发现报告

本研报深入探讨了法律人如何利用 AI 工具提升工作效率和质量。核心观点如下：

AI 工具的应用场景：

• 法律检索与专业资料处理：利用 WorkBuddy 等工具，通过拆解法律问题、确定检索范围和路径，并借助法律数据库、知识库和定时任务等功能，实现高效、精准的法律检索和资料处理。
• 合同管理与交易文件处理：通过 WorkBuddy 和腾讯电子签等工具，实现合同起草、审查、签署、比对和信息提取等全流程管理，并通过ima 知识库和腾讯乐享等工具，积累和共享业务知识。
• 诉讼准备与争议解决：利用 WorkBuddy 等工具，整理案件材料、梳理案件脉络、编制证据清单，并通过元宝等工具辅助起草诉讼文书，提升诉讼准备效率和质量。
• 日常沟通、资料积累与团队应用：利用元宝等工具，将专业意见说明清楚，并通过腾讯乐享等工具，积累和共享业务知识，提升团队协作效率。
• 个人或律所网站建设：利用 WorkBuddy 和 ima 知识库等工具，建设个人或律所网站，并通过 EdgeOne 等工具，实现网页部署、访问检查和内容更新。

AI 工具的使用底线：

• 准确性：AI 工具输出的内容必须经过人工核验，确保事实、法条、案例、数字和文件完整性，避免虚构内容。
• 保密性：严格遵守数据安全原则，对敏感信息进行脱敏处理，并控制 AI 工具的访问权限，确保信息安全。
• 可追溯性：AI 工具输出的每一个结论都要能够说明依据和出处，便于核查和复核。
• 责任划分：明确 AI 工具、使用者和机构团队的责任，确保责任落实到位。
• 人机协作：AI 工具是辅助手段，不能替代法律人的专业判断和责任，法律人需要保持专业独立性，并持续提升专业能力。

研究结论：

• AI 工具可以有效提升法律人处理日常工作的效率和质量，但需要法律人保持专业独立性，并持续提升专业能力。
• 法律人需要根据自身工作需求，选择合适的 AI 工具和工作方法，并建立完善的人工审核校验机制。
• AI 工具的应用需要遵守相关法律法规和行业规范，确保信息安全和使用合规。
• 法律人需要持续学习和探索，将 AI 工具融入日常工作，实现人机协同，提升工作效率和质量。

本研报为法律人提供了一份 AI 应用指南，帮助法律人更好地利用 AI 工具，实现工作效率和质量的提升。

核心观点：

• Agent 正在从简单的问答系统向能够参与业务流程的系统转变，工程重点从 Prompt 表达转向上下文、证据、状态、工具、权限、协作和审计。
• 感知模块负责将异构、嘈杂的输入转化为模型可用的表示，包括上下文分诊、语义压缩、渐进发现和多模态融合等模式。
• 记忆模块负责保留和检索知识，包括分层保留、检索增强生成、进度追踪、失败日记和程序性记忆等模式。
• 推理模块负责根据输入、历史信息和约束形成判断，包括思维链、复杂度路由、并行探索、迭代假设验证和双模架构等模式。
• 行动模块负责通过工具、API、文件、界面或设备与外部系统交互，包括工具调度、规划-执行、提示链、护栏三明治和最简工具集等模式。
• 反思模块负责评估输出、失败和历史轨迹，并决定是否修改当前输出、运行路径或可复用资产，包括生成评审、技能包、经验回放和自愈循环等模式。
• 协作模块负责组织多个参与者共同完成任务，包括层级委派、扇出聚合、对抗评审、交接链和子代理隔离等模式。
• 治理模块负责约束 Agent 的权限与可追溯性，包括审批门、爆炸半径控制、渐进承诺和钩子流水线等模式。
• 横切工程面包括可观测性、评测与验证和安全与身份，贯穿所有认知功能、执行拓扑和生命周期，不占用双轴矩阵格位。

