今年二月底三月初，OpenClaw 这只小龙虾突然爆了。
这个开源 AI Agent 框架从一个 GitHub 上名不见经传的小项目，在90天内跑进了医院、金融机构。370,000+ star，全民上车。
法律人也没落下。我身边已经有不少律师在用它处理诉讼案件、起草非诉文件、追踪开庭日期。
但有一件事，大多数人可能还没想清楚： 你每次用 AI，都在悄悄培养一个会替代你的学生。
这些模型是怎么"学会"做法律工作的
要理解这件事，先得知道 Claude、GPT 这类模型是怎么变聪明的。
训练分两个阶段。
第一阶段叫预训练。把互联网上几乎所有文字都喂进去，新闻、论坛、书籍、代码、学术论文，让模型从中学会语言的结构和统计规律。这个阶段的数据广度决定了模型的基础能力，但它只是在学"语言长什么样"，还不知道"什么答案是好答案"。
第二阶段叫对齐训练，英文缩写 RLHF，全称是" 基于人类反馈的强化学习 "。这一步解决的是一个本质问题：模型生成了很多答案，谁来判断哪个更好？
答案是人。
具体怎么做：训练团队先让模型对同一个问题生成几个不同版本的回答，然后交给标注员，让他们选出更好的那个，或者直接写出一个理想答案。模型从这些偏好数据里学习"什么才是好的回答"，反复迭代，能力越来越强。
问题来了。打什么领域的分，就必须用什么领域的人。
普通众包工人可以区分关于文字"礼貌"和"粗鲁"的语义色彩，但没法判断一份刑事辩护意见的质量。 Anthropic 和 OpenAI 在做法律能力对齐的时候，依赖的是一批真正有专业资历的人：顶尖执业律师、法学教授、法学博士。 他们看模型给出的两份辩护策略分析，选哪个更准确、哪个漏了关键法条、哪个逻辑有问题。这些判断被打包成训练数据，变成了模型权重里的"法律直觉"。
Anthropic 在一篇公开论文里提到，他们为了让模型在专业领域给出高质量回答，必须解决一个"人才瓶颈"，因为有能力评判专业回答质量的人实在太稀缺了。解法是高薪招募行业专家。
你今天觉得 Claude 能帮你整理阅卷要点，那是因为有法律人把阅卷要点写给它看过，告诉它这样好、那样不行。
你用 AI 的过程，就是在训练它
更令法律人担忧的事情是。
当你用 Claude Code 处理真实案件，当你把自己的辩护思路输进去，当你纠正模型给出的一个不准确的法条引用，这些交互不是消失的。它们在某种意义上是新的数据。
不是说你的对话直接进了下一版模型的训练集。但更宏观地看：你使用 AI Agent 的整个行为模式，包括你怎么提问、怎么纠错、你觉得什么答案好、什么答案不行，这些都是模型未来迭代的信号。
你越资深，这个信号越有价值。
一个做了十年刑事辩护的律师，在用 AI 处理案件的过程中，无意间在向模型示范"顶级刑辩律师是怎么思考的"。这正是 Anthropic 和 OpenAI 花重金从法律专家那里购买标注数据、想得到的东西。只不过现在， 你在免费提供。
即使你不分享，模型也在蒸馏你
有人可能会说：没关系，我的 Skill 不公开，我的 Prompt 不告诉任何人，我的工作流程是商业秘密。
这个想法在技术层面有一定道理，但没触及核心问题。
先解释一个概念：知识蒸馏。在机器学习里，"蒸馏"是指让一个小模型通过观察大模型的行为来学习，不是直接复制参数，而是学习"大模型面对各种输入时会怎么反应"。蒸馏的对象是行为模式，不是某一次的具体答案。
你用 AI 处理案件，发生的事情跟这个类似。
你问模型一个问题，它给你三个答案，你选了第二个。或者你在它给出的答案上做了修改，把"被告人主观上具有犯罪故意"改成了"被告人主观上是否具有犯罪故意存疑"。这个动作背后有信息：一个真正做刑事辩护的律师，在什么情况下会对主观故意提出质疑，这个判断是什么结构的。
