WorkBuddy入门，八步上手 | 示范团 · 青训

乾成这一轮把AI用进业务，先从一堂课开始。

2026年11月6日，示范团青训的11月课程在北京开讲，第一课由陈昱竹律师讲WorkBuddy怎么用。

从八个基础名词，到工具性质辨析，把界面、默认存储、工作空间与业务数据保密摆在动手之前，再照着界面把对话、基础配置、切模型、领积分、设置空间、技能、专家、助理依次说完。现场讲授与真机演示同时进行，探讨氛围热烈。

律师办一案，最大的价值是判断，耗掉时间的却是翻卷宗、理时间线、比对材料、套模板。这些环节过去受钟点限制，一份意见经得起几遍核查，也就跟着当天的人手和状态浮动。工具接手之后，机械环节能稳定做完，律师的精力将最大程度用于专业判断。

“AI赋能乾成”计划，安排了成体系的AI工具学习、推行、实务应用，随案把成熟做法整理成可复用的技能与智能体。示范团青训就是这条线上的第一个点。

敬请期待后续。

工具平权之后，差别在人

与大家熟悉的问答式模型不同，WorkBuddy之类的协同工具，让AI模型与人一起协作着把事情做完。

早期我们花了不少力气研究不同模型的差别、具体工具怎么操作，但工具迭代很快，能力越来越强，用法却越来越简单、直白，所以之前没有学习的人不需要有任何心理负担。

工具没有想象中复杂，这一课也不要求谁先懂技术。听的过程中有问题随时可以打断，最后另留了提问时间，怎么轻松怎么来。

优秀的工具设计理念，本就是把重复、机械的环节接过去，人不必先把原理弄明白才能上手。当然，省下的力气要挪到别处去，用在把要求交代完整、把产出逐项核对上。如今的工具没有想象中复杂，这一课也不要求谁先懂技术。

AI工具已经普及到随手可用的程度，团队里的助理也能方便地用上。同一套工具、同一个使用场景，产出的差别往往在命令、判断、沉淀、耐心这四个方面：

命令、判断、沉淀、耐心，这四项合起来，其实也是带助理的能力。

工具平权之后，人的差别，神奇地回到了怎么交办、怎么验收、怎么把方法留住、怎么给磨合留出时间的传统问题上。

基础的几个词，大概知道即可

基础名词，知道大概指什么就够了，入门不必深究背后机制，出去交流的时候不至于接不上话。

懂机制的人也不必因此得意，不懂的人也不必因此心虚。

真遇到不清楚的，回头问AI一样能得到解释，只是问过和没问过的区别。

↑ 大语言模型，通常简称LLM。

把互联网上公开的文字大量收集起来，让模型计算上文之后接哪个字、哪个词的概率。举例说“我吃了”，后面接“早餐”、“苹果”、“包子”各有概率，模型并不关心说话人早饭究竟吃了什么。

训练文本越多，生成的话通常越通顺、越像人写的，通顺却不等于准确。它不是数据库，按概率往下接，也不做事实核查，凡涉及身份、业绩、专业能力、法条和案号，仍要另找可靠来源核对。

可以把它当成一个记性很好、阅读量很广、偶尔记错、偶尔撒谎的初学生。有了人设，沟通时容易拿捏分寸，比如有的工具偏向顺着人说，有的错了也嘴硬。

↑ 提示词，英文叫prompt，就是输入给工具的那段要求。

课前在群里发过一段基础设置的文字，把方框里的内容复制到对话框，改掉方括号里的部分，那段文字就是提示词。

名称听着陌生，做的事其实很平常，把交办任务的话写清楚而已。说得越具体，结果越能用，尤其要把目标、材料、标准、用途交代到。

↑ 词元，英文叫token，可以理解成模型读写文字时切出的小块。

模型按它计量，输入和输出分别计价，输出通常更贵；一次能装下多少内容，也由它算出上限，这就是上下文窗口。

界面上显示的积分和问题数量，是厂商换算后的口径，与token不一定一一对应，用得越多，背后要算的内容越多，费用也越高。具体怎么切分不必深究，知道这是计量单位就够了。

