寫東西只為了抒發，一切隨緣不為流量
有事找 @finalfantasty
👻 個人博客 Blog: https://blog.pdzeng.com
👻 個人微博客 Blog:
https://daily.pdzeng.com/
有事找 @finalfantasty
👻 個人博客 Blog: https://blog.pdzeng.com
👻 個人微博客 Blog:
https://daily.pdzeng.com/
generativereality/ccremote
🔗 https://github.com/generativereality/ccremote
#github
🔗 https://github.com/generativereality/ccremote
#github
GitHub
GitHub - generativereality/ccremote: Claude Code Remote: Remote approvals (Discord), quota-aware auto-continuation, and quota scheduling
Claude Code Remote: Remote approvals (Discord), quota-aware auto-continuation, and quota scheduling - generativereality/ccremote
第三是判斷力。研究普遍都指出：在 AI 勝任範圍之外使用它的人，或是不經質疑就信任產出的人，表現比完全不使用 AI 的人還要差。將贏得這場技術變革的律師在根本層面上明白：AI 沒有在執業，是你。
AI 讓你更快、更周全、更一致。但判斷力——決定為何而戰、為何而讓步、讀懂字裡行間的意思、在模稜兩可時做出決定並以名譽擔保——那是你的。資深律師在這個新世界擁有巨大優勢，但大多數人還沒意識到。如果你花了 10 年或 20 年在你的專業領域發展判斷力，你正坐擁 AI 讓其變得「更」有價值（而非更廉價）的資產。
AI 讓你更快、更周全、更一致。但判斷力——決定為何而戰、為何而讓步、讀懂字裡行間的意思、在模稜兩可時做出決定並以名譽擔保——那是你的。資深律師在這個新世界擁有巨大優勢，但大多數人還沒意識到。如果你花了 10 年或 20 年在你的專業領域發展判斷力，你正坐擁 AI 讓其變得「更」有價值（而非更廉價）的資產。
協作（Cowork）。我將 Claude 指向我電腦上的一個資料夾，給它一個任務，它就會去執行。它讀取文件、創建新文件、編輯現有文件，並自行決定如何從 A 點到達 B 點。當我有一份 40 頁的協議需要完整的修訂追蹤，或者有一堆交割文件需要根據條款清單（Term sheet）生成時，我就把它交給 Cowork 並讓它運作。這是大多數律師還沒嘗試過的模式，也是對他們實務影響最大的模式。
程式碼（Code）。大多數律師每天不需要用到它。但我有一種情況讓我難以閱讀長文件，所以我利用 Code 建立了一個命令行工具，可以將法律文件轉換為語音音訊。它處理整個流程：解析 Word 文件和 PDF、將「第 4.2(b)(iii) 條」等法律格式轉換為自然語言、展開縮寫、分段文本、發送至 AI 語音 API，並組合成最終的音訊檔案。我現在在通勤時聽合約。
Anthropic 發布了一份關於為 Claude 構建自定義「技能」的攻略：這些結構化的指令文件可以教導它在特定情境下如何表現。我沒有從頭到尾閱讀指南，而是將指南上傳給 Claude，並問了一個更好的問題：
「根據我們一起進行的數百次對話（涵蓋合約草擬、客戶郵件、文件編輯、法律研究和政策撰寫），哪些技能對我的實務影響最大？」
Claude 分析了我們幾個月來的工作並識別出模式：哪些任務我重複次數最多、哪裡的摩擦力最大、哪裡的結構化自動化最能節省時間。它推薦的技能並非泛泛而談，而是針對我的實際工作方式。不是「更快地草擬合約」，而是「一個具有四種不同模式的合約審查技能（視背景而定）、嚴重程度評等、缺失條款清單、市場條款基準測試，以及在準備好標記文件時無縫銜接至修訂追蹤編輯技能。」
我們花了一兩個小時完善細節。在預設設定不符合我偏好時，我予以修正。最後，我有六個可用於生產環境的技能，整合在 Cowork 桌面應用程式的一個插件中：合約審查、修訂追蹤編輯、合約草擬、客戶溝通、法律研究和政策撰寫。每一項都編碼了我多年累積的關於如何處理該類工作的專業判斷。
這對事務所管理有個重要含義：技能是可轉移的。如果我有 50 名初級律師，我可以將它安裝在每台機器上。每位初級律師都會立即使用「我的」分析框架產出合約審查，以「我的」語氣草擬溝通郵件，並以「我」偏好的格式應用修訂追蹤。
需要多年指導才能傳遞的知識，現在變成了一個從初稿開始就有效運作的指令文件。產出仍需律師審核，但審核是從一個高得多的基準點開始的。
---
為了讓大家有具體的感受，以下是三個來自真實工作的例子。
第一，無需打開 Word 的修訂追蹤。交易對手寄回一份帶有紅線的協議。我將文件上傳給 Claude 並說：「幫我從客戶的角度評估對方的修改。」我的合約審查技能隨即觸發。Claude 按嚴重程度整理每項變動，標出對方轉移風險的地方，識別修改條款之間的衝突，檢查應有但缺失的標準條款，並產出摘要，針對每個問題提供具體的反制方案。
Claude 在標記中發現了一個模式，根據經驗，我知道那個模式通常預示著什麼。Claude 為一個有爭議的條款生成了三種替代方案。我選擇了其中一個考慮到 AI 無法獲知的關係動態和交易背景的方案。
