大可达 128k tokens），其所谓“记忆”并非真实的工作记忆，而是基于当前文本序列的概率性语言建模。AI 并不会主动理解、提取并追踪“谁是原告”“争议焦点为何”等核心语义单位，而是对每轮对话进行“上下文再预测”。一旦 token 累积到一定长度，旧信息的注意力权重急剧衰减，模型就会“遗忘”前文的关键角色或立场设定，导致语义断裂和逻辑跳跃 |
第三阶段：长对话之后中断，无法有效继续对话 |
当用户短暂退出或中断对话（如切换窗口、刷新页面、暂停几分钟再返回），AI 通常会遗忘当前任务上下文、误解会话背景或重新初始化话题。哪怕任务正在中段进行，它也可能“回到起点”，开始新话题生成，前文思路被完全丢失。
|
这类问题根源于当前模型的“无状态性”（statelessness）。大语言模型依赖的不是“真实记忆模块”，而是对每一次 Prompt 的上下文进行重新计算。即便模型被托管在 Web 应用中，其上下文窗口也仅限于当前会话 session。一旦 session 超出 token 限额、被刷新、或暂时失联，其历史交互将不再参与下轮预测，任务链条由此崩溃。目前虽然部分模型正在尝试加入“持久化记忆系统”（如 ChatGPT 的 custom instructions 或 memory beta），但这仍处于实验阶段，尚不具备稳定性与法律任务适用性。 |
第四阶段：推理不当与幻觉生成
|
在进入较高阶的任务阶段，尤其当AI被要求结合事实进行推理或者检索内容时，其输出可能逻辑跳跃、编造内容和文献，甚至“自信地说错话”。例如：用户要求 AI 撰写一份引用美国《联邦证据规则》的分析备忘录，AI 却凭空捏造了一条“Rule 412A(5)”来支持自己的论证——该条文并不存在。 |
这是当前大语言模型中的经典难题——AI 幻觉（hallucination）问题。它源于模型生成机制基于“下一个词的最大概率预测”，而不是“事实查证”机制。缺乏知识验证模块的支撑下，AI 倾向于在语义连贯性与事实准确性之间牺牲后者。此外，当 AI 缺乏高置信度的训练样本或查询接口时，会“编造一个听起来像真的东西”来补足回应。这是生成式模型的结构性短板。
|
在实践中，相信每个使用 General AI的深度用户一定颇有体感，基于AI产生的效率滞后问题绝对不止于以上四种，尤其在与 AI 展开长对话、持续打磨初步想法和文书草稿时，往往会在某个系统“断线”或“崩溃”的瞬间，与 AI 一起崩溃，成果灰飞烟灭，口中只剩一句“人工智障”。
将所有工作一股脑交给 AI，本身就是一种懒惰，也是对其能力的误判，但在这个时代，若以拒绝使用AI为傲，又何尝不是另一种守旧主义？前段时间，有朋友选择进入一个团队的工作的原因竟是因为负责人不反对AI，大为震撼的同时，也认识到当今在某些观念看来“不反对使用 AI”被视作一种先进的价值主张？而从科技变革史的发展来看，一味的将原始的土耕火种视为不可挑战的权威就是一种思维无法转变的脱轨表现，正如现在如果还有律师认为只使用手写文件拒绝使用数字文档为“尽责”体现，必将被当今市场淘汰。
我们正在进入一个技术既无法回避、也不应被神化的时代。AI 既不是救世主，也不是洪水猛兽。它不值得被捧上神坛，自然也不必成为假想敌。真正值得警惕的，不是 AI，而是对技术的态度，无需“草木皆兵”的恐惧，避免 “万事皆托”的懒惰，回归到“万物皆可用”的坚定人本位的出发点。
二、认识AI的优势和工作中可被其替代的部分
将AI拉下神坛后，将它放置于什么位置才是至关重要的一步，也是在客观认识到局限性同时辩证的看到其不可替代性，在这一步通过比对人类局限性和AI优势部分，让它在自己优势领域做到代替人脑思考的“热启动”（hot start），给到人脑更多需要的信息和帮助。
AI因为自身的技术特点，优于人的表现大致可以总结为以下五点：1.短时间内大量有效的信息处理（检索）；2.重复性高、结构清晰的任务（类固定文章仿写、语音转写）；3.特定时间段内相关模式识别（文书风格识别）；4.持续运算和优化（诉讼策略预测）；5.不受情绪干扰（保持较高程度的稳定性）。
