本书探讨了人工智能大模型在法律领域的应用与发展。从大模型基础理论出发，详细阐释DeepSeek等前沿技术创新，深入分析法律大模型与通用模型的差异及互补性。并提供实战指导，包括提示词优化、多类应用案例如法律检索、法律研究等场景下如何运用法律大模型有效提升工作效率与质量、其他AI工具使用等。书中还探讨了AI驱动下法律行业的组织变革、数据资产管理及律师业务转型策略，为法律从业者提供全面的AI应用指南，助力法律服务数智化转型。全书兼具理论深度与实践指导，为读者构建法律AI应用的完整知识体系与实操路径。

贺倩明，深圳得理科技有限公司创始人，知名律所高级合伙人，中国政法大学经济法学博士，香港中文大学EMBA，北京大学法律硕士，

曾被评为广东省优秀律师，深圳、广州、武汉仲裁委员会仲裁员，深圳市人工智能行业协会副会长，

中国科学院深圳先进技术研究院-得理法律人工智能联合实验室执行主任。

杨敏，深圳得理科技有限公司首席科学家、联合创始人，中国科学院深圳先进技术研究院-得理法律人工智能联合实验室主任，

中国科学院深圳先进技术研究院高性能数据挖掘重点实验室主任，深圳市海外高层次人才，连续四年入选全球前2％顶*科学家。

长期从事人工智能、自然语言处理、大模型相关研究，发表高水平学术论文200余篇，谷歌学术引用8800余次，H-index 51。

雷宇，深圳得理科技有限公司首席技术官、联合创始人，深圳市人工智能学会法律人工智能专业委员会副主任，

拥有超过10年互联网企业研发管理经验。深耕搜索与大数据技术领域，曾任职于百度和腾讯，参与腾讯支付系统的设计和研发，

并荣获“腾讯2019年度微信支付创始人团队大奖”。

目 录

基础篇

第一部分   大模型基础

第一章　人工智能与大语言模型常见术语 // 003

第二章　大语言模型的基本原理 // 011

2.1　大语言模型工作原理 // 011

2.1.1　预训练 // 011

2.1.2　Transformer架构核心组件 // 012

2.1.3　微调 // 014

2.1.4　扩展法则与涌现能力 // 015

2.2　大语言模型技术概览 // 017

2.2.1　数据预处理与清洗 // 018

2.2.2　高效训练策略 // 020

第三章　大语言模型的演变历程 // 029

第四章　DeepSeek的技术创新 // 033

4.1　模型训练领域创新 // 033

4.1.1　混合专家模型（MoE） // 033

4.1.2　FP8混合精度训练 // 034

4.2　Transformer架构创新 // 035

4.2.1　多Token预测（MTP） // 035

4.2.2　多头潜在注意力（MLA） // 036

4.3　模型微调领域创新 // 037

4.3.1　强化学习（RL）驱动的推理训练 // 037

4.3.2　推理模型（Reasoning Model） // 038

第二部分   法律大模型应用

第一章　发展现状 // 039

1.1　通用大模型与法律专业大模型的对比 // 039

1.1.1　知识深度与专业性 // 039

1.1.2　实际应用效果 // 040

1.1.3　可靠性与局限性 // 041

1.1.4　实战场景差异：法律问题研究应用 // 042

1.1.5　实战场景差异：案例检索总结应用 // 045

1.1.6　实战场景差异：合同生成应用 // 050

1.1.7　实战场景差异：诉讼文书生成应用 // 054

第二章　法律应用场景 // 061

2.1　功能场景 // 061

2.1.1　法律决策辅助 // 061

2.1.2　法律文书起草 // 062

2.1.3　合同审查 // 062

2.1.4　法律问题研究 // 062

2.1.5　法律检索 // 063

2.2　用户场景 // 065

2.2.1　司法工作者 // 065

2.2.2　律师 // 068

2.2.3　法务 // 072

2.2.4　法科学生 // 076

2.2.5　一般大众 // 078

实战篇

第一部分   基础实战-指令工程

第一章　提示词优化方向 // 083

1.1　需重新审视的提示词技巧 // 083

第二章　通用技巧 // 086

2.1　提示词通用技巧详解 // 086

2.1.1　写出清晰的指令 // 086

2.1.2　提供示例 // 088

2.1.3　将复杂的任务拆分为更简单的子任务 // 091

2.1.4　给模型时间“思考” // 093

2.1.5　给大语言模型分配角色 // 102

2.1.6　其他提示技术 // 108

第三章　提示词结构化 // 119

第四章　法律提示词的特殊考量 // 123

第二部分   法律场景化实务指南

第一章　DeepSeek+法律AI实现功能革新 // 132

1.1　DeepSeek+得理法律大模型 // 132

1.2　实现的功能革新 // 133