一旦我做出決定，我叫 Claude 應用編輯。這就是第一次看到時會讓人驚掉下巴的部分：Claude 在 XML 層級打開 Word 文件，應用署名為我的修訂追蹤，保留所有排版細節，產出一份對手律師可以用 Microsoft Word 正常開啟審閱的 .docx 檔案。
我不開 Word，也不開 Litera（法律比對軟體），Claude 產出了紅線版。我審核每一項變動，然後發送。接著客戶溝通技能以合適的語氣草擬好說明郵件。從收到標記到準備好回覆包裹的總時間：不到一小時，其中約 30 分鐘是我自己的思考。
---
第二，沒有「幻覺」的研究。客戶需要了解新產品的監管格局。問題涉及多個機構和重疊的法定框架。我的研究技能指示 Claude 同時在所有相關角度展開平行研究，而不是按順序處理：證券分析、州政府許可要求、銀行法規、消費者保護影響。它針對每個子主題進行多次搜索，交叉引用來源，並將主要授權（法律、法規、機構指引、判例法）排在次要評論之前。
在交付任何內容給我之前，該技能要求 Claude 進行自我審核。這是至關重要的，也是大多數人跳過的部分。Claude 必須核實每一條引用的權威是否真的如備忘錄所稱。對於置信度低於「高」的內容，它必須標記出來。它必須檢查各章節間的內部矛盾。而且它必須特別防範虛假引用（Hallucinated citations）——那個讓幾位律師受到制裁並登上全國新聞的問題。
那些提交 AI 生成假引用的律師使用的是沒有這種驗證層的工具。問題從來不是 AI 本身，而是沒有品質管控的 AI。產出是一份結構化的研究備忘錄，包含核心結論先行（Bottom-line-up-front）的摘要、具體的法律條文引用和實務建議，這通常需要一名初級律師花費數天時間。
Claude 在不到一小時內交付初稿。然後我核對每一處引用，對分析進行壓力測試，並在我的判斷與產出不符之處進行修改。總時間仍然只是從零開始的一小部分。
---
第三是即時合約解釋。一位客戶在上午來電，說他們剛收到交易對手的要求信，聲稱違反了商業服務協議並威脅要終止合約。客戶有 48 小時的回覆時間。我上傳了協議、要求信以及客戶過去三個月與對方的往來信件。Claude 將要求信中的每一項事實指控與引用的具體合約條款進行比對，發現四項指控的違約中，有兩項涉及的義務已被對手律師自己起草的補充協議明確修改了。
那封要求信顯然是在沒檢查自己修訂的情況下寫成的。在我準備回覆時，我將草擬的每一段都跑一遍 Claude，壓力測試我的論點是否對協議中的其他條款產生了意外影響。它抓到了一個：我打算在服務水準指標（SLM）上提出的一個辯護，可能會被解讀為在第 7 條的付款爭議中做出了讓步。我重寫了回覆。這種在主動草擬時進行即時的、逐條的壓力測試，以前需要第二個律師來審核你的工作，現在在同一個對話中就能完成。
---
每位律師都會問權限跟安全性的問題。簡短的回答是：讓你使用雲端儲存、電子開示（e-discovery）平台和線上法律研究資料庫的同一套框架也適用於此。律師公會（ABA）的指引和各州律師協會的倫理意見將 AI 工具視為受代理人/工具例外條款涵蓋的第三方技術供應商。你的義務是採取合理努力保護客戶數據，這在實務上意味著：關閉對你輸入內容的模型訓練、了解供應商的數據處理實務，並記錄你的理由。
Anthropic 提供「零數據保留」的 API 選項和商業數據處理協議，確保您的客戶數據不會被用於訓練模型，且輸入內容不會在對話結束後存留。這與您將客戶文件放入 Dropbox、Google Drive 或 Clio 之前所做的盡職調查是一樣的。
我更進一步，讓 Claude 幫我草擬了聘案合約（Engagement letters）中的 AI 使用條款。該條款將 AI 定義為效率和品質的增強工具，強調律師監督，將數據處理與現有的保密義務掛鉤，並取得客戶同意。客戶簽署時毫不猶豫。他們大多數人都假設我已經在使用 AI 了，事實也確實如此。
現在大多數司法管轄區的倫理規則都要求具備「技術勝任能力」。我們正接近這樣一個時點：不使用這些工具反而更難在專業責任立場上辯護。
---
大多數嘗試 AI 的律師寫的是「審查這份合約」，然後得到一些平庸的結果，接著他們斷定 AI 對法律工作沒用。問題不在於 AI，而在於輸入。試著比較「審查這份合約」與底下這段：
「從供應商的角度審查這份服務協議。標記出客戶將風險轉移至超出此類交易市場常態的條款。檢查缺失的應有條款，包括責任限制、智慧財產權歸屬、數據處理和便利終止權。產出一份帶有嚴重程度評等的摘要，並針對每個高嚴重性問題提供具體的反制語言。注意供應商的談判籌碼有限且希望達成交易，因此建議應側重於值得爭取的條款，而非可以優雅讓步的條款。」
第二個版本產出的工作成果在第一遍就很有用。第一個版本產出的內容即使有用，也需要大量修改。「AI 是玩具」與「AI 改變了我的實務」之間的差距，就在於指令的品質。 這就是為什麼技能很重要：它們將那種詳細程度編碼起來，讓您寫一次就能每次生效。
這一切引發了幾件值得點出的變化：
第一是人力配置。我經營一家兩人的事務所，卻處理著大型事務所的工作量。這是 AI 的直接結果。傳統上支撐聘僱初級律師的工作——第一遍文件審查、研究備忘錄、初始草案、紅線摘要、常規往來信件——現在都在我的監督下由 Claude 處理。