带着以上认识，再回归到律师日常的检索、写作、演讲三大主战场如何使用AI就变的比较清晰，至少目前在检索和写作AI拥有了很落地的使用场景，并且真实可以为律师承担很大一部分的工作量。
1.检索层面
AI目前在开启检索方面是能够代替部分传统检索方式，因为它在速度、范围和智能上具有颠覆性的优势，第一，它语言处理能力是允许它跨越法域进行检索，第二，它的检索方式允许用日常语言提问不像传统方式要求检索者精准命中关键词，第三，AI在输出结果的时候，不仅可以提供判例和法规，还会自动生成归纳总结的摘要甚至可以推送上下游的相关信息，例如相关法条、参考学术文献、可能适用的异地判决等。
日常检索步骤可以参考如下：
（1）明确主题、场景与检索提纲
这一步，我们需要向 AI 清晰明确的描述检索主题或者场景，内容需要包含关键信息的提示词（prompt）：书写主体、书写对象、书写目的。
就检索目的明晰与否，可以进行两种方式检索。第一种方式是在没有明确的检索要求和头绪的情况下，可以使用AI给到我们大致的方向和灵感，比如笔者正在做相关的学术研究，可以通过提问AI应该如何做检索，让AI给我们一个具体的指导检索提纲。
给出的指令依然需要包含关键的信息和具体场景，例如：“我正在进行利用AI技术实施诈骗行为的刑法定性与刑事责任划分的学术研究，我想发表在《中国法学评论》，应该怎么进行前期的检索工作？”但是，在这里值得警惕的是，因为AI大模型在任务泛化的影响，非常容易出现中庸和泛泛而谈一些建议和指引。所以建议大家谨慎批判使用这一方式的结果。
第二种方式是：在已经熟悉并且清楚检索步骤的情况下，可以自己梳理详细明确检索目标，例如研究的具体法域、所寻找的文件类型、聚焦的法律问题范围等等，由于这一步的指令可能会变得冗长，可考虑以小标题结构化提问的方式，可以更好的帮助AI理解和满足每一个要求。
例如：“我正在承办一起涉嫌利用人工智能技术实施电信网络诈骗的案件。案件核心情节为：犯罪嫌疑人通过AI语音合成技术，模拟被害人亲属的声音，分三次诱骗被害人转账，涉案金额共计20万元。目前案件处于侦查阶段，侦办机关位于北京市。请协助我进行相关法律资料的检索，具体要求如下：
1.限于中国法域范围；
2.梳理可能涉及的相关罪名及构成要件；
3.查找北京市近年在相似事实基础上的判例（类案）；
4.提供相关法律、司法解释及政策性文件支持。”
（2）要求穷尽列举所有涉及该主题相关的数据网站
在AI完成上述检索，如果仍希望对其检索的范围进行更为全面的补充，可以让它先尽数列举出所有涉及检索主题的数据网址。例如：“请你将所有涉及到使用AI进行诈骗的数据网址全部提供给我。”
AI会基于以上指令广泛全面罗列可用信息资源，这一步是使用AI帮助建立符合检索者要求的信息地图。相较于传统检索方式对关键词高度依赖，AI 由于具备强语言理解与生成能力，能够接受自然语言输入，并可以在语言层次上进行语义扩展与信息补全，从而在列举具体网址、数据库名称、资源分类方面展现出更强的覆盖能力。这种能力非常适用于构建初步的“信息地图”。实际上，以上两步也是代替人脑思考的“热启动”阶段，是拆解问题的第一步：进行信息收集（information gathering）。在这一阶段的要求是全面性优先，先不求精准命中，而是广泛罗列可用信息资源。在完成以上两步之后，当然需要穿插非常重要且不可由AI代替的一步，即依赖自己的学习、实务经验进行筛选和补充，进行最有价值的不可替代工作：“判断哪些网站更权威、更符合自己的检索目标”。
（3）明确检索关键词与表达方式
在确定主题后，利用好 AI有效短时间阅读和总结的能力让它协助确认有效精准关键词（看重复率）、同义词扩展（看同义替换）以及常用法律术语表达。例如以刚提出的“利用AI技术实施诈骗行为的刑法定性与刑事责任划分”为例：
a.确认高频关键词与核心概念词
使用AI阅读文献，总结出其中反复使用的概念词，例如“AI诈骗”“生成式AI”“深度合成”“电信诈骗”“刑法定性”，通过锁定和总结在文献和司法判例中高频出现的核心术语构成问题的主题检索的基础框架。
b.同义词扩展与语义替换
