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。
