从工作流到Skill：律师如何把专业能力封装起来

上一篇我们讲到，工作流的价值，是把法律服务从“问一句答一句”，推进到“按步骤完成任务”。

但工作流之后，还会出现一个更重要的问题：

 · 这些流程能不能被保存下来？

 · 能不能在不同工具里复用？

 · 能不能给团队其他律师使用？

 · 能不能被 Agent 在合适的时候自动调用？

这就是 Skill 的价值。

AI工具会变化，但律师的专业能力需要沉淀下来

现在法律人能用的 AI 工具已经很多。，有的是聊天型工具，有的是工作流平台，有的是 Agent 平台，有的是桌面端助手，有的是知识库工具，有的是专门服务律师场景的法律科技产品。

每一个工具都有自己的界面、入口、配置方式和调用方法。今天你可能在一个平台搭了一个合同审查流程。明天换到另一个工具，又要重新配置一遍。这件事会带来一个很现实的问题：如果律师的专业能力只绑定在某一个工具里，它就很容易被工具变化打散。

Skill 的意义，就是把这些能力从某一个工具里抽出来，封装成相对独立的能力模块。

它可以放进 Agent、可以嵌入工作流、可以接入知识库、可以被桌面助手调用、也可以随着工具变化迁移到新的系统里，这也是我认为 Skill 很值得法律人关注的原因，它不是某一个平台上的小功能，它更像未来法律服务里的“能力组件”。

工具会更替，但一个设计得足够好的 Skill，可以跟着律师、团队和律所一起长期进化。

Skill 到底是什么？

如果用技术语言讲，Skill 可以理解为一种被封装起来的能力模块。它通常包含任务说明、执行流程、输入要求、知识调用方式、工具调用规则、输出格式、示例、限制条件和安全边界。

但对律师来说，可以换一种更直观的理解：Skill 就是把律师的一项专业能力，打包成 AI 能识别、能调用、能复用的说明书。

比如，一个律师很擅长做员工手册落地。他知道这件事不是把员工手册写完就结束了。还要看制度内容是否合法合理；有没有经过民主程序；有没有完成公示；员工是否签收确认；后续能不能作为用工管理依据；如果将来发生争议，企业能不能拿得出证据链。

这些判断，如果只存在律师脑子里，就是个人经验；如果把它拆成步骤，就是工作流；如果再把这套步骤、规则、模板、知识库、输出格式、风险提示和复核要求整理成一个可调用模块，它就接近一个法律 Skill。

所以，Skill 的本质不是写一段更复杂的提示词。它是在封装一项专业能力。

工作流解决“怎么做”，Skill 解决“怎么复用”

工作流和 Skill 很容易被混在一起讲，但它们的层级不一样。

工作流更关注一项任务怎么跑完。比如客户提交一份劳动合同，AI先识别合同类型，再提取关键信息，再逐条审查风险，再生成修改建议，最后提示律师复核，这是工作流。

Skill 更关注这套能力如何被保存、调用和迁移。比如我们把上面的能力封装成“劳动合同审查 Skill”，以后无论是在桌面助手里，还是在 Agent 平台里，还是在律所自己的系统里，只要需要处理劳动合同审查任务，就可以调用这个 Skill。

它的价值不只是完成一次任务，它的价值在于：把一次次重复出现的专业动作，变成可复用的能力资产，这也是 Agent 时代非常关键的变化。

未来的 Agent 不会只靠一段提示词完成复杂任务。它更可能像一个项目经理一样，根据任务需要调用不同能力，比如：客户问一个劳动用工问题，Agent 可能先调用“事项分类 Skill”，判断是合同签订、在职管理、解除终止还是争议处理。

 · 如果发现是解除劳动合同问题，再调用“解除风险初筛 Skill”；

 · 如果信息不完整，再调用“事实追问 Skill”；

 · 如果需要生成客户回复，再调用“客户版法律回复 Skill”；

 · 如果涉及高风险动作，再触发“律师复核 Skill”；

多个 Skill 组合起来，才可能形成真正可交付的法律服务系统。

Skill 在未来法律AI中的价值是什么？

我觉得至少有四层价值。

第一，降低重复交代成本

现在很多律师用 AI，都在反复做一件事：一遍遍告诉 AI，我是谁、你要做什么、按什么逻辑做、输出成什么格式、哪些地方不能乱说。

每次都重新交代，本质上是在重复消耗律师自己的管理能力。

Skill 把这些稳定要求提前封装好。下次遇到同类任务，不用从零开始讲，AI 直接进入既定的专业路径，这会让律师从“不断教 AI 怎么做”，转向“维护一套可以持续调用的能力模块”。

