先看三组数字。
2026 年 5 月,iCourt 第二届全国法律人 AI 应用大赛总决赛在北京开赛,410 支队伍、超过 1500 名法律人报名。决赛现场,15 家律所、10 家企业、10 家高校同台,直播间累计 50 万人观看。
2026 年 7 月,深圳市律师协会首届 AI Skills 创新应用大赛决赛,十支队伍,展示的作品覆盖民事案情分析、婚姻家事、非诉工作底稿、涉港跨境、民间借贷、伤情鉴定、涉港继承。
2026 年 10 月,广东省第二届律师 AI 技能大赛启动报名,上届有 130 支队伍同台竞技。这一届的要求写得很硬:作品必须是自主设计、研发的法律服务 AI 应用,不接受概念产品,不接受纯贴牌。
这个密度说明一件事:这不是极客的玩具赛。省级律协、全国级赛事、云厂商冠名主办、商业机构联合协办,一整套产业动员的机器已经开动了。
那么问题来了:赢的是技术更好的那批人吗?
我的判断是:不是。赢的是业务能力更强的那批人。
我写 Skill 有一段时间了。上一篇文章我写 Skill 是洗漱包、工作区是浴室,说的是这两样东西各自住在哪一层。那一篇回答的是“哪个更好用”。这一篇我想说的是另一件事:当一群律师开始比赛谁做的 Skill 更能打,比的其实是什么。
三股力量,把这场热推到了今天
我先说清楚,我不是说这轮热是虚火。它的推力有三股,缺一不可。
第一股是商业逻辑。这一股最不浪漫,也最实在。厂商要的是律师的业务知识。那东西没法从代码里长出来,只能从真做过事情的人脑子里掏出来。Skill 是极好的载体:自封装、可分享、热插拔,你打磨好了传上来,平台零成本获得一批高质量业务内容,用户还自带传播热情。
更直白的证据在赛事组织名单里。iCourt 那场总决赛,阿里云、百度网讯、火山引擎是共同主办方;深圳那场,腾讯云的广东省泛政总经理到场致辞。云厂商不是来观摩的,是来占位的。平台要的是生态,生态要的是你把业务经验交出来。
第二股是功能性优势。官方这套设计确实精巧。Skill 走的是渐进式披露:平时只占一行书签的位置——名字加一句话说明;真派上用场了才翻开正文;正文提到的附件,用到哪页查哪页;脚本跑起来,只有输出进上下文,脚本代码本身不占地方。三个层级依次展开,装几十个技能对上下文的影响也很有限。
第三股是人的心理满足感。这一股最被低估,我自己也最有共鸣。
为什么偏偏是律师?
因为 Skill 是个轻技术重业务的扩展形态。做出一个能跑、结构符合规范的 Skill,技术上就是写几段提示词、调一次格式,一个晚上够用。难的是后面那段:让它在生产环境里稳跑。而后面那段需要的全是业务。
换个说法:Skill 的技术门槛低到足以让任何一个专业人士产生“我也能做”的判断,同时它又不要求你先懂技术。这个组合,对律师这种专业能力极强、技术背景为零的群体,是精准命中的。
那种感觉我说得再直白一点。第一次让 AI 按你自己写的规则跑完一份合同审查,看着它把你提醒过的那条风险点标出来,那种“我把它驯服了”的快感非常真实。这不是幻觉,是真实反馈,它值得被承认。
三股力量缺一不可。但只有第三股能解释为什么是律师。前两股对所有行业都通用。
两道门:技术门很低,业务门很高