明確地說：離開我事務所的每一份文件都經過執業律師的審閱、修改和批准。AI 產出初稿，我產出最終成果。初級律師並未過時，但聘僱他們的合理門檻已經不同了，而且你需要他們做的事情也改變了：判斷力、客戶關係和 AI 產出監督，而不是 2,000 小時的文件製作。
第二是計費。AI 改變了價值的方程式。對於某些任務，節省的時間顯而易見，我將其回饋給客戶。對於其他任務，同樣的小時數產出了比以前更深刻的分析、更全面的問題發現和更高品質的草擬。
重點不在於每項任務花費的時間更少，而在於律師的每一小時都產生了更多價值。我的事務所除了傳統的小時制計費，還提供訂閱制。訂閱制客戶以固定的月費獲得持續的諮詢、合約審查、合規監控和常規治理。
不跳表計費。AI 讓這種模式可行，因為我可以在可預測的費用結構內提供更全面的服務。客戶喜歡這樣：他們不再害怕拿起電話或發送郵件，而我的收入也變得可以預測。
程式碼（Code）。大多數律師每天不需要用到它。但我有一種情況讓我難以閱讀長文件，所以我利用 Code 建立了一個命令行工具，可以將法律文件轉換為語音音訊。它處理整個流程：解析 Word 文件和 PDF、將「第 4.2(b)(iii) 條」等法律格式轉換為自然語言、展開縮寫、分段文本、發送至 AI 語音 API，並組合成最終的音訊檔案。我現在在通勤時聽合約。
Anthropic 發布了一份關於為 Claude 構建自定義「技能」的攻略：這些結構化的指令文件可以教導它在特定情境下如何表現。我沒有從頭到尾閱讀指南，而是將指南上傳給 Claude，並問了一個更好的問題：
「根據我們一起進行的數百次對話（涵蓋合約草擬、客戶郵件、文件編輯、法律研究和政策撰寫），哪些技能對我的實務影響最大？」
Claude 分析了我們幾個月來的工作並識別出模式：哪些任務我重複次數最多、哪裡的摩擦力最大、哪裡的結構化自動化最能節省時間。它推薦的技能並非泛泛而談，而是針對我的實際工作方式。不是「更快地草擬合約」，而是「一個具有四種不同模式的合約審查技能（視背景而定）、嚴重程度評等、缺失條款清單、市場條款基準測試，以及在準備好標記文件時無縫銜接至修訂追蹤編輯技能。」
我們花了一兩個小時完善細節。在預設設定不符合我偏好時，我予以修正。最後，我有六個可用於生產環境的技能，整合在 Cowork 桌面應用程式的一個插件中：合約審查、修訂追蹤編輯、合約草擬、客戶溝通、法律研究和政策撰寫。每一項都編碼了我多年累積的關於如何處理該類工作的專業判斷。
這對事務所管理有個重要含義：技能是可轉移的。如果我有 50 名初級律師，我可以將它安裝在每台機器上。每位初級律師都會立即使用「我的」分析框架產出合約審查，以「我的」語氣草擬溝通郵件，並以「我」偏好的格式應用修訂追蹤。
需要多年指導才能傳遞的知識，現在變成了一個從初稿開始就有效運作的指令文件。產出仍需律師審核，但審核是從一個高得多的基準點開始的。
---
為了讓大家有具體的感受，以下是三個來自真實工作的例子。
第一，無需打開 Word 的修訂追蹤。交易對手寄回一份帶有紅線的協議。我將文件上傳給 Claude 並說：「幫我從客戶的角度評估對方的修改。」我的合約審查技能隨即觸發。Claude 按嚴重程度整理每項變動，標出對方轉移風險的地方，識別修改條款之間的衝突，檢查應有但缺失的標準條款，並產出摘要，針對每個問題提供具體的反制方案。
Claude 在標記中發現了一個模式，根據經驗，我知道那個模式通常預示著什麼。Claude 為一個有爭議的條款生成了三種替代方案。我選擇了其中一個考慮到 AI 無法獲知的關係動態和交易背景的方案。
一旦我做出決定，我叫 Claude 應用編輯。這就是第一次看到時會讓人驚掉下巴的部分：Claude 在 XML 層級打開 Word 文件，應用署名為我的修訂追蹤，保留所有排版細節，產出一份對手律師可以用 Microsoft Word 正常開啟審閱的 .docx 檔案。
我不開 Word，也不開 Litera（法律比對軟體），Claude 產出了紅線版。我審核每一項變動，然後發送。接著客戶溝通技能以合適的語氣草擬好說明郵件。從收到標記到準備好回覆包裹的總時間：不到一小時，其中約 30 分鐘是我自己的思考。
---
第二，沒有「幻覺」的研究。客戶需要了解新產品的監管格局。問題涉及多個機構和重疊的法定框架。我的研究技能指示 Claude 同時在所有相關角度展開平行研究，而不是按順序處理：證券分析、州政府許可要求、銀行法規、消費者保護影響。它針對每個子主題進行多次搜索，交叉引用來源，並將主要授權（法律、法規、機構指引、判例法）排在次要評論之前。
在交付任何內容給我之前，該技能要求 Claude 進行自我審核。這是至關重要的，也是大多數人跳過的部分。Claude 必須核實每一條引用的權威是否真的如備忘錄所稱。對於置信度低於「高」的內容，它必須標記出來。它必須檢查各章節間的內部矛盾。而且它必須特別防範虛假引用（Hallucinated citations）——那個讓幾位律師受到制裁並登上全國新聞的問題。
那些提交 AI 生成假引用的律師使用的是沒有這種驗證層的工具。問題從來不是 AI 本身，而是沒有品質管控的 AI。產出是一份結構化的研究備忘錄，包含核心結論先行（Bottom-line-up-front）的摘要、具體的法律條文引用和實務建議，這通常需要一名初級律師花費數天時間。
Claude 在不到一小時內交付初稿。然後我核對每一處引用，對分析進行壓力測試，並在我的判斷與產出不符之處進行修改。總時間仍然只是從零開始的一小部分。
---