1.2.1　法律检索：AI 类案检索总结 // 133

1.2.2　法律分析：联网搜索 // 133

1.2.3　法律文书：要素式起诉状 // 134

1.2.4　文本分析：多文档上传解析 // 134

1.2.5　合同审查：现已上线数类常用合同审查 // 134

第二章　AI法律检索 // 135

2.1　功能一：法规检索 // 135

2.1.1　场景模拟 // 135

2.1.2　其他使用方向 // 137

2.2　功能二：案例检索 // 138

2.3　功能三：观点检索 // 142

第三章　AI法律研究 // 143

3.1　功能概述 // 143

3.2　使用指南 // 143

3.3　实战案例分析 // 145

3.3.1　应用场景 // 145

3.3.2　法律研究流程 // 146

3.3.3　方法论总结与建议 // 149

3.4　其他实例展示 // 150

第四章　AI法律咨询 // 158

4.1　功能概述 // 158

4.2　使用指南 // 159

4.3　使用示例 // 161

第五章　AI法律文书 // 167

5.1　功能概述 // 167

5.2　使用指南 // 168

5.3　实战案例分析 // 169

5.3.1　重构程序性法律文书撰写流程 // 169

5.3.2　使用AI 制作答辩状全流程 // 170

5.3.3　进阶法律文件：合同生成 // 172

5.4　其他提示词展示 // 176

第六章　AI协助法律学习 // 178

6.1　功能概述 // 178

6.2　使用示例 // 178

6.3　实战案例分析 // 188

第七章　AI助力个人营销 // 194

7.1　功能概述 // 194

7.2　实战案例分析 // 194

7.3　应用建议 // 196

第八章　法律大模型提示词模板 // 197

8.1　通用 // 197

8.1.1　法律研究 // 197

8.1.2　法律文书 // 198

8.1.3　法律分析 // 199

8.1.4　法律程序 // 200

8.1.5　法律术语 // 201

8.2　细分领域 // 201

8.2.1　合同 // 201

8.2.2　刑事 // 203

8.3　公司场景 // 204

8.3.1　公司经营 // 204

8.3.2　知识产权 // 205

8.3.3　劳动用工 // 206

8.3.4　合同文本 // 206

8.3.5　公司规章制度 // 208

第三部分   其他AI工具

第一章　内容创作与办公效率工具 // 209

1.1　PPT生成工具 // 209

1.1.1　AiPPT // 209

1.1.2　笔灵PPT // 210

1.1.3　讯飞智文 // 210

1.1.4　iSlide // 211

1.1.5　Gamma // 211

1.1.6　Mindshow // 212

1.2　写作与笔记工具 // 212

1.2.1　Effie——沉浸写作软件 // 212

1.2.2　幕布——极简大纲笔记 // 213

1.2.3　Flomo——卡片式笔记 // 214

第二章　商业信息与数据分析工具 // 215

2.1　工商查询工具 // 215

2.1.1　天眼查 // 215

2.1.2　企查查 // 215

2.1.3　启信宝 // 216

第三章　语言处理与翻译工具 // 217

3.1　翻译工具 // 217

3.1.1　大模型翻译 // 218

3.1.2　DeepL // 221

3.1.3　沉浸式翻译 // 221

3.2　录音转文字 // 222

3.2.1　讯飞听见 // 223

3.2.2　飞书妙记 // 223

第四章　知识管理与团队协作工具 // 225

4.1　协同笔记与知识库 // 225

4.1.1　飞书文档——协同办公笔记软件 // 225

4.1.2　Notion——个人知识库管理 // 227

4.1.3　思源笔记——双向链块式笔记 // 229

4.2　任务管理 // 231

第五章　AI助手与智能平台 // 233

5.1　知识库 // 233

5.1.1　Ima copilot // 233

5.1.2　Flowith // 234

5.2　通用AI助手 // 235

5.2.1　Chatbox // 235

5.2.2　CherryStudio // 236

第四部分   AI安全伦理

第一章　数据隐私与安全 // 237

1.1　信息泄露与隐私侵犯 // 237

1.1.1　数据收集阶段 // 237

1.1.2　模型训练阶段 // 241

1.1.3　模型推理阶段 // 241

1.1.4　数据存储阶段 // 245

1.2　数据质量安全风险 // 246

第二章　模型偏见与歧视 // 250

2.1　训练数据中的偏见 // 250

2.2　模型输出中的偏见 // 252