为避免因关键词设定过窄而遗漏相关资料，应在检索过程中，要求AI同时使用与核心词语具备语义相近关系的替代表达，比如“AI”可拓展为“人工智能”“智能算法”“生成式AI”；“诈骗”可替换为“欺诈”“电信诈骗”“虚假信息诱骗”；“定性”也可以以“罪名适用”“构罪要件”“行为定性”来检索。
c.引入常用法律术语与实务表达
除了标准法条术语，还需要关注实践中频繁使用的表述，例如在检察机关通报中可能使用“技术手段”“换脸软件”“AI合成语音”等非正式术语。因此在数据库检索中，不妨同时使用“立法术语 + 案例语言”的方式进行广泛覆盖。
d.结合中英文法律语境差异做双语对照检索
若研究涉及中外比较，很多学者在讲解新型AI犯罪的时候会加入很多英文的翻译和表达，因此如果需要从学理角度分析可在关键词设定时同步考虑英文表达：如“AI-assisted fraud”“criminal liability of AI users”“deepfake impersonation”等，有助于帮我们拓展至Westlaw、HeinOnline、Lexis等外文数据库的深度资料获取。
4.获取具体文献与阅读建议
在确定好关键词后，下一步是获取实际可读的资料。为了尽可能避免AI幻觉（hallucination）或内容错乱的问题，建议在调用AI进行文献推荐时，明确提出如下要求：
a.要求提供具备出处网址或数据库链接的资料
为了避免“AI幻觉”或来源不明的问题，建议直接指令 AI 提供明确的资料来源地址，如北大法宝、中国裁判文书网、知网法学期刊、SSRN、UNODC SHERLOC 等，并区分其属性（法条类、案例类、政策性文件或学术评论），确保引用时有据可查。
b.篇幅较长资料建议先由 AI 归纳其结构与核心内容
如文献篇幅较长，例如期刊长文或国际报告，可通过提示词（prompt）明确指令AI提供具体字数内的摘要（涵盖其研究主题、主要论点、所涉法律条文或司法解释、结论导向等），便于在有限时间内判断其引用价值与优先级。
c.命令 AI 标注文献的发布时间与适用版本
考虑到各类法律法规可能发生调整，要求 AI 明确标注文章的发表时间、是否基于现行法，避免出现引用过时法条或已被废止解释的情形。
d.按使用目的划分文献阅读优先级
例如：若研究目标聚焦刑罚，应优先阅读实务判决与构罪要件分析类文献；若研究目标涉及责任分配或规制逻辑，应优先关注制度性研究与法律政策文件。可让 AI 按“案例 → 实务 → 学理 → 政策”逻辑排序推荐文献，提高文献结构的清晰度与逻辑性。
（5）基于双AI的交叉验证（cross-examination）快速文献筛选方法
为提高法律检索中获取资料的准确性和可靠性，本文采用“双AI交叉验证”的方法进行文献筛选。具体做法如下：
首先，选定一款主力AI工具（如 DeepSeek），输入完整的检索问题，例如“利用AI技术实施诈骗行为在我国刑法下的定性与责任划分”。在该工具上获取初步的文献和案例推荐结果后，将完全相同的问题复制并输入至第二款AI工具（如 ChatGPT或Perplexity）。
然后，对比两个AI系统提供的文献、案例或司法解释，筛选出在两个系统中都出现的内容，即 “重叠结果”， 这种筛选方式的基本原理是：如果两个训练逻辑和数据库来源不同的AI工具，都指向相同的文献或判例，那该内容通常是高频引用、共识性强或法理成熟的资料，能够在一定程度上避免AI幻觉、版本过旧、误引等问题。这一方法不仅提升了检索的精准度，也强化了研究结论的可验证性。
最后，需要提醒的是，该方法的前提是假定两个AI系统背后的语料与训练逻辑足够独立；若二者训练数据高度重合，可能仍难以摆脱集体“AI幻觉”误区。
2.日常写作层面
写作作为最能体现律师思考力度的律师工作，几乎贯穿于日常始终，并且它终将作为静态产品会被以各种形式永久性保存。作为律师，写作大致分为两类，一类为符合特定格式要求的各类正式的法律文书，例如辩护词、代理意见、律师函，另一类为开拓市场的日常法律写作，诸如业绩报道、热点分析，在此，作者并不建议用AI来承担核心的第一类法律文书工作，因此本文会以后者为例进行法律写作的详细讨论。