第三是即時合約解釋。一位客戶在上午來電，說他們剛收到交易對手的要求信，聲稱違反了商業服務協議並威脅要終止合約。客戶有 48 小時的回覆時間。我上傳了協議、要求信以及客戶過去三個月與對方的往來信件。Claude 將要求信中的每一項事實指控與引用的具體合約條款進行比對，發現四項指控的違約中，有兩項涉及的義務已被對手律師自己起草的補充協議明確修改了。
那封要求信顯然是在沒檢查自己修訂的情況下寫成的。在我準備回覆時，我將草擬的每一段都跑一遍 Claude，壓力測試我的論點是否對協議中的其他條款產生了意外影響。它抓到了一個：我打算在服務水準指標（SLM）上提出的一個辯護，可能會被解讀為在第 7 條的付款爭議中做出了讓步。我重寫了回覆。這種在主動草擬時進行即時的、逐條的壓力測試，以前需要第二個律師來審核你的工作，現在在同一個對話中就能完成。
---
每位律師都會問權限跟安全性的問題。簡短的回答是：讓你使用雲端儲存、電子開示（e-discovery）平台和線上法律研究資料庫的同一套框架也適用於此。律師公會（ABA）的指引和各州律師協會的倫理意見將 AI 工具視為受代理人/工具例外條款涵蓋的第三方技術供應商。你的義務是採取合理努力保護客戶數據，這在實務上意味著：關閉對你輸入內容的模型訓練、了解供應商的數據處理實務，並記錄你的理由。
Anthropic 提供「零數據保留」的 API 選項和商業數據處理協議，確保您的客戶數據不會被用於訓練模型，且輸入內容不會在對話結束後存留。這與您將客戶文件放入 Dropbox、Google Drive 或 Clio 之前所做的盡職調查是一樣的。
我更進一步，讓 Claude 幫我草擬了聘案合約（Engagement letters）中的 AI 使用條款。該條款將 AI 定義為效率和品質的增強工具，強調律師監督，將數據處理與現有的保密義務掛鉤，並取得客戶同意。客戶簽署時毫不猶豫。他們大多數人都假設我已經在使用 AI 了，事實也確實如此。
現在大多數司法管轄區的倫理規則都要求具備「技術勝任能力」。我們正接近這樣一個時點：不使用這些工具反而更難在專業責任立場上辯護。
---
大多數嘗試 AI 的律師寫的是「審查這份合約」，然後得到一些平庸的結果，接著他們斷定 AI 對法律工作沒用。問題不在於 AI，而在於輸入。試著比較「審查這份合約」與底下這段：
「從供應商的角度審查這份服務協議。標記出客戶將風險轉移至超出此類交易市場常態的條款。檢查缺失的應有條款，包括責任限制、智慧財產權歸屬、數據處理和便利終止權。產出一份帶有嚴重程度評等的摘要，並針對每個高嚴重性問題提供具體的反制語言。注意供應商的談判籌碼有限且希望達成交易，因此建議應側重於值得爭取的條款，而非可以優雅讓步的條款。」
第二個版本產出的工作成果在第一遍就很有用。第一個版本產出的內容即使有用，也需要大量修改。「AI 是玩具」與「AI 改變了我的實務」之間的差距，就在於指令的品質。 這就是為什麼技能很重要：它們將那種詳細程度編碼起來，讓您寫一次就能每次生效。
這一切引發了幾件值得點出的變化：
第一是人力配置。我經營一家兩人的事務所，卻處理著大型事務所的工作量。這是 AI 的直接結果。傳統上支撐聘僱初級律師的工作——第一遍文件審查、研究備忘錄、初始草案、紅線摘要、常規往來信件——現在都在我的監督下由 Claude 處理。
明確地說：離開我事務所的每一份文件都經過執業律師的審閱、修改和批准。AI 產出初稿，我產出最終成果。初級律師並未過時，但聘僱他們的合理門檻已經不同了，而且你需要他們做的事情也改變了：判斷力、客戶關係和 AI 產出監督，而不是 2,000 小時的文件製作。
第二是計費。AI 改變了價值的方程式。對於某些任務，節省的時間顯而易見，我將其回饋給客戶。對於其他任務，同樣的小時數產出了比以前更深刻的分析、更全面的問題發現和更高品質的草擬。
重點不在於每項任務花費的時間更少，而在於律師的每一小時都產生了更多價值。我的事務所除了傳統的小時制計費，還提供訂閱制。訂閱制客戶以固定的月費獲得持續的諮詢、合約審查、合規監控和常規治理。
不跳表計費。AI 讓這種模式可行，因為我可以在可預測的費用結構內提供更全面的服務。客戶喜歡這樣：他們不再害怕拿起電話或發送郵件，而我的收入也變得可以預測。
大多時候，我在 X 上面看到的 AI 使用心得都來自三種人：
1. 軟體工程師：這完全不令人意外，畢竟根據不同調查，軟體工程師的 AI 採用率是超過八成。
2. 內容創作者：這也完全不令人意外，畢竟生成式 AI 最厲害的技能之一就是生成內容。
3. 創業者：這也完全不令人意外，因為誰不想當「一人獨角獸」？
但這些文章對我來說都有點距離感，並不是說他們講的內容我不懂，而是看到後來覺得偏空泛。這種空泛感不一定是因為他們講得不好，有可能是因為講的事情我不懂（例如軟體工程），或是我比較懂（內容創作）。
不過，今天早上讀了一篇文章，作者是一個小型律師事務所的共同創辦人，講述他如何將 AI 應用在法律實務上。我覺得寫得真的很棒，因為不知道為什麼，這幾年來我有蠻多工作會跟處理合約有關。
在直接照貼全文翻譯以前，想說說裡面我覺得很棒的地方在哪。
2026 上半年的 AI 顯學，已經不是 2024-2025 年大家在討論的「prompt」了。如果焦點還只放在這，那麼可能過時了。如今的 AI 顯學叫做「skill」，因為 skill 是驅動一切的核心。
Skill 跟 prompt 不一樣的地方在於它是一個「可被系統化迭代更新」的東西。為什麼這東西如此重要？因為它帶出了下一個顯學：「agent」。