第二，提升交付稳定性

法律服务最怕交付不稳定。

同一类合同，不同律师审查颗粒度不一样；同一类咨询，不同律师回复结构不一样；同一类顾问月报，有的人写成流水账，有的人能提炼出真正的风险和行动建议。

Skill 可以把律所认可的交付标准固化下来。

 · 比如风险分级怎么分；

 · 客户版语言怎么写；

 · 哪些事项必须提示律师介入；

 · 哪些内容不能直接下结论；

 · 最终交付报告应该包含哪些部分。

这样，AI参与交付时，不会完全依赖某个律师当下的状态。

团队也更容易形成统一的服务标准。

第三，让专业能力跨工具迁移

这是 Skill 很重要的未来价值，今天你用这个 AI 工具，明天可能换另一个平台。如果你的能力沉淀在某个平台的按钮里，平台一换，很多东西就要重来。

但如果你沉淀的是 Skill，本质上沉淀的是一套结构化能力描述。

它可以被改写成提示词，可以拆进工作流平台，可以放进 Agent 的技能库，可以接入桌面助手，也可以转化成团队内部的操作规范。这意味着律师的专业能力不再被某个工具锁住，工具只是载体，Skill 才是可以迁移的能力包。

第四，把个人经验变成组织资产

过去，律所最难沉淀的是资深律师的经验。很多判断非常细，写在制度里太粗，靠口头带教又不稳定。

Skill 提供了一种新的沉淀方式。它可以把一个律师处理具体问题的路径拆出来，这些东西一旦被封装起来，就不再只属于某一个人的脑子，它可以成为团队训练新人、统一交付、复制服务能力的基础设施。这才是 Skill 真正值得律所管理者关注的地方。