这是全文的核心。把“做一个 Skill”拆成两段,难度差着几个量级。
技术门很矮。从零做出一个能运行、结构符合规范的 Skill:写清楚它是干什么的、怎么干、输出什么格式、禁止做什么,调通一次,跑通一个场景。一个晚上。
业务门很高。让它真正融入生产环境,在某个领域实现全自动或半自动的、高稳定性的高质量产出,这需要什么?需要制作者的业务能力,不是技术能力。
我把业务门拆成四条可证伪的判据。这不是唯一标准,是我自己在用的。
口径判据
你能不能说清楚“合格”是什么。同样一份合同审查任务,交付标准是“指出所有风险点”,还是“指出客户会付钱的那些风险点”,还是“指出这个客户历史上栽过跟头的那类风险点”?三个口径,三个完全不同的产出。口径定不下来,模型再强也只能给你一个平均分。口径从哪里来?从业务里来。
边界判据
材料不全怎么办?事实陈述自相矛盾怎么办?检索到的法条版本冲突怎么办?外部系统取不到数据怎么办?每一次“该不该停下来问人”的判断,都是业务决策,不是技术决策。一个不知道自己业务边界在哪儿的 Skill,会在任何一次意外输入面前露出原形。
复核判据
什么必须由人过一道,过的那一道具体看什么。这一条最接近律师的真实工作现场——你要能对人说清楚“这一版我已经人工核过了法条时效和事实引用”。深圳那场大赛的官方表述里有一句话,我觉得整篇报道最值得抄的就是这句:本次大赛“更加关注 AI Skills 能否嵌入律师真实工作流程”,参赛团队“重点展示事实材料边界、法律依据引用、人工复核节点及数据安全措施”。赛事方已经把评判落在业务层了。
迭代判据
法条改了,监管口径变了,客户偏好变了,你这个 Skill 怎么跟着变。这一条是持续性成本,也是最容易被低估的成本——大部分人算 Skill 的账,只算了第一次写的时间,没算往后每一次维护。
看看这些判据的共同点:没有一条是关于代码的。
而最有说服力的外部佐证,来自赛制本身。深圳大赛明确“摒弃同质化、概念化的创新展示模式”;广东省赛事的作品要求写明“须为自主设计、研发”,不接受概念产品和纯贴牌。赛制的门槛设在业务层,不在技术层。这是行业自己投的票,比我讲什么都管用。
还有一个细节更能说明问题。广东省这届要求每支队伍提交不超过 8 分钟的演示视频。8 分钟里你没法证明一个 Skill 稳不稳,你只能挑一个跑通的场景,把一次成功的输出演给大家看。所以这类比赛天然评的是“能不能演示”,不是“能不能生产”。它对业务能力的考察,只能靠评委在问答环节追问——你答不上来的那个问题,就是你业务能力的缺口。
同一份通知里还有一条:获认可的产品将集中上架“律满意”平台。官方给的是通往生产的路,不是通往领奖台的路。
技术上一个 Skill 只要一个晚上。业务上一个 Skill 要三年。
认真对待反方:门槛低恰恰是产业条件
这一节我不想跳过,因为对己方观点不利的证据,绕开反而更可疑。
反方会说:一个晚上就能做出来的东西,凭什么说它重要?
答:门槛低的东西不会被用于生产。演示阶段的技术门槛确实低,但从演示走到生产的那段距离,几乎全是业务。我前面列的四条判据,没有一条在演示环节会被问到——因为演示只需要挑一个跑通的场景,展示一次成功的输出就够了。
反方会说:有平台、有资源、有团队,还需要谈业务能力吗?