（1）从模仿结构形成初稿
值得关注的是，自从AI出现，有部分公众号和期刊专门设置了AI对热点的法律评论专栏，以此抢占热点流量和先机。尽管AI的法律评论内容会存在一些不足，但是使用AI进行热点分析的优势也十分明显。借用该使用逻辑，我们可以用类似的方式来代替日常写作的“热启动”部分，后面根据自己的需要进行润色和修改。
以分析典型案例入手，展现如何使用AI形成一个结构性强并且有可读性的日常公众号的写作初稿，以最高人民法院公众号2025年1月8日发布的入库参考案例：《徐某盗窃、王某掩饰、隐瞒犯罪所得案》[3]一文的书写风格和结构为例，我们可以用套用在人民法院其他案例对其进行仿写，仿写内容以最高人民法院案例库的《张某伟、陈某宇编造、故意传播虚假信息案》[4]为例。
步骤如下：第一次对话中将仿写对象即《徐某盗窃、王某掩饰、隐瞒犯罪所得案》附在对话框里， AI命令句：“请你学习该文章的行书结构和行书风格”。AI回答如下：
结构模板分析
1.标题
标题准确描述案件核心争议和法律适用，例如：
“连续多次收购同一上游犯罪所得的处理”——突出案件定性争议。
2.【关键词】
精炼列举罪名、争议焦点、适用法律术语等，例如：
“掩饰、隐瞒犯罪所得罪”“情节严重”“量刑均衡”等
3.基本案情
按时间线或逻辑顺序叙述，语言简洁，突出行为与后果的对应关系，如“先后24次盗窃…分29次出售牟利”，数字明确。
4.裁判理由
引用法条＋解释性司法解释＋争议焦点辨析，层层递进：
o明确争议核心
o梳理立法规定
o援引司法解释
o实质判断与形式判断结合
o最终量刑考量体现“罪责刑相适应”
5.裁判要旨
通常是2-3条浓缩式总结，归纳出具有指导意义的法律适用规则，风格理性、抽象、适用于类案参照。
6.关联索引
明确列出适用的法条、解释、判决书编号，便于实务检索与引用。
写作风格特点
·语言风格：
o严谨、规范，但不过度冗长。
o引用法条与司法解释时格式整齐，例如：“《解释》第三条第一款……”
o对抽象法律条文进行具体解释（如“十次以上”的实质判断），体现出“形式解释+实质评价”的写作思路。
·表达技巧：
o常用“据此”“主要考虑有二”“不宜认定为”等逻辑转折句，增强论证严密性。
o多用“应当”“亦应”“不应简单以…认定”为句式引导法律立场。
·裁判观点形成：
o重点突出“综合考量”“上下游犯罪量刑均衡”“罪责刑相适应”这些核心司法理念，体现实务中“定性+量刑”两层面权衡。
可供你写作模仿的提示
如果你希望模仿这一风格写出类似的案例分析文章，建议你在开头明确案由争议点，并在“裁判理由”中严格引用法条与解释、展开实质与形式两个层面的分析；结尾部分用“裁判要旨”进行抽象总结，用于类案指导，整体写法偏向实务型法官文书+学术评析风格的融合。
我可以根据你提供的新案例，套用该结构为你仿写一篇。如果你有案例或写作计划，也欢迎继续分享。
接上文继续对话：“根据我提供的新案例《张某伟、陈某宇编造、故意传播虚假信息案》，套用该结构和行文风格为我仿写一篇。”AI产出结果和质量如下：
张某伟、陈某宇编造、故意传播虚假信息案
——利用AI自动生成虚假灾情视频并传播的定性问题
【关键词】
刑事；编造、故意传播虚假信息罪；AI技术；虚假视频；社会秩序；点击量；主犯
裁判规则
利用AI技术自动生成虚假灾情、险情等信息并上传网络平台，造成较大传播与不良社会影响的，应认定为编造、故意传播虚假信息罪。
一、案件状况
2022年10月，被告人张某伟、陈某宇共同出资在山东省滕州市设立某网络科技有限公司，张某伟负责公司运营，陈某宇主导技术开发。2023年5月起，二人组织公司员工利用AI技术生成并传播大量虚假视频内容。
具体操作中，陈某宇通过购买多个某网络平台账号，供公司员工王某滕、徐某等人（均另案处理）使用。上述人员在平台热点中随机选取灾情、险情等敏感标题，通过AI软件自动生成相关文案，再通过特定创作工具合成视频图文内容，最终发布至网络平台。
截至案发，共发布视频图文信息1万余条，其中20余条属于完全虚构内容，涉及浙江、湖南、贵州、四川等多个省份，累计浏览量超过167万次，引发不明真相网民的大量转发评论。其中，《浙江工业园现场大火浓烟滚滚，目击者称有爆炸声！》被多家官方机构紧急辟谣，造成恶劣社会影响。