在我們達到 AGI 的時代以前，我們還是得先學會 delegation。delegation 的重點是「劃分」，而這個劃分關鍵就是 skill。例如，agent A 負責發想、agent B 負責撰寫、agent C 負責校驗。agent 所以有別，主要還是因為掌握的 skill 不同。
當有了一個或多個 agent 以後，人類的角色便擢升為馴服者（harness），也就是另一個軟體工程領域的夯字：harness engineering。
Skill 的另一個迷人之處在於它就像《原神》須彌國度中的「封裝知識罐」，如果可被當作一個客體在迭代，那當然也可以當成交易、交換的資源。
目前我們正處於從「模型即服務（MaaS）」轉向「技能即服務（SaaS, Skill as a Service）」的階段。律師事務所賣的不只是律師的時間，而是他們訓練出的「法律邏輯 Agent Skill」，這讓法律服務能夠規模化且降價。
那麼，人類要幹嘛？人類要做「判斷」跟「負責」。判斷尤其重要，因為只要不是「純數位環境」，就有很多資訊無法被 AI 知曉，不論這些資訊是來自讀空氣、看臉色、觀察持有物品，還是直覺。
上面這些仍是「目前」的 AI 無法攻佔的最後一哩路。作者也明講他對初級律師的要求當中就包含了「維護客戶關係」，畢竟如果訴狀跟合約都可以讓 AI 寫了，老闆當然不會只顧一個敲鍵盤的手腳。
以上就是我讀完這篇文章後的收穫，以下是稍加潤飾過後的全文 AI 翻譯，相當推薦一讀。作者 Zack Shapiro 過去曾創過業，且公司還拿過 Founders Fund、Greycroft 的投資。如今他經營的律師事務所主打的就是「跟大型律所一樣的品質，但只要一半價格。」
------
幾個月前，在一個客戶的收購案即將交割的前一天晚上，買方律師寄來一封信，要求重組幾項關鍵的交易條款：新的代管（Escrow）條件、擴大賠償例外條款（Indemnification carve-outs）、修訂後的交割交付物清單。其隱含的威脅是：要嘛接受這些變動，要嘛我們就撤出交易。
當時是晚上 7 點。
我將收購協議、揭露清單（Disclosure schedules）和這封要求信上傳到了 Claude。幾分鐘內，Claude 就將每一項提議的變動與現有的交易條款進行了比對，並發現了買方律師顯然沒注意到的問題：他們提議的其中兩個例外條款，與他們已經在揭露清單中確認的陳述（Representations）直接矛盾；而第三個變動則會與基礎陳述章節產生內部衝突，實際上反而會削弱買方自己在交割後的保障。
隨著談判在當晚持續進行，電子郵件往返不斷，我將每一封溝通郵件都餵給 Claude。它追蹤了每一項提議的讓步如何與協議中的各項條款相互作用，標出接受某項變動會在另一章節產生風險的地方，並幫助我寫了一份回覆：在值得讓步的地方讓步，在關鍵的地方堅持立場。
到了晚上 11 點，我們已經有了一套清晰的反制立場，每一項都基於對買方自身文字的具體交叉引用。交易在隔天早上順利交割，條款讓我的客戶非常滿意。
一家中型律師事務所的三名初級律師（Associates）團隊可能需要工作到天亮才能產出那樣的分析。而我在不到兩個小時內就掌握了核心內容。
---
我經營著一家只有兩個人的精品律師事務所（Boutique law firm）。我們處理新創成立、風險投資交易和監管業務。我們與擁有數百甚至數千名律師的事務所競爭。
按理說我們是不可能做到這些的。但過去一年讓我們明白了一件事：一家圍繞 AI 建立的小型事務所不僅能跟上大型競爭對手的步伐，而且速度更快、產出的工作成果更周全，並且能以 18 個月前根本不可能實現的成本結構運作。
市場上充滿了專門的法律 AI 產品：Harvey、Spellbook、CoCounsel、Luminance。它們都有一個共同的論點：律師需要專為法律工作打造的 AI。我評估過其中的大多數。對於小型事務所的執業者來說，一個配置良好的「通用型 AI」更好，而且差距不小。
那些專門產品只是在套殼（Wrappers）。他們的行銷話術聽起來很誘人：我們會根據事務所的規範手冊自定義 AI，用你的模板訓練它，圍繞你的訴狀庫或條款庫建立工作流程。有些產品確實做得不錯。但這種說法包含了一個對「價值究竟存在於何處」的根本誤解。
模板庫並非競爭優勢。 在你的執業領域中，每個稱職的事務所擁有的模板都大同小異。保密協議（NDA）、股權購買協議、聘僱意向書，這些都是標準化的。
區分優秀律師與平庸律師的從來不是模板，而是律師如何「運用」模板：他們如何發現對方埋在第 14(c) 條中的陷阱，他們如何判斷哪場賠償爭端值得堅持、哪場該讓步，以及他們如何撰寫建議郵件讓客戶真正理解風險。
這就是判斷力。而判斷力並非存在於事務所的層面，而是存在於專業個人之中。
---
當法律 AI 公司談論根據事務所的規範手冊來自定義 AI 時，他們是在解決一個無關緊要的問題，卻忽略了真正重要的問題。真正的槓桿不在於 AI 從哪個模板開始，而在於指令（Instructions）——那些告訴 AI 如何思考工作的指令：尋找什麼、標記什麼、如何權衡相互衝突的考量、以什麼格式交付成果、對客戶使用什麼語氣。這正是 Claude 的「技能」（Skills）系統所擅長的。
我創建了自定義的指令文件，稱為「技能」，其中編碼了我的分析框架、偏好格式、語氣，以及我對特定類型法律工作應如何進行的判斷。