2.3　如何确保人工智能的决策符合道德伦理 // 254

第三章　内容生成的误导 // 256

3.1　模型幻觉（Hallucinations） // 256

3.1.1　模型幻觉的主要类型 // 256

3.1.2　模型产生幻觉的原因 // 257

3.2　恶意利用 // 258

3.3　信息操纵和传播 // 260

第四章　透明度与可解释性 // 263

4.1　透明度要求 // 263

4.1.1　定义与概念 // 263

4.1.2　透明度要求的具体内容/内涵 // 264

4.2　“黑箱问题” // 267

4.2.1　什么是“黑箱问题”？ // 267

4.2.2　“黑箱问题”的成因 // 268

4.2.3　“黑箱问题”带来的挑战 // 269

4.2.4　应对“黑箱问题”的研究方向 // 273

第五章　大语言模型责任归属 // 276

5.1　错误输出的责任 // 276

5.2　预测准确性与法律风险 // 278

5.3　知识产权与数据使用 // 280

5.4　隐私和数据保护 // 282

第六章　人工智能引用规范 // 285

6.1　中国 // 285

6.2　美国 // 285

6.3　欧盟 // 286

6.4　其他国家协会规则 // 286

第七章　用户行为规范 // 287

7.1　律师 // 287

7.1.1　防止AI幻觉 // 287

7.1.2　杜绝偏见问题 // 287

7.1.3　杜绝证据伪造 // 287

7.1.4　能力与勤勉义务 // 288

7.1.5　征求客户知情同意 // 288

7.1.6　保密义务 // 288

7.1.7　对律师代理人负责 // 288

7.1.8　费用问题 // 288

7.1.9　符合法律规范 // 289

7.2　司法人员 // 289

7.2.1　理解生成式人工智能及其局限性 // 289

7.2.2　不得转授司法职能 // 289

7.2.3　对生成内容负责 // 289

7.2.4　维护知识产权 // 290

7.2.5　信息保密 // 290

7.3　普通用户 // 290

7.3.1　理解生成式人工智能及其局限性 // 290

7.3.2　维护机密和隐私 // 290

7.3.3　确保信息准确性 // 290

7.3.4　注意道德问题 // 291

7.3.5　披露生成式人工智能的使用 // 291

7.3.6　符合法律法规 // 291

行业趋势篇

第一部分   法律AI市场 

第一章　生成式AI产品介绍 // 295

1.1　国外知名通用模型 // 295

1.2　国内知名通用模型 // 298

第二章　法律科技市场简述 // 308

2.1　当前国内法律科技市场概述 // 308

2.1.1　大语言模型国内算法备案情况 // 308

2.1.2　国内法律科技市场现状 // 311

2.1.3　主要公司及产品介绍 // 313

2.2　国际上的法律大模型 // 317

2.2.1　国外法律大模型概览 // 317

2.2.2　代表性产品 // 317

第二部分   数智化转型道路

第一章　律师事务所如何把握转型先机？ // 323

1.1　整体趋势 // 325

1.2　转型内容 // 327

1.2.1　组织管理的数智化转型 // 327

1.2.2　业务流程的数智化转型 // 328

1.2.3　市场拓展的数智化转型 // 329

1.2.4　客户服务的数智化转型 // 330

1.3　应对策略 // 331

第二章　组织架构的优化方向 // 333

2.1　传统律师事务所的管理体制及逻辑 // 333

2.1.1　律师事务所组织架构发展 // 333

2.1.2　国内的律师事务所组织架构 // 335

2.1.3　法律服务的传统价值定位 // 336

2.2　数智化律师事务所团队的管理架构 // 337

2.2.1　数智化时代法律服务的价值定位 // 337

2.2.2　数智化时代律师事务所组织架构初探 // 338

2.3　数智化律师事务所团队的管理架构 // 340

2.3.1　组织架构变革方向 // 340

2.3.2　组织架构具体内容 // 341

第三章　数据资产走向数智化 // 343

3.1　律师事务所数据资产的定义 // 343

3.2　建立数据资产的优势 // 344

3.3　律师事务所为何需要建立数据资产？ // 345

3.4　如何建立数据资产 // 346

第四章　DeepSeek视角下律师业务与客户关系重构 // 348

4.1　AI技术法律服务市场的影响 // 348

4.2　AI技术重构律师竞争力 // 349

4.3　AI重塑律师案源与客户关系 // 350

4.4　应对AI浪潮，律师行业的应对与行动 // 352

参考学习资料 // 354

结束语 // 360

法律/免责声明 // 361