二、审判结果
浙江省绍兴市上虞区人民法院于2023年11月6日作出（2023）浙0604刑初735号刑事判决：
一、被告人张某伟犯编造、故意传播虚假信息罪，判处有期徒刑一年一个月，缓刑一年六个月；
二、被告人陈某宇犯编造、故意传播虚假信息罪，判处有期徒刑一年一个月，缓刑一年六个月。
宣判后，未提出上诉、抗诉，判决已生效。
三、裁判理由
1.行为性质认定：
被告人张某伟、陈某宇利用AI生成技术，编造社会公众高度关注的灾情、险情、警情等内容并发布，情节显著超出个人言论表达的合理边界，属于对社会秩序的恶意干扰，构成编造、故意传播虚假信息罪。
2.行为影响评价：
根据《中华人民共和国刑法》第二百九十一条之一第二款，构成该罪的关键标准是“严重扰乱社会秩序”。本案中，虚假内容超过20条，阅读量累计超167万次，且确有官方辟谣行为介入，已具备“严重扰乱”的实质标准。
3.责任划分与量刑考量：
张某伟作为公司负责人，主导行为实施与内容放行，陈某宇则负责AI文案与视频技术处理，二人均系主犯。考虑其认罪悔罪、社会危害尚未造成实质性人员伤害，依法予以从宽处罚并适用缓刑，体现罪责刑相适应原则。
四、法院观点
1.在当前新兴技术广泛应用背景下，AI技术虽具工具属性，但其被用于虚假信息批量生成与传播时，法律责任主体依旧应聚焦于具体“人”的故意行为。
2.对“严重扰乱社会秩序”的判断不能仅依网络点击量或条数指标，应综合考虑社会反应、职能部门介入程度及其引发的不安情绪等，作出实质认定。
案例来源
一审判决：浙江省绍兴市上虞区人民法院（2023）浙0604刑初735号（2023年11月6日）
适用法条：
《中华人民共和国刑法》第二百九十一条之一第二款
相似，这类大体量的对已有裁判文书进行结构拆分布局、数据更替、文字搬运抑或者行文风格较为统一的业绩汇报、政府报告、NGO报告的工作可以考虑让AI对其进行承担，如果完全使用AI产生的文件清晰标明由AI产出即可。
（2）从初稿到文章润色提升
第一种，使用逆向提示词：将AI变成文章弱点探测工具。在初稿逐步形成之后，如何使用AI去精进稿件？不妨试试逆向使用AI进行检测，例如：你是一名法律期刊的编辑，请对这篇文章进行修改，指出文章中语言不够清晰、表达不够严谨、逻辑结构不够缜密、前后语言不够连贯的部分。
第二种，如果在文章特定部分更为适合的推理结构，明确指令具体推理结构，例如：在回答之前遵循以下推理结构：（1）确定法律问题，（2）说明适用法律，（3）适用事实，（4）预测可争议点，（5）给出最终合理的结论
第三种，加脚注和引用，平时在写论文时，阅读文献方式分一般为粗读和细读，但在书写过程中，有时候会忘记自己的引用自哪一篇文献，这时候建议在开始着手起草论文时，进行订制AI，以GPT为例，可以打开Customize GPT，并且将基础文献进行上传，这样在出现文献记忆模糊时，直接询问GPT该论断出自哪篇文献，它会较为精准的标注出具体引用的书籍和段落，帮助节省寻找时间。
三、用永恒发展和谨慎批判视角看待AI
当然AI还有更为深入使用的场景，例如，我们可以让AI模仿对手律师，对我们诉讼策略和证据提出反对观点，或者使用不同的AI Agency来负责不同板块的工作。迅猛发展的AI技术当下，不断讨论如何更好的使用的实践学术探索的音浪中，我们最终一定会理解、接纳、适应、欢迎这次伟大的科技变革。当然，面对技术更新带来的实践重塑，法律界亟需在立法、执业规范与伦理规制等层面建立起系统的AI使用标准。在技术助力之外，我们更应推动职业共同体在技术规范使用中建立制度性共识。
但是无论AI在日后能够多大程度上发挥其作用，始终不能放弃的是人脑思考的本位和主体性，每一个法律人在法律实践和学术的探索层面都拥有着自己不可替代的优势，这构建了健康的法律生态链，但是如果没有界限的使用AI的结果很可能是丧失自己最锋利的那把利刃，有一个非常粗鲁但是很落地的使用技巧就是，将AI永远视为非专业者，带着永恒批判和绝对自信去审视其提交和生产的所有结果。