答:iCourt 那场决赛的参赛结构本身就有说服力。15 家律所、10 家企业、10 家高校同台竞技。高校和百人规模律所打的是同一场比赛,比的是同一批产物。技术投入差距最大的这两类人能被放在一张评审表上,说明赛场上比的确实不是算力、不是工程团队规模、不是烧了多少钱。
反方会说:你这是在贬低技术。
答:恰恰相反。是技术门槛太低,才让业务能力成为唯一的区分度。一件事的技术门槛一旦趋近于零,它就退化成一种背景噪音——所有人都会,那它就不再是区分点。真正稀缺的,永远是剩下那部分。
我甚至认为,低技术门槛不是这个赛制的缺陷,它是这个赛制得以存在的前提。如果做一个 Skill 需要一支工程团队三个月,这场比赛根本不会开办,只有一小撮技术合伙人能玩,行业普及也无从谈起。
所以低门槛不是问题。问题在于,多数参赛者把入场券当成了奖杯。
满足感是燃料,也是陷阱
把满足感只当燃料或者只当陷阱,都不诚实。它两面都是。
燃料这一面是真的
没有这层满足感,这一轮普及根本不会发生。设想一下,如果 Skill 是一个要先学 Python 才能上手的东西,律师群体的参与度会低得多。让一个专业人士在几十分钟内获得可感知的成果,这是普及的启动条件,不是虚荣。承认这一点比嘲笑它更诚实,也更有用。
陷阱这一面也真实
满足感有一个隐藏机制:它会在产出质量还很粗糙的时候提前兑现。
想一下反馈的时间点。比赛有奖状、有路演名次、有“我做的 Skill 拿了优胜奖”这种可以发朋友圈的东西。这些反馈来得又快又亮,把真正该问的问题压到了后面:这个 Skill 在生产环境里稳不稳?它出错的时候谁兜底?换一批材料、换一个案子,还成不成立?这些问题太慢、太不体面,而且没法在领奖台上回答。
所以我给一个具体的建议:把参加比赛当成一次业务体检,而不是一次成果展示。不是去证明我做了什么,而是借评委和同行的眼睛,找出我这套东西在真实业务里的边界在哪儿。评委问的每一个让你答不上来的问题,都是你业务能力的缺口,记下来,回去补。这场比赛能给你的最大收益不是名次,是那份问题清单。
坦白讲,这个道理我也花了些时间才想明白。我自己一度把“攒 Skill 的数量”当成了一种成就——那 106 个 Skill 的数字确实好看。但真正每天在生产环境里跑着的、出了错有人负责的、并且随着业务一起长进的东西,是另外几份,不在那个数字里。
Skill 只是 Input 端的一部分
这一节我想把话说准,因为标题里那个“技术”如果讲歪了,整篇就站不住。
Skill 干的事,本质是往模型的 Input 端输送更好的指令。官方把这件事拆成三层:
- 元数据(每个技能的名字和一句话说明)常驻在系统提示词里,每个大约 100 个 token,用来决定“什么请求该唤醒它”
- SKILL.md 正文在技能被触发时才读进上下文
- 脚本和附件按需加载,脚本经执行后只有输出进入上下文,代码本身不进
看清楚这个结构:Skill 从头到尾作用在输入端。它不改变模型的推理能力,不改变工具本身的边界,不改变你能调用的数据范围,也不改变输出之后谁来判断对错。
所以结论很直白:把 Skill 做到极致,等于把提示词工程做到极致。这很有价值,但它是一个方向,不是一整张地图。
反过来说,这句话的正面版本更重要。会做 Skill 的人,天然比不会做的人多一块能力,多出来的这块还相当扎实——只是这块能力有明确的边界,越过这条边界的部分,Skill 一点忙都帮不上。
给读者三个可以立刻自查的问题:
- 除了写 Skill,你还懂不懂怎么跟模型对话、怎么判断它什么时候在编?
- 除了 Skill,你的工具链里有没有真正接通业务数据、结果能回流复盘的部分?
- 我做的这套东西,在我不开 Skill 的普通一天里,还剩多少用得上?
第三个问题最扎人,也最诚实。
Skill 是一块砖,不是一栋房子。会砌砖的人不自动会盖房子。
收个尾
那三场赛事的参赛人数还会涨,Skill 还会更多,热度也还会更高一阵。
但热潮退完之后留在桌面上的,是那几份真正在生产环境里跑着、出了错有人负责、并且随着业务一起长进的东西。这几份东西的作者,赢的不是因为代码写得好。
如果你也在做 Skill,下一个小时,别去调提示词的措辞。去你业务里找那件最烦的事——反复出错、每次都要重做一遍、至今没人写进规则的环节。规则一旦写出来,Skill 只是自动替你跑它的载体。
这段话我在四明山法师 AI 夜校上讲过几回。我的建议一直是先写一条,明天就用。别想着把二十年的手感一次写完,手感这种东西本来就只能一边用一边补。
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,宁波市律师协会副秘书长、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。