法律行业固有的特点使其与人工智能（Artificial Intelligence，AI）的融合具有极高的适配性。;知识库驱动、工作流编排、智能系统协作将成为未来法律服务的新范式。　　本书所言的智能体工作流（Agentic Workflow），是指由人类设计者预设结构与规则，同时具备一定程度自主性、决策能力与工具调用能力的任务执行系统。它融合了传统工作流的可控性与Agent所体现的智能性，通常通过大语言模型（LLM）、外部工具接口和上下文机制协同实现，完成特定目标导向任务。　　本书旨在为不具有计算机背景的法律从业人员提供一套搭建AI智能体工作流的基础思路和方案，让基于LLM的智能应用可以作为一个超级;勤勉助理辅助日常法律工作。

　　法天使智能法务部隶属于法天使（北京）科技有限公司，是法天使公司专注于内容产出与智能化法务服务的核心部门。部门前身为;内容部，长期承担中国合同库内所有合同文本的撰写与修订工作，积累了深厚的法律文本专业经验和实践成果。　　2025年，随着公司战略的全面转型与业务升级，原;内容部正式更名为;智能法务部。在延续法律文本高标准产出的基础上，部门进一步聚焦企业法务场景，致力于为企业提供定制化、系统化的智能法务解决方案，涵盖合同管理、风险审查、合规咨询等多维度需求。　　智能法务部以专业的法律知识为基石，以智能技术为驱动，力求帮助企业实现法务工作的降本增效，推动企业在数字化转型背景下构建更加稳健与高效的法务体系。　　

目　录1　 法律行业中的AI应用机会1.1　法律行业与AI应用的适配性1.2　企业法务场景中的AI应用机会1.2.1　合同全生命周期管理1.2.2　企业内部法律咨询1.2.3　企业管理、政策更新与合规培训1.2.4　诉讼业务高效智能化1.3　专业律师团队使用AI应用的诉求1.4　AI赋能法律服务的未来趋势1.5　小结练　习2　 构建法律智能体的核心理念2.1　理解Agent2.1.1　Agent 系统概述2.1.2　Agent的规划能力2.1.3　Agent的记忆能力2.1.4　Agent的工具调用能力2.2　理解Agentic Workflow2.3　构建法律智能体的产品理念2.3.1　任务拆解与流程化思维2.3.2　从简单到复杂，从跑通到迭代2.3.3　为工作流注入专业知识3　快速搭建法律智能体3.1　AI应用开发平台简介3.2　企业定制化智能体3.3　创建应用3.3.1　第一步：创建应用并选择应用类型3.3.2　第二步：选择「开始」的输入变量3.3.3　第三步：添加节点3.3.4　工作流的测试、优化与复杂化4　大模型的类型及其选择4.1　模型类型4.1.1　文本推理模型4.1.2　Embedding模型4.1.3　Rerank模型4.1.4　多模态模型4.2　文本推理模型的选择4.2.1　市面上的国产大模型4.2.2　如何选择大模型5　变量：作用、类型与使用5.1　变量在工作流中的作用5.2　Dify中的变量分类5.3　变量的数据类型5.4　节点的变量类型的介绍与选择6　提示工程与LLM节点6.1　提示词的撰写6.1.1　提示词的组成部分6.1.2　样本提示6.1.3　撰写提示词的注意事项6.1.4　提示词的文本容量建议6.2　LLM节点的设置6.2.1　节点的编排6.2.2　大模型参数设置6.3　Markdown语法6.3.1　标题6.3.2　有序列表6.3.3　无序列表6.3.4　强调6.3.5　表格6.3.6　引用6.3.7　代码块6.4　JSON基础知识6.4.1　JSON支持的值类型6.4.2　JSON的基本结构7　知识库与知识检索7.1　知识库功能简介7.2　RAG简介7.2.1　RAG的工作原理7.2.2　理解向量化7.3　知识库的建立7.3.1　选择数据源：文档上传7.3.2　文本分段与清洗：分段设置7.3.3　文本分段与清洗：索引方式与检索设置7.3.4　处理并完成及后续操作7.4　知识库与LLM的联动7.4.1　在「知识检索」中选择查询变量7.4.2　「知识检索」的单独测试7.4.3　在LLM中调用知识检索结果7.5　知识库的整理技巧7.5.1　父子段模式下确定父子段7.5.2　父子段的再编辑方法7.5.3　表格的预处理7.5.4　流程图的预处理7.5.5　文档整理策略7.6　知识库管理和维护7.6.1　同一知识库下面添加多个文件7.6.2　在「知识检索」中添加多个知识库7.6.3　「知识检索」中的召回设置7.6.4　