當我上傳一份合約進行審查時，Claude 不會套用通用的框架，它甚至不會套用我事務所的框架，它會自動套用「我在十年實務中發展出來的框架」。事務所規範手冊與個人律師編碼判斷力之間的差異，就像是給某人一份食譜與教會他們如何烹飪之間的差異。
還有一個更根本的問題，對於那些職業生涯都在 Microsoft Word 中度過的人來說，這點最重要：Claude 是一個經過深度優化、擅長編寫程式碼的前沿 AI 模型。
每個讀到這篇文章的律師都曾在 Word 排版上浪費過好幾個小時：從另一個文件貼上內容時跑掉的分段編號、拒絕配合的樣式、在不同版本間損壞的修訂追蹤（Track changes）、過期的交叉引用、需要手動注意每個句點和逗號的藍皮書（Bluebook）引用格式。
而 Claude 通過編寫軟體來解決軟體問題。當我要求 Claude 對一份合約進行修訂追蹤時，它不是使用插件或巨集。它是在 XML 層級打開 .docx 檔案，寫下 Microsoft Word 預期的精確標記，署上我的名字，並保留每一個排版細節。
當我要求它標準化訴狀中的引用格式時，它會編寫程式碼在幾秒鐘內解析並重新格式化每一個引用。結果與專家手動工作無異，但花費的時間只是零頭。
這是任何專門的法律 AI 產品都無法企及的能力差距。它們提供的是一個談論文件的聊天機器人；而 Claude 是一個可以深入文件內部並改變它們的系統。這就像是一個只能告訴你合約哪裡有問題的初級律師，與一個還能修復它、排版它、產出紅線對照表（Redline）並草擬回覆郵件，且完全不需要你打開任何應用程式的初級律師之間的區別。
通用型 AI 的進步速度超過任何垂直領域產品。當你使用前沿模型時，每一項新功能在第一天就會送達你手中；而當你使用套殼產品時，你得等待別人的工程團隊決定下一步要開發什麼。
我這裡描述的是我自己的交易實務，但這種架構並非特定於某種實務。訴訟律師可以建立用於證詞準備、請求（Motion）擬定、判例法綜合和證據開示（Discovery）審查的技能；稅務律師可以建立用於實體結構設計、法律意見書框架和監管監控的技能。方法是一樣的：使用強大的通用模型，教導它你的實務知識，讓它加乘你的判斷力。
---
Claude 的桌面應用程式有三種模式。學會何時使用每一種是成功的關鍵。
對話（Chat）。我與 Claude 交談的方式就像與坐在桌子對面、反應敏捷且知識淵博的初級律師交談一樣。這是我分析法律問題、構思談判策略、初步了解合約條款或從零開始草擬文件的地方。我掌控著每一步。大多數使用過 ChatGPT 或類似工具的律師只體驗過這種模式。
1. 軟體工程師：這完全不令人意外，畢竟根據不同調查，軟體工程師的 AI 採用率是超過八成。
2. 內容創作者：這也完全不令人意外，畢竟生成式 AI 最厲害的技能之一就是生成內容。
3. 創業者：這也完全不令人意外，因為誰不想當「一人獨角獸」？
但這些文章對我來說都有點距離感，並不是說他們講的內容我不懂，而是看到後來覺得偏空泛。這種空泛感不一定是因為他們講得不好，有可能是因為講的事情我不懂（例如軟體工程），或是我比較懂（內容創作）。
不過，今天早上讀了一篇文章，作者是一個小型律師事務所的共同創辦人，講述他如何將 AI 應用在法律實務上。我覺得寫得真的很棒，因為不知道為什麼，這幾年來我有蠻多工作會跟處理合約有關。
在直接照貼全文翻譯以前，想說說裡面我覺得很棒的地方在哪。
2026 上半年的 AI 顯學，已經不是 2024-2025 年大家在討論的「prompt」了。如果焦點還只放在這，那麼可能過時了。如今的 AI 顯學叫做「skill」，因為 skill 是驅動一切的核心。
Skill 跟 prompt 不一樣的地方在於它是一個「可被系統化迭代更新」的東西。為什麼這東西如此重要？因為它帶出了下一個顯學：「agent」。
在我們達到 AGI 的時代以前，我們還是得先學會 delegation。delegation 的重點是「劃分」，而這個劃分關鍵就是 skill。例如，agent A 負責發想、agent B 負責撰寫、agent C 負責校驗。agent 所以有別，主要還是因為掌握的 skill 不同。
當有了一個或多個 agent 以後，人類的角色便擢升為馴服者（harness），也就是另一個軟體工程領域的夯字：harness engineering。
Skill 的另一個迷人之處在於它就像《原神》須彌國度中的「封裝知識罐」，如果可被當作一個客體在迭代，那當然也可以當成交易、交換的資源。
目前我們正處於從「模型即服務（MaaS）」轉向「技能即服務（SaaS, Skill as a Service）」的階段。律師事務所賣的不只是律師的時間，而是他們訓練出的「法律邏輯 Agent Skill」，這讓法律服務能夠規模化且降價。
那麼，人類要幹嘛？人類要做「判斷」跟「負責」。判斷尤其重要，因為只要不是「純數位環境」，就有很多資訊無法被 AI 知曉，不論這些資訊是來自讀空氣、看臉色、觀察持有物品，還是直覺。
上面這些仍是「目前」的 AI 無法攻佔的最後一哩路。作者也明講他對初級律師的要求當中就包含了「維護客戶關係」，畢竟如果訴狀跟合約都可以讓 AI 寫了，老闆當然不會只顧一個敲鍵盤的手腳。
以上就是我讀完這篇文章後的收穫，以下是稍加潤飾過後的全文 AI 翻譯，相當推薦一讀。作者 Zack Shapiro 過去曾創過業，且公司還拿過 Founders Fund、Greycroft 的投資。如今他經營的律師事務所主打的就是「跟大型律所一樣的品質，但只要一半價格。」
------