↑ Skill，中文叫技能，是把一套专业方法加一份检查清单打包成可反复调用的东西。换成法律场景的说法，就是某类文书的方法论文本，类似所里的模板加校对清单。比如一个团队把写初步法律分析意见的步骤、角度、固定说辞整理成一份文档，发给初年级律师照着用，这份文档本身就是方法论、就是Skill。

技能甚至可以只是一份文本，让工具知道该按什么步骤走、该查哪几项，也能带着它去调动文件、完成几个步骤。在WorkBuddy中，一般是能够根据用户录入的内容自动加载Skill的，不过自动加载是设计上的目标，以防意外，在强需求的任务中，建议还是明确指定Skill。

↑ Agent，中文叫智能体（也有称“专家”的）。

它能自动调用多个Skill技能，把一个相对宽泛的需求分成几步，从已有技能里挑出合用的，排列组合，输出一份相对完整的成果。

产品里的“专家”，是给它配了人设和知识库之后的一种形态，专不专要看里头技能的丰富程度。

与前面那些名词比，底层模型并没有变，多出来的是自己排步骤、反复调用工具、按中间结果调整的编排。

↑ Workspace，工作空间，其实就是电脑上的一个文件夹，没必要被这个名字唬住。

选定之后，工具可以读取里面的文件，也可以在其中新建、删除文件。

授权范围划到哪里，工具能碰到的文件就到哪里，这也是这类工具出现后风险最集中的地方。这个文件夹的边界，管的是工具能碰哪些文件；至于材料会不会离开本机，是另一回事，还要单独问。

工作空间最好留原始备份或定期备份，工具能删文件，万一误删还有得找回。

↑ 幻觉，法律行业对它不陌生，最早因它出问题的就是这个行业。

工具杜撰案例与案号，被写进提交给法院的材料，一核查，案子不存在，或者案子存在但情形对不上。

幻觉由运行机制决定，没法根治；不同模型在控制上确有差别，概率却不会归零。

所以对于重要文件而言，必须要安排人工与官方原文和权威数据库逐项核对最容易出错的地方，案例是否真实、法条是否准确、是否现行（/ 指定时间）有效，人工核验不能省。

↑ MCP是一套通行的协议，规定AI应用怎么和外部数据源、工具对接，客户端与服务端按同一套规矩说话；连接器是产品里按这套规矩接进来的具体入口，比如与会议、文档、即时通讯工具对接。

经授权之后，工具才能替我们去操作这些应用。

怎么对接不必深究，知道有这回事即可，具体应用我们进阶课说。

谁动手，决定选哪类工具

协同工作台和某一家模型怎么用，是两回事。

模型厂商自己也会推出工作台，但这类工作台通常只接自家模型；协同工作台本身不生产模型，它是让模型与人一起工作的平台，不同模型可以在同一个界面里按任务选用。

这是商业定位的问题，与能力强弱无关，如果对具体模型没有深度依赖，仅仅是“能用”就行的话，选一个能用你喜欢的模型的协作平台即可。

看这张表。

性质上，一类是问答与文本生成工具，另一类是让模型与人一起工作的平台。

交互上，一类是人给一段文字、模型回一段文字，另一类是人给一个目标、模型自己排步骤、调工具、读写授权目录里的文件。

谁动手也随之换位，前者的执行主体是人，模型只给建议和文本；后者由模型执行，人负责验收。

文件处理上，前者靠手动复制粘贴、自己排版，后者直接操作授权目录里的本地文件。

任务上，前者适合单步骤的简单事，后者接得住多步骤的复杂活。

交付上，前者给一段文字回复，后者给Word、演示文稿、表格这类可验收成果。

拿我处理一份法律分析意见来说。

根据目前我对AI工具的配置，用户只做两件事：一是把材料交进去，二是说一句“帮我出个分析意见”。

工具随后会自动梳理时间线、锁定争议焦点；若焦点复杂，先判断案件涉及哪些罪名，查这些罪名的构成要件与入罪出罪标准，再据此分析争议焦点，给出辩护策略；最后调用团队模板库里对应的文书模板，在既定的Word格式内把内容写完。