知识库的持续维护练　习 ?8　企业法务知识库的建设8.1　知识库：法务智能体的关键基础8.1.1　技术再先进，也离不开知识的供给8.1.2　 法律知识库不是简单的文件堆砌，而是结构化的认知体系8.2　 如何搭建有效的知识库以审查合同中的管辖条款为例8.2.1　拆解任务需求8.2.2　确定工作流8.2.3　分析合同类型8.2.4　搭建知识库9　代码执行节点9.1　代码执行节点的介绍9.2　Python基础知识9.2.1　Python数据类型总览9.2.2　变量和简单的数据类型9.2.3　列表（list）9.2.4　条件语句（if）9.2.5　字典（dict）9.2.6　函数（def）9.2.7　正则表达式（Regex）的基础支持9.3　「代码执行」的默认语法9.4　「代码执行」的应用9.4.1　IF条件判断：用于关键字检索输出不同结论9.4.2　拼接数据：整合多个输出结果9.4.3　通过正则表达式提取信息9.4.4　提取JSON字段（如获取合同类型）9.5　使用AI辅助撰写代码语法练　习10　其他节点10.1　文档提取器10.2　问题分类器10.3　条件分支10.3.1　条件类型10.3.2　多重条件判断10.4　变量聚合器10.5　参数提取器10.6　模板转换10.7　迭代10.8　HTTP请求10.9　Agent10.10　工具10.11　MCP10.11.1　MCP简介10.11.2　MCP如何运作10.11.3　Dify 中的 MCP 配置11　案例：违约责任条款审查11.1　三个版本的整体说明11.1.1　1.0版：纯依赖 LLM 的通用能力11.1.2　2.0版：提供参考模板11.1.3　2.0版的升级：添加样本提示11.2　测试效果展示12　案例：离婚房产分割助手12.1　问题背景与实践困境12.2　知识整理12.3　智能体设计与实现12.3.1　整体设计思路12.3.2　工作流编排12.4　进阶设计与扩展方向13　 案例：民事案件案由判断13.1　问题背景与实践困境13.2　知识整理13.3　智能体设计与实现13.3.1　总体设计思路13.3.2　工作流详解13.4　进阶设计与扩展方向13.4.1　案由拓展13.4.2　系统对接14　案例：广告合规智能审查14.1　创意的火花：一个源于真实需求的痛点14.2　智能体的构建：为AI注入;灵魂14.3　实践出真知：;广告婶的实战效果14.4　理想与现实：AI在法律工作中的应然角色15　 案例：批量合同风险排查15.1　背景15.2　范式选择15.2.1　链路比较15.2.2　上线时间成本对比15.2.3　影响条款定位、要素提取的因素15.3　批量风险识别 Agent 的搭建15.3.1　架构设计15.3.2　工作流配置15.3.3　批量执行（借助代码）15.4　小结参考文献AI 应用中常见术语表附录：法天使法务AI 平台简介

　　序言一：LAD：法律人在AI时代的新岗位　　;你是否想要拥抱AI？　　我参加过很多法律圈的公开论坛和闭门讨论，在提及这个问题时，从未看到哪位法务或律师朋友说，自己坚决不拥抱AI的。可见意愿从来都不是问题，问题是应该怎么有效地拥抱AI，而不流于空谈。　　对此，我曾提出一个;法律人应用AI的三重境界的框架（见图1）。　　自下而上各层的含义是：　　首先要用好通用工具，熟悉诸如DeepSeek、Kimi、豆包等在内的主流大模型的使用，其关键是与大模型交互的提示词能力和对结果的校验能力，做出一个又一个微判断，进而得到成果。做到这个，就是及格以上水平。　　图1　法律人应用AI的三重境界　　其次要用好专用工具。比如，法律人常常要审查合同，则可考虑用好法天使的智能合同审查；也包括用好诸如AI制作PPT、文生图或视频等专用工具，其关键是在自己工作职责范围内知晓有哪些专用工具，做好人机分工。做到这个，就是良好水平。　　最后是自己动手，创造工具。学会智能体的设计和搭建，其关键是对业务流程的理解和培养自己的智能体搭建能力，做到这个，就是优秀水平。　　本书题为《法律智能体（Agent）搭建指南：以Dify、扣子为例快速入门》，是为了帮助法律人达到前述;优秀层级，也即能够动手搭建与企业和自己工作场景相匹配的智能体。　　在AI时代，智能体很可能会相当于移动互联网时代的App一样，成为一个通用词汇；设计智能体，也就相当于开发一个App。不同的是，智能体的设计，并不要求每个人成为传统意义上的;程序员。