幾個月前，在一個客戶的收購案即將交割的前一天晚上，買方律師寄來一封信，要求重組幾項關鍵的交易條款：新的代管（Escrow）條件、擴大賠償例外條款（Indemnification carve-outs）、修訂後的交割交付物清單。其隱含的威脅是：要嘛接受這些變動，要嘛我們就撤出交易。
當時是晚上 7 點。
我將收購協議、揭露清單（Disclosure schedules）和這封要求信上傳到了 Claude。幾分鐘內，Claude 就將每一項提議的變動與現有的交易條款進行了比對，並發現了買方律師顯然沒注意到的問題：他們提議的其中兩個例外條款，與他們已經在揭露清單中確認的陳述（Representations）直接矛盾；而第三個變動則會與基礎陳述章節產生內部衝突，實際上反而會削弱買方自己在交割後的保障。
隨著談判在當晚持續進行，電子郵件往返不斷，我將每一封溝通郵件都餵給 Claude。它追蹤了每一項提議的讓步如何與協議中的各項條款相互作用，標出接受某項變動會在另一章節產生風險的地方，並幫助我寫了一份回覆：在值得讓步的地方讓步，在關鍵的地方堅持立場。
到了晚上 11 點，我們已經有了一套清晰的反制立場，每一項都基於對買方自身文字的具體交叉引用。交易在隔天早上順利交割，條款讓我的客戶非常滿意。
一家中型律師事務所的三名初級律師（Associates）團隊可能需要工作到天亮才能產出那樣的分析。而我在不到兩個小時內就掌握了核心內容。
---
我經營著一家只有兩個人的精品律師事務所（Boutique law firm）。我們處理新創成立、風險投資交易和監管業務。我們與擁有數百甚至數千名律師的事務所競爭。
按理說我們是不可能做到這些的。但過去一年讓我們明白了一件事：一家圍繞 AI 建立的小型事務所不僅能跟上大型競爭對手的步伐，而且速度更快、產出的工作成果更周全，並且能以 18 個月前根本不可能實現的成本結構運作。
市場上充滿了專門的法律 AI 產品：Harvey、Spellbook、CoCounsel、Luminance。它們都有一個共同的論點：律師需要專為法律工作打造的 AI。我評估過其中的大多數。對於小型事務所的執業者來說，一個配置良好的「通用型 AI」更好，而且差距不小。
那些專門產品只是在套殼（Wrappers）。他們的行銷話術聽起來很誘人：我們會根據事務所的規範手冊自定義 AI，用你的模板訓練它，圍繞你的訴狀庫或條款庫建立工作流程。有些產品確實做得不錯。但這種說法包含了一個對「價值究竟存在於何處」的根本誤解。
模板庫並非競爭優勢。 在你的執業領域中，每個稱職的事務所擁有的模板都大同小異。保密協議（NDA）、股權購買協議、聘僱意向書，這些都是標準化的。
區分優秀律師與平庸律師的從來不是模板，而是律師如何「運用」模板：他們如何發現對方埋在第 14(c) 條中的陷阱，他們如何判斷哪場賠償爭端值得堅持、哪場該讓步，以及他們如何撰寫建議郵件讓客戶真正理解風險。
這就是判斷力。而判斷力並非存在於事務所的層面，而是存在於專業個人之中。
---
當法律 AI 公司談論根據事務所的規範手冊來自定義 AI 時，他們是在解決一個無關緊要的問題，卻忽略了真正重要的問題。真正的槓桿不在於 AI 從哪個模板開始，而在於指令（Instructions）——那些告訴 AI 如何思考工作的指令：尋找什麼、標記什麼、如何權衡相互衝突的考量、以什麼格式交付成果、對客戶使用什麼語氣。這正是 Claude 的「技能」（Skills）系統所擅長的。
我創建了自定義的指令文件，稱為「技能」，其中編碼了我的分析框架、偏好格式、語氣，以及我對特定類型法律工作應如何進行的判斷。
當我上傳一份合約進行審查時，Claude 不會套用通用的框架，它甚至不會套用我事務所的框架，它會自動套用「我在十年實務中發展出來的框架」。事務所規範手冊與個人律師編碼判斷力之間的差異，就像是給某人一份食譜與教會他們如何烹飪之間的差異。
還有一個更根本的問題，對於那些職業生涯都在 Microsoft Word 中度過的人來說，這點最重要：Claude 是一個經過深度優化、擅長編寫程式碼的前沿 AI 模型。
每個讀到這篇文章的律師都曾在 Word 排版上浪費過好幾個小時：從另一個文件貼上內容時跑掉的分段編號、拒絕配合的樣式、在不同版本間損壞的修訂追蹤（Track changes）、過期的交叉引用、需要手動注意每個句點和逗號的藍皮書（Bluebook）引用格式。
而 Claude 通過編寫軟體來解決軟體問題。當我要求 Claude 對一份合約進行修訂追蹤時，它不是使用插件或巨集。它是在 XML 層級打開 .docx 檔案，寫下 Microsoft Word 預期的精確標記，署上我的名字，並保留每一個排版細節。
當我要求它標準化訴狀中的引用格式時，它會編寫程式碼在幾秒鐘內解析並重新格式化每一個引用。結果與專家手動工作無異，但花費的時間只是零頭。
這是任何專門的法律 AI 產品都無法企及的能力差距。它們提供的是一個談論文件的聊天機器人；而 Claude 是一個可以深入文件內部並改變它們的系統。這就像是一個只能告訴你合約哪裡有問題的初級律師，與一個還能修復它、排版它、產出紅線對照表（Redline）並草擬回覆郵件，且完全不需要你打開任何應用程式的初級律師之間的區別。
通用型 AI 的進步速度超過任何垂直領域產品。當你使用前沿模型時，每一項新功能在第一天就會送達你手中；而當你使用套殼產品時，你得等待別人的工程團隊決定下一步要開發什麼。