单独一次交互，信息量不大。但全国如果有几万名律师都在用 AI 处理案件，每天积累的交互数据，在统计意义上会呈现出规律：什么样的案件事实，会触发经验律师对主观故意的质疑？什么样的指控，律师倾向于从共同犯罪的参与程度切入辩护？什么样的笔录漏洞，值得在庭审上重点追问？
这些规律，不需要任何人主动提供，就能从海量的使用行为里被提炼出来。
还有另一条路径，更直接。有些公司在训练新版本模型时，会用一个强模型去生成大量高质量的问答对，再用这些数据训练更小、更高效的模型。这个过程里，任何公开使用记录、任何流出的高质量对话样本，都可能成为新一轮训练的原材料。你觉得 Prompt 是私密的，但如果用的是云端服务，服务条款里通常都写着"可能用于模型改进"。
更不用说，很多律师会在社交媒体上展示自己的 AI 工作流，分享自己调出来的好用 Prompt，在同事之间互相传阅。这些内容是完全公开的，是最直接的蒸馏原料。
你在参与一个大规模的知识蒸馏过程。有些是主动的，有些根本没意识到在发生。
这不是阴谋论，这就是大模型迭代的工作机制。
但不用 AI，你会被淘汰得更快
说到这，可能有人想说：那我不用，我保住自己的判断优势。
听起来合理，实际上是死路。
你不用 AI，但你的对手在用。他们可以在你花两小时整理卷宗的时候，用 Agent 完成初步整理和争议焦点提炼，把省出来的时间用在更深的法律检索和庭审策略上。一个善用 AI 的律师和一个拒绝 AI 的律师，在效率、覆盖范围、服务价格上，2026年的差距可能已经是3倍。
所以问题不是"用了会不会被淘汰"。是"不用会被淘汰得更快"。
这个游戏没有旁观席。
那怎么办
我理解这篇文章读起来有点悲观。
但我不是在劝你放弃，是在劝你想清楚再进来。
知道自己在做什么，和不知道，最终结果可能一样，但过程完全不同。
用 AI 用得明白的律师，不会用它来代替自己判断。他们知道 AI 适合处理哪些环节，哪些地方必须自己来。 他们把省出来的时间，用在 AI 目前做不到的那些事上：真正坐下来跟委托人谈，在庭审上临场应对，在模糊地带作出有担当的论辩。
这种判断力，短期内没有模型能蒸馏走。
但如果你用 AI 的方式是用它来代替自己思考，那确实，你在手把手教它怎么替掉你。
早点上车，不是为了让它先跑，是为了坐在驾驶座上。
如果你想学适合法律人的AI，我创建了一个知识星球，可以直接咨询我微信： Law-AI 。
加入星球你将获得：
法律案例检索福利（建设中）；
如何理解 AI 产业带来的法律蓝海业务； 如何搭建属于自己的提效 AI Agent 和工作流；
法律人如何用 AI 提升检索、写作、分析和办案效率；
如何用 AI 运营自媒体、打造个人 IP、获取更多专业机会。
如果你付费过 法律人学Claude｜第十六期：终结Dirty Work——纯自动化干活 这篇文章，可以私聊我再额外领取一张一百元优惠券。
往期相关内容回顾
法律人学Claude｜第一期：桌面版已经很好用了，为什么我还是力推 VSCode 插件版？
法律人学Claude｜第二期：半小时装好 VSCode + Claude Code
法律人学Claude｜第四期：你的项目助理—CLAUDE.md使用指南
法律人学Claude｜第九期：给自己定制一个审合同Skill——Skill详解
我创建了法律人的AI社群，每天大家讨论AI，一起进步成长。
如果想要加群，可以在公众号主页找到我的联系方式和过渡交流群加进来。