关键数据和研究结论：

• 感知模块通过四层感知漏斗处理信号接入、预处理、语义聚合和事件判定，确保模型能够获取可用、可信的输入。
• 记忆模块通过分层保留、检索增强生成、进度追踪、失败日记和程序性记忆等模式，实现知识的保存、检索和复用，并记录知识的来源、作用域、有效时间和版本信息。
• 推理模块通过思维链、复杂度路由、并行探索、迭代假设验证和双模架构等模式，实现基于证据的判断和决策，并记录判断依据、风险等级和验证结论。
• 行动模块通过工具调度、规划-执行、提示链、护栏三明治和最简工具集等模式，将模型提出的操作转换为可检查的执行请求，并控制权限、重复执行和失败后的恢复方式。
• 反思模块通过生成评审、技能包、经验回放和自愈循环等模式，对输出、失败和历史轨迹进行评估、修正和沉淀，并记录修改依据、停止条件和修改权限。
• 协作模块通过层级委派、扇出聚合、对抗评审、交接链和子代理隔离等模式，组织多个参与者共同完成任务，并传递目标、状态、证据、决策和下一步责任。
• 治理模块通过审批门、爆炸半径控制、渐进承诺和钩子流水线等模式，约束 Agent 的权限、风险、审计和责任边界。
• 横切工程面通过可观测性记录事件、因果关系、版本、状态差异和外部回执，评测与验证对产物、轨迹和业务结果进行判断，安全与身份解析主体、委派、权限上限和资源范围。

研究意义：

• 本白皮书提出了一个完整的 Agent 设计模式框架，涵盖了 Agent 开发的各个方面，为 Agent 的设计和实现提供了指导。
• 本白皮书强调了 Agent 工程的重要性，并提出了许多值得进一步研究的课题。

WorkBuddy 是腾讯出品的 AI 办公工作台，旨在通过自然语言指令，帮助用户自动化处理文件、文档、资料等，并生成各类办公成果。本手册面向新手，按认知、安装、第一个任务、提问技巧、核心能力、实战案例的顺序，引导用户逐步掌握 WorkBuddy 的使用方法。

核心功能：

• 三种工作模式：Ask（问答）、Craft（执行）、Plan（计划），用户可根据任务需求选择合适的模式。
• 核心能力模块：模型配置（多种模型可选）、记忆（记录用户偏好）、技能（扩展能力包）、专家与专家团（角色切换与协作）、连接器（连接外部服务）、资料库（管理与流转）、人机双写（协同编辑）、自动化（定时任务）、助理（远程控制）、设计创意（快速生成设计稿）、灵感（参考案例）、我的邮箱（独立邮箱身份）、项目（团队协作）。
• 实战案例：涵盖文件处理、文档生成、数据分析、自媒体运营、每日简报等常见办公场景，提供可复现的指令示例。

上手技巧：

• 清晰表达需求、小步快跑、多轮调整、先本地后远程、赋予 AI 身份、提供示例、善用多任务、频繁备份、用好自动化、学会“偷懒”。

进阶技能：

• 零成本技能：Agent Browser、Find Skills、Frontend Design、Local Whisper、Obsidian、办公文档四件套、Skill Scanner、Web Search、self-improvement、tl_video_downloader。

排错与速查：

• 常见问题 FAQ、错误码速查、数据安全说明。

定价与积分：

• 个人版四档 + 企业版，积分按任务复杂度和模型消耗，WorkBuddy 与 CodeBuddy 积分共享。

• 核心观点： 前沿人工智能（FrontierAI）正快速发展，其能力提升和应用拓展带来了日益复杂的安全与治理挑战，需要各方加强前瞻准备，形成合力应对。
• 关键数据：
  • 2024年约2700起人工智能风险事件，2025年约4600起，2026年1-3月已超过4600起。
  • 2023年至2025年，各行业使用人工智能的企业比例普遍上升，信息和通信业以及专业、科学和技术服务业中使用人工智能的企业比例已超过四成。
  • 韩国央行研究显示，2022年6月至2026年6月，韩国15—29岁青年就业岗位减少28.5万个，其中26.8万个集中在人工智能暴露度较高的行业。
• 研究结论：
  • 前沿人工智能风险正由单点、局部问题演变为跨场景、跨主体、跨边界的复合性挑战。
  • 滥用与犯罪风险、信息完整性风险和关键系统风险已较多转化为现实危害。
  • 社会认知与结构风险在就业、教育等领域的长期影响正在逐步累积。
  • 灾难性与生存性风险潜在后果重大，需纳入前瞻研判。
  • 当前各国对前沿人工智能风险的治理基础已初步形成，但评测、核验与责任落实等关键环节仍有明显短板。
  • 24个国家的前沿人工智能治理就绪度评估显示，多数国家在制度与组织方面准备相对充分，但在技术安全与评测、验证与合规、责任落实与生态治理方面相对薄弱。
  • 风险事件通报与共享、应急响应与复盘改进、跨境风险信息通报和演练等能力缺口最为明显。
  • 应对前沿人工智能风险，需要不同主体明确分工，形成稳定协作，推动风险证据、责任记录和处置信息顺畅流转，并加强评测、核验和风险响应能力。