我這裡描述的是我自己的交易實務，但這種架構並非特定於某種實務。訴訟律師可以建立用於證詞準備、請求（Motion）擬定、判例法綜合和證據開示（Discovery）審查的技能；稅務律師可以建立用於實體結構設計、法律意見書框架和監管監控的技能。方法是一樣的：使用強大的通用模型，教導它你的實務知識，讓它加乘你的判斷力。
---
Claude 的桌面應用程式有三種模式。學會何時使用每一種是成功的關鍵。
對話（Chat）。我與 Claude 交談的方式就像與坐在桌子對面、反應敏捷且知識淵博的初級律師交談一樣。這是我分析法律問題、構思談判策略、初步了解合約條款或從零開始草擬文件的地方。我掌控著每一步。大多數使用過 ChatGPT 或類似工具的律師只體驗過這種模式。
https://kaochenlong.com/spectra-with-openspec?fbclid=IwZnRzaAQRuJ9leHRuA2FlbQIxMQBzcnRjBmFwcF9pZAo2NjI4NTY4Mzc5AAEecenNpV7V2QnUKUOAAQkWR659TfuhRmrIIjTOP76E1CBEV262ex5-VvvwIVk_aem_LQj9JCSIXLlX8i2E44HxBg
高見龍
Spectra：給 OpenSpec 的圖形介面 | 高見龍
Spectra 提供了 OpenSpec 的全新圖形介面，顯著改善了工作流的靈活性與使用體驗。新版 1.0 解決了先前版本中的限制，允許用戶根據需求隨時調整進度，同時即時更新任務狀態，並引入了更聰明的文件依賴管理系統，讓整個開發過程更加高效。
https://blog.aihao.tw/2026/02/28/thread-based-engineering/
愛好 AI 工程 Blog
如何規模化你的 Agentic Coding? Thread-Based Engineering 六種模式
最近從 Ming Cheng Ho (iCHEF 共同創辦人和技術長) 的推薦看到這支影片，果然非常讚。YouTuber IndyDevDan 的 Agent Threads. How to Ship like Boris Cherny 提出了「Thread-Based Engineering」這個思考框架，圖解品質很好，可以快速建立心智模型。
🦞 Morning Briefing (2/25)
1. Vercel 发布 Chat SDK — 统一 TypeScript SDK，一次构建部署到 Slack/Discord/Teams 等多平台 (link)
2. agent-browser 新技能：自主 dogfooding，无需测试脚本就能探索你的 app、点按钮填表单并生成 bug 报告 (link)
3. Paper Desktop 支持 MCP，Cursor/Claude Code/Codex 可直接读写 HTML canvas (link)
4. Claude Code 支持 Remote Control，终端开始的 coding session 可用手机继续 (link)
5. Rust 写的 Polymarket CLI，agent 可编程查询市场、交易和拉取数据 (link)
6. OpenAI Realtime API 支持 WebSocket，长时间 agent 调用延迟降低 40% (link)
7. Codemogger — 本地代码向量索引工具，语义搜索比 grep 更快 (link)
8. Maple — 开源可观测平台，OTEL + ClickHouse，带 MCP server 用于调试 (link)
9. @levelsio 分享独立开发 10 条法则：解决自己的问题、快速上线、Day 1 收费、用无聊的技术 (link)
10. Next.js on Vite (vinext) — 用 Vite 重写 Next.js，更快且无供应商锁定 (link)
1. Vercel 发布 Chat SDK — 统一 TypeScript SDK，一次构建部署到 Slack/Discord/Teams 等多平台 (link)
2. agent-browser 新技能：自主 dogfooding，无需测试脚本就能探索你的 app、点按钮填表单并生成 bug 报告 (link)
3. Paper Desktop 支持 MCP，Cursor/Claude Code/Codex 可直接读写 HTML canvas (link)
4. Claude Code 支持 Remote Control，终端开始的 coding session 可用手机继续 (link)
5. Rust 写的 Polymarket CLI，agent 可编程查询市场、交易和拉取数据 (link)
6. OpenAI Realtime API 支持 WebSocket，长时间 agent 调用延迟降低 40% (link)
7. Codemogger — 本地代码向量索引工具，语义搜索比 grep 更快 (link)
8. Maple — 开源可观测平台，OTEL + ClickHouse，带 MCP server 用于调试 (link)
9. @levelsio 分享独立开发 10 条法则：解决自己的问题、快速上线、Day 1 收费、用无聊的技术 (link)
10. Next.js on Vite (vinext) — 用 Vite 重写 Next.js，更快且无供应商锁定 (link)