一个法律Skill里，不能只有工作流

很多人理解 Skill，会以为就是把工作流写进去，但对法律人来说，一个真正好用的 Skill，至少要包含八类内容。

1. 任务边界

先说明这个 Skill 解决什么问题。比如“用于对企业劳动合同进行初步风险审查”，边界要清楚。

 · 它不负责劳动争议诉讼策略。

 · 不负责直接判断解除是否合法。

 · 不负责替代律师出具正式法律意见。

边界越清楚，AI越不容易乱跑。

2. 适用场景

要写清楚什么时候可以用，什么时候不适合用。

比如合同初审、客户材料预处理、顾问单位日常咨询，可以用。但涉及重大裁员、单方解除、高管竞业限制、群体性争议，就必须提示律师介入。

适用场景写清楚，Skill 才不会被滥用。

3. 输入要求

Skill 要告诉使用者：你至少要给我什么信息。

比如合同文本、审查立场、客户身份、员工类型、所在地区、重点关注问题、是否需要客户版输出。如果输入不完整，Skill 应该先追问。

法律工作不能在事实不清的情况下硬给结论，这一点要写进 Skill。

4. 工作流步骤

这部分是 Skill 的执行路径。这在上一篇文章详细分析过，在此就不再赘述。

工作流决定 AI 怎么一步步完成任务，但它只是 Skill 的一部分。

5. 知识调用规则

法律 Skill 必须告诉 AI 参考什么。

比如优先调用劳动用工知识库、合同模板库、当地裁判规则、内部审查清单、常见风险库；

 · 还要说明不同阶段调用什么知识；

 · 事实识别阶段调用材料清单；

 · 风险判断阶段调用法律依据和审查规则；

 · 客户输出阶段调用客户版表达模板；

没有知识调用规则，Skill 很容易变成一个包装得很漂亮的普通提示词。

6. 判断规则和风险分级

法律 Skill 里最值钱的部分，往往是判断规则。

 · 比如什么叫重大风险；

 · 什么叫一般风险；

 · 什么只是提示性风险；

 · 哪些问题会影响合同效力；

 · 哪些问题会影响企业管理成本；

 · 哪些问题会在争议中增加败诉风险。

这部分越清楚，Skill 越接近律师真实的专业判断。

7. 输出格式

Skill 要提前设计交付物长什么样。

比如输出为：

一、合同基本信息；

二、核心风险摘要；

三、逐条审查意见；

四、修改建议；

五、需补充确认的问题；

六、律师重点复核事项；

七、客户版简要说明。

输出格式稳定，交付质量才稳定。否则 AI 每次都换一种结构，律师还要重新整理。

8. 安全边界和人工复核

法律 Skill 一定要有刹车点。

比如涉及重大权利处分、争议解决策略、解除劳动合同、刑事风险、数据出境、重大交易决策、群体性事件时，必须提示律师复核。

还要明确 AI 输出的性质：可以是初步整理、风险提示、材料清单、初稿建议，不能直接替代律师作出最终法律判断。

法律 Skill 的高级之处，不是让 AI 一路自动跑到底，真正好的设计，是让 AI 知道哪里能做，哪里要停，哪里必须交给律师。

律师应该怎么写自己的第一个 Skill？

如果你完全没有技术基础，也可以开始写。

第一步，不要先打开工具。

先选一个你最熟悉、最高频、最有把握的场景。比如劳动合同审查、员工手册落地、顾问单位日常咨询、合同风险摘要、客户会议纪要、法律顾问月报。

第二步，把你平时怎么做这件事写下来。

不用写得很高级，就像你在带一个新人律师：先看什么；再问什么；哪些材料必须有；哪些问题不能直接答；哪些风险要标红；最后交付给客户时怎么表达。

第三步，把这些内容整理成 Skill 的八个模块：

 · 任务边界；

 · 适用场景；

 · 输入要求；

 · 执行步骤；

 · 知识调用；

 · 判断规则；

 · 输出格式；

 · 安全边界。

第四步，用 AI 帮你整理成正式版本。

这一步其实非常适合法律人，律师不用自己写技术配置文件。

你可以直接对 AI 说：“请根据以下业务说明，帮我整理成一个可用于 Agent 调用的法律 Skill，包含任务目标、适用场景、输入要求、执行流程、知识调用规则、风险分级、输出格式、人工复核节点和限制条件。”

然后你把自己的业务经验丢进去，让 AI 先生成第一版，你再用律师的专业判断去修改它。这就是很现实的路径，律师负责提供经验、规则、边界和判断；AI负责帮你结构化、格式化、模块化。

技术层面，我们完全可以善用 AI 来生成 Skill 的初稿，再把它放进不同工具中测试和迭代。

无论是律师还是律所都应当建立自己的Skill库

Skill 出现之后，律师和 AI 的关系会发生变化，律师不再只是给 AI 下单。律师开始把自己的专业能力拆出来，封装成 AI 可以长期调用的能力模块。这意味着律师的工作会从“使用工具”，进入“设计能力系统”。

谁能把专业经验拆得更清楚，谁的 AI 就更好用；谁能把交付标准沉淀得更稳定，谁的团队就更容易复制；谁能把 Skill 做成一套能力库，谁就更接近 AI 时代的新型律所。这也是我觉得法律人必须重视 Skill 的原因。

它不是一个小技巧，它代表着法律服务能力的封装方式正在变化。

一家真正具备 AI 应用能力的律所，应当构建有自己的 Skill 库，比如：

合同审查 Skill；

 · 劳动用工咨询 Skill；

 · 员工手册落地 Skill；

 · 股权转让审查 Skill；

 · 顾问单位月报 Skill；

 · 客户咨询分诊 Skill；

 · 数据合规初筛 Skill；

 · 刑事风险识别 Skill……

这些 Skill 组合起来，就会变成律所自己的法律服务操作系统。

新律师可以用它学习，成熟律师可以用它提效，合伙人可以用它统一交付标准，Agent 可以用它调度不同任务，客户也会感受到更稳定、更清晰、更可执行的服务体验，这才是 Skill 的未来价值。它不只是让 AI 多会一个动作，它是在帮律师把专业能力变成可保存、可调用、可迁移、可复用的资产。

Skill 的价值，就是把这些属于律师的专业能力，变成 AI 时代可以被安全调用的能力资产，这可能会成为未来律所之间新的差距。