这些步骤如今都由工具自己完成，人要操心的是材料给得全不全、目标说得准不准。

中间那些机械环节被压缩掉，交付的是一份合用的成品。

选择哪一类工具，看的是任务有几步、要不要动文件、要不要套模板。

简单的即时问答，打开单一模型几秒就有答案，比如我站在咖啡店门口问这家店怎么样，五分钟都等不了的事，用不着动用会自己规划的工具。

相反，可以等上十几分钟、但仍比人工快不少的多步骤任务，交给工作台更合算。

先立规矩，再谈动手

课前我们同步了一个预设文档，里面包括了基础设置、保密规则、幻觉控制等等，课上我们不展开：

称呼、语调、回答的颗粒度，可以设成言简意赅，也可以设成详细展开；风格语调里有几个选项，影响的是对话语气与处事态度，不影响做事能力。

它甚至会有一点主观能动性，从过往对话里记住团队怎么称呼你，觉得不合适，直接设置成想要的称呼即可。

职业要求也可以写进长期记忆。法律法规与司法解释、典型案例的渊源不得杜撰，须按指定时点提供当时真实有效的依据；中文语境一律使用中文弯引号，不用半角直引号。这类要求写一次，后续任务都受约束，比每次在提示词里重复一遍省事。

法律行业几乎所有工作内容都带着保密义务。

《中华人民共和国律师法》（2017修正）第三十八条第一款规定，律师应当保守在执业活动中知悉的国家秘密、商业秘密，不得泄露当事人的隐私。第二款把委托人和其他人不愿泄露的有关情况和信息也纳入保密范围，另设危害国家安全、公共安全以及严重危害他人人身安全的犯罪事实和信息的例外。

—— 工具换了，义务没有换。真出了事，很难用“材料是模型方泄露的”来主张律师免责，保密责任与执业者本人绑定，任何工具都不能替人承担。

AI产出也一样，仍要由律师逐条核对。

没有先例不等于没有后果，这一点不必等事例出现才当真。

所以，让工具处理任何案件材料之前，先问三句：

1. 材料能不能出本机，也就是能不能离开这台设备被别人获取？ 2. 是否已脱敏？ 

3. 开放给工具的工作区与业务文件夹是否隔离？

具体做法可以参考：

用公网模型的同事，工作空间要设在专门隔离的文件夹，不指向业务与案卷目录，也不开放桌面、下载这类混杂目录，只放已脱敏、确需处理的材料；最好与业务文件夹分处不同的位置，中间多隔几层，误碰的机会就小一些。

判断数据或知识库有没有出本机，有个土办法，本机关机之后，换一台设备还能不能访问到同一份知识库；还能访问，就说明数据已经离开这台电脑。

Skill训练组（研讨课）

当前乾成示范团已经积攒了很多可复用的技能Skill，还需要几个人一起对着真实任务反复打磨。因此，接下来一段时间，我们会根据不同的Skill，在全所范围内招募一些成熟的、判断力强的伙伴，成立训练Skill的“专项组”。

训练组的做法也不复杂，按Skill分小组，一个组对准一类真实任务，以基础版本为基础????，留半天集中优化，成熟一个发布一个，后续版本跟着一起更新。

一份Skill合不合用，要看它跑出来的东西哪里不对、该往哪改，说不出具体改法的人，也改不了Skill；给它的样本还要够，只有一份材料，它会把那一份里的个别细节当成通例，换个案子就生搬硬套。所以每个组要凑齐几类真实任务，反复跑。

做熟一份，全所共用，甚至对外发布，训练组的小伙伴们将持续获益、获利。

进阶课要做的四件事

上手之后，进阶课我们会从以下4部分展开：

连接器与MCP解决的是对接，飞书、钉钉、邮箱、网盘这些第三方应用按所内合规通道接入，接哪些、开放到什么程度，事先定清楚。

自动化把重复的事情交给定时任务，收集、汇总、整理完自动送达，如在手机微信中打开就能看到结果。

项目协作是几个人按同一套规则用同一个空间，产出成果共享，不必传来传去。

本地化部署放在最后。纯本地模型，断网可用，业务数据不出本机，前面为公网模型设的那些限制才有放宽的余地。

今天的内容就是这些，我们下节课见????！

（Q&A环节，内容略）

敬请期待示范团青训系列

11月课程安排

课程讲师：

陈昱竹

北京乾成高级合伙人、示范团刑事律师

中国法研法律智能应用创新中心主任、数智枫桥研究院联合创始人

深耕涉职务犯罪、商业犯罪刑事法律服务，同时有丰富的商事纠纷ADR及AI法律科技应用与创新实务经验。