“AI 时代的组织变革”系列之十八

背了模板,结果还是时好时坏

提示词课程上得够多了,一个现象反复出现:同一套"万能模板",甲用如虎添翼,乙用平平无奇。

模板没变,模型没变,变的是什么?是模板之外那个人塞进去的东西。

这揭示了提示词学习的一个误区:把问法的打磨当成了全部。问法当然有用——清晰的任务描述、明确的输出要求,能让模型少猜。但律师工作里真正的胜负手在更上游:模型看见了什么。它看见的材料全不全,背景给没给,红线讲没讲,直接决定它答得对不对。

给这个"喂什么"的功夫起个名字,就是上下文工程。这篇想把它讲透。

同一个任务,两种答案

拿最普通的合同审查演示这个对比。

问法一:"帮我审这份合同,找出风险点。"模型会认真给你一份意见:条款齐整、面面俱到、通篇正确。也通篇平庸——它不知道这是笔三年期的供货合同,不知道客户是着急回款的一方,不知道对方上一次续约谈判拖了四个月。它只能按"一般合同"给一般意见。

问法二,同样的合同,前面多给三段话:"这是我方客户的合同,客户是供货方,最关心回款安全和账期;这轮续约的谈判背景是对方压价百分之十;我方底线是账期不超过六十天。按这个立场审,重点标出与底线冲突的条款。"

出来的意见是另一个物种:付款节点的每处松动被点名,违约条款与回款目标的错配被指出,连"这个条款写得没错,但在本轮谈判里不宜主动提"这类分寸感建议都出现了。

同一个模型,差距全部来自那三段话。这就是上下文的杠杆。

同一个模型,问法相同,上下文不同 裸问 只有合同文本 产出:面面俱到的通用意见 正确,平庸,每一条都对 每一条都不是这个客户的 带上下文 合同 + 交易背景 + 商业目标 产出:带立场的风险排序 点名底线冲突 有分寸感,可执行 差距不在模型,在它看见了什么 演示为通用场景,非具体案件

上下文比措辞重

为什么上下文有这么大的权重?回到模型的工作原理:它是一个基于所获信息做推断的系统。它不缺语言能力,缺的是你案头的案情。措辞的优化是在问"怎么说",上下文的工程是在答"知不知道"——后者是原材料,前者只是包装。

由此推出一个实务推论:喂材料的组织方式,比材料本身还重要。三百页扫描件直接丢进去,不如先给一份十页的事实摘要加目录;杂乱的聊天记录,不如整理过的时间线。上下文工程的一半功夫,是替模型做预处理——而这份整理,恰恰是律师理清案头的必修功,顺手就做了。

给律师的五类上下文

该喂什么?按律师工作的实际需要,分五类。

一,交易背景与商业目标。这个交易是干什么的,客户图什么,最怕什么。没有这一层,一切意见都无的放矢。

二,事实边界。哪些是已确认的事实,哪些只是单方陈述,哪些还没核实。不划这条线,模型会把口头说法当定论写进分析。

三,客户偏好与红线。账期上限、绝不接受的条款、可以拿去交换的筹码。红线给得越具体,意见越贴身。

四,既往决策与口径。这个客户过去同类问题是怎么处理的,团队已确认过什么口径。保持一致性,是法律意见的专业底线。

五,核验要求。明确告诉它:引用要给来源,法条要报时效状态,不确定的地方要显式标注。这一条把产出从"像样的"提升为"可核的"。

五类不必每次全给,但每次都该自查:漏了哪类,产出的哪部分就靠不住。

边界:喂什么,受保密约束

必须补上的一条底线:上下文不是越多越好。

客户秘密、个人敏感信息、未公开的商业数据,哪些可以进入哪个系统,受保密义务和执业规范的约束,边界要先于效率确定。分层供给是可行的路径:结构、条款逻辑这类脱敏信息可以充分供给;主体身份、交易对价能省则省;敏感材料只在符合数据安全要求的本地环境处理。

喂得对的前提,是喂得合规。这一条没有弹性。

问得巧,不如喂得对

绕回提示词。它没有失效,只是定位该摆正:问法是表层技巧,上下文是底层供给。背模板的时间,不如挪一半去整理案情——效果立竿见影。

更值钱的是时间维度:上下文是可以积累的资产。客户的偏好清单、项目的口径库、团队的核验要求,喂一次就存一次,下个项目接着用。提示词技巧属于个人手感,上下文库属于团队家底。

前者让人聪明一点,后者让团队聪明一辈子。


作者简介: 陈石律师,浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任,宁波市律师协会常务理事、第七届宁波仲裁委员会仲裁员,聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可,荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳(华东),入选《商法》The A-List 法律精英,获评 ALB China 区域市场十五佳长三角地区律师新星,并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务,承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目,累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合,强调以结构化方法打通技术逻辑、法律判断与商业场景;著有《赋能法律人:AI 底层思维与应用范式》,并在多地开展相关主题讲座与分享。四明山法师 AI 夜校(legalAGI.cn)发起人。