随着技术进步和法天使法务AI平台（www.mylegalai.cn）的推出，法律人发挥好专业优势，就能设计出好用的智能体。　　相应地，设计智能体的法律人也实现了一个重大升级，从原来的法务或律师，升级为;法律智能体设计师甚至，它可能不只是一个选项，而是必须。　　常金光　　法天使法务AI平台创始人　　序言二：法律工作者为什么要成为;法律智能体设计师（LAD）　　LA时代，法律人需要成为LAD　　回顾历史，每一次技术浪潮到来都会在法律行业内部带来分层与分化。当计算机与互联网兴起之时，法律人同样经历过一次深刻的转型。那时，大多数法律工作者学会了使用电脑撰写法律文书、通过互联网检索法规与案例。然而，这类使用基本没有门槛：你会，别人也会；你不用，就被淘汰；但即便你会用，也不足以脱颖而出（就像你会开车，不足以在现代社会被人高看一眼一样）。成为这样的用户，只是保证了自己不落伍，却不足以真正获得技术带来的红利。　　与此同时，也有一部分人选择走得更远。他们并不满足于;使用，而是主动学习新的方法与技能：有人学习编程，提高法律数据处理与自动化能力；有人投身网络营销或视频传播，探索法律获客与服务的新路径。这些人正因为突破了简单使用的层次，在时代变革中获得了超越同行的机会。　　同样的逻辑，也必将在LA时代（Legal 十 AI协同时代）重演。随着AI全面进入法律行业，法律人也会分化为不同层次：　　落后者：拒绝或很少使用AI，仍坚持完全依赖人工完成工作。如同当年拒绝用电脑写文书的人，他们将不可避免地被淘汰。　　低阶用户：仅仅依赖他人开发好的AI产品，例如，智能审查工具、自动化问答系统。这类使用能提升效率，却无法形成差异化优势。会用AI只是;合格，不足以获得额外红利。　　高阶用户：不仅使用AI，更能够主动设计AI的使用方式，乃至亲手搭建属于自己的法律智能体。我们将这种具备新型能力的法律人称为法律智能体设计师（Legal Agent Designer，LAD）。　　LAD并非程序员，但他们能够把法律逻辑与AI能力结合，通过合理的规则、流程与提示词设计，使AI成为可控、可复用的法律助手。正是这种;设计能力，将成为LA时代法律人能否抓住技术红利、实现弯道超车的关键。　　LAD的能力图谱　　LAD首先是法律工作者，必须具备该有的法律知识与法律实务经验。这毋庸置疑。　　但是，LAD是技术变革下的新生事物，是复合型人才，这就使得在法律专业和实务经验相对前辈有不足的年轻人能够后来居上。正如在互联网兴起之后，一个并无实务经验、人脉积累的新入行律师，有可能快速崛起一样。　　除此之外，更重要的，LAD需要掌握下列能力：　　法律知识建模：能够将法律条款、合同规则、审查逻辑转化为结构化的规则体系。　　工作流设计：熟悉如何通过可视化流程或低代码平台，将法律业务拆解为清晰的输入、输出与任务环节。　　提示词与交互设计：懂得如何与大语言模型对话，能通过提示词工程（Prompt Engineering）实现高效输出。　　技术理解力：不要求精通编程，但需要理解AI、NLP、知识库、API等基本概念，知道如何把它们用在法律场景中。　　LAD的日常工作可能包括：　　根据企业需求，设计一套合同智能审查流程，明确条款拆解、风险规则与AI判断逻辑。　　在低代码平台上，编排一个;合同智能体，让AI能够识别、比对、审查不同版本的合同。　　为AI起草系统设计提示词模板，确保其生成的合同既符合法律规范，又满足客户个性化需求。　　构建法律知识库，将内部合同模板、审查规则与AI连接起来，实现企业法律知识的智能化管理。　　对AI的输出进行测试与优化，避免幻觉和偏差，确保其结果经得起法律审查。　　需要特别强调的是，法律智能体设计师（LAD）并不是一个技术人员的转型角色。IT工程师固然精通AI模型、数据处理与系统架构，但他们缺乏法律逻辑、条款适用、司法实践等专业训练。因此，他们无法独立完成;法律智能体的设计。　　LAD的本质是法律人对自身专业的再延伸。法律工作者凭借对法律条文、合同逻辑、审查要点的深刻理解，再结合对AI工具和工作流的掌握，才能将复杂的法律思维转化为可供AI执行的规则体系。　　更直白的说法：IT人员要成为LAD，需要学几年，而法律人要成为LAD，只需要学几个月。因此，应该是法律人转为LAD，这只是进阶，不是转行，而IT人要做LAD，就是彻底转行了。　　而为法律人进阶为LAD提供教材和培训，是法天使努力要做的事，本书是实现这一目标的开始。　　何　力　　法天使法务AI平台创始人