Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

法律智能律师

Answer

以下是关于法律智能律师的相关内容:

一、什么是 Prompt 及如何写出好的 Prompt

  1. Prompt 指的是给人工智能(AI)系统提供的信息或者问题,用来引导 AI 产生特定的回答或者执行特定的任务。对于 AI 来说,一个好的 Prompt 可以帮助它更准确地理解需求,并给出更相关、更有用的回答。
  2. Prompt 的建议框架及格式:
    • CRISPE 框架:
      • Capacity and Role(能力与角色):明确 AI 的角色和能力,如专注于民商事法律领域的律师,擅长案例研究、法律条文检索以及案件策略分析。
      • Insight(洞察):提供背景信息和上下文,如处理一起复杂的合同纠纷案件,向 AI 提供案件的关键事实、相关法律以及案件涉及的背景。
      • Statement(陈述):明确期望 AI 完成的任务,如要求 AI 总结案件中双方的诉求、检索法条、预测可能的判决结果。
      • Personality(个性):确定希望 AI 以什么风格或方式回答。
      • Experiment(举例):通过举例进一步说明。

二、关于写 Prompt 的实践经验

  1. 不能期待设计一个完美的提示词,然后 AI 百分百给到完美符合要求的答案,中间不能有谬误,否则就是一个需要修复的“BUG”。这本质上还是前 AI 时代“机器编程”的思路,是工程学的,把 AI 当成机械的。
  2. 给到 AI 的提示词实际上是一个关于此项问题的相对完善的“谈话方案”,真正的成果需要在对话中产生,在对话中限缩自己思维中的模糊地带。
  3. 现在大多数人(包括各个大厂的提示词工程师们)基本上都还抱着前 AI 时代的“机器编程”思路来进行 AI 的“自然语言编程”。这种希望通过一个超级提示词母机,保证 AI 不出错的一次性生成用户想要的理想效果的工程学路线,恐怕原理上比较难走。
  4. 对于想要尝试 AI 的朋友们,建议多给到 AI 几轮对话修正的余地,不要期望输入一次提示词 AI 就能给到想要的东西,毕竟很多时候自己刚开始也不知道自己想要什么。

三、个人写 Prompt 的习惯和示例

  1. 基于个人习惯和审美偏好,把 Prompt 或者提示词称为【灵机符箓】或简称【符箓】,把 AI 称为【灵机】。
  2. 习惯用的大模型是 KIMI,但别的 GPT、文心一言、豆包等也都可以,具体效果可能有不同。
  3. 示例:敕令法律文章撰写
    • 箓:
      • author:叁随道人
      • version:1.0(20240626)
      • language:中文
    • 符: 你是一名资深中国律师,不仅精通法律,而且熟悉商业实践和人性,本任务中你需要根据【基础材料】,输出特定【语言风格】的文章。开头是惯例的赋予 AI 灵机一个“身份”,这实际上就是一次划定【边界】,避免输出的结果里出现国外的或非法律的内容,过于宽泛。而后是一个总的任务流程,和两个关键变量【基础材料】和【语言风格】。首先获得基础材料。
Content generated by AI large model, please carefully verify (powered by aily)

References

潘帅:手把手分享法律人如何用好AI — Prompt篇

律师如何写出好的Prompt1.什么是Prompt?Prompt指的是给人工智能(AI)系统提供的信息或者问题,用来引导AI产生特定的回答或者执行特定的任务。就像你在聊天时提出的问题一样,Prompt是启动对话或者引导对话方向的起点。对于AI来说,一个好的Prompt可以帮助它更准确地理解你的需求,并给出更相关、更有用的回答。简言之,Prompt就像是你对AI说的一句话,告诉它你想要它做什么。2.Prompt的建议框架及格式第一种:CRISPEC apacity and R ole(能力与角色)I nsight(洞察)S tatement(陈述)P ersonality(个性)E xperiment(举例)举例:Capacity and Role,你希望它的角色和能力:比如:你是一名专注于民商事法律领域的律师,擅长案例研究、法律条文检索以及案件策略分析。通过赋予AI这样的角色,我们能够更有效地利用它的数据处理和模式识别能力,从而提升律师的工作效率。Insight,提供背景信息和上下文:比如,处理一起复杂的合同纠纷案件,我们可以向AI提供案件的关键事实、相关法律以及案件涉及的背景。这样,AI在输出答案的时候,能提前理解案件的来龙去脉,为律师提供更精准的辅助。Statement,你希望AI做什么:比如:直接明确期望AI完成的任务是什么。以合同纠纷案件为例,我们可以要求AI总结此案件中双方的诉求、检索法条、预测可能的判决结果。Personality,你希望AI以什么风格或方式回答你:

拘灵遣将 | 不会写 Prompt(提示词)的道士不是好律师——关于律师如何写好提示词用好 AI 这件事

下面是我自己写的一篇用AI帮忙写法律文章的Prompt,当然,基于个人习惯和审美偏好,在这里我会更喜欢把Prompt或者提示词称为【灵机符箓】或简称【符箓】,把AI称为【灵机】。具体我习惯用的大模型是KIMI,但别的GPT、文心一言、豆包等也都可以,具体效果可能有不同。敕令法律文章撰写箓:-author:叁随道人-version:1.0(20240626)-language:中文-description:根据给定的文风要求及案例检索结果,输出特定风格的文章我给自己的个人Prompt库取名叫【元始洞玄灵宝枢机AI符法集成道藏】,意思是【研究好用的AI提示词的知识库母库】,库里每篇灵机符箓的命名都是【敕令XXXX】,这样做的主要好处是非常带劲,枯燥的上班变成了调用AI灵机施法,就很愉悦。【箓】的部分主要是描述符箓整体的所属、版本。符:你是一名资深中国律师,不仅精通法律,而且熟悉商业实践和人性,本任务中你需要根据【基础材料】,输出特定【语言风格】的文章。【符】的部分就很关键,涉及到具体的操作步骤和方法。开头是惯例的赋予AI灵机一个“身份”,这实际上就是一次划定【边界】,避免祂后面输出的结果里出现国外的或非法律的内容,过于宽泛。而后是一个总的任务流程,和两个关键变量【基础材料】和【语言风格】。1.获得基础材料

陶力文律师:拘灵遣将|不会写Prompt(提示词)的道士不是好律师——关于律师如何写好提示词用好AI这件事

这意味着你不能期待设计一个完美的提示词,然后AI百分百给到你一个完美的符合你要求的答案,中间不能有谬误,否则就是一个需要修复的“BUG”——这本质上还是前AI时代“机器编程”的思路,是工程学的,把AI当成机械的。这意味着的你要给到AI的提示词实际上是一个关于此项问题的相对完善的“谈话方案”,真正的成果需要在你们的对话中产生——实际上你也需要在对话中来限缩你自己思维中的模糊地带。现在大多数人(包括各个大厂的提示词工程师们)基本上都还抱着前AI时代的“机器编程”思路来进行AI的“自然语言编程”。就陶律师自己的实践来看,盲猜一波现在比较普遍那种希望通过一个超级提示词母机,保证ai不出错的一次性生成用户想要的理想效果的工程学路线——恐怕原理上比较难走而对于各位想要尝试AI的朋友们,陶律师的建议是,最好多给到AI几轮对话修正的余地,不要期望输入一次提示词AI就能给到你想要的东西——毕竟很多时候其实你自己刚开始也不知道自己想要什么。二、来写一篇灵机符箓吧下面是我自己写的一篇用AI帮忙写法律文章的Prompt,当然,基于个人习惯和审美偏好,在这里我会更喜欢把Prompt或者提示词称为【灵机符箓】或简称【符箓】,把AI称为【灵机】。具体我习惯用的大模型是KIMI,但别的GPT、文心一言、豆包等也都可以,具体效果可能有不同。敕令法律文章撰写箓:-author:叁随道人-version:1.0(20240626)-language:中文

Others are asking
什么是ai智能体
AI 智能体是指类似于 AI 机器人小助手,参照移动互联网,类似 APP 应用的概念。简单来说,就是拥有各项能力的“打工人”来帮我们做特定的事情。目前有不少大厂推出自己的 AI 智能体平台,如字节的扣子、阿里的魔搭社区等。体验过 GPT 或者文心一言大模型的小伙伴应该都知道,现在基本可以用自然语言来编程,相当于降低了编程的门槛。但之前使用 GPT 或者文心一言大模型时会出现胡编乱造、时效性、无法满足个性化需求等问题,而 AI 智能体的出现正是解决这些问题的绝佳方式。AI 智能体包含了自己的知识库、工作流,还可以调用外部工具,再结合大模型的自然语言理解能力,就可以完成比较复杂的工作。所以 AI 智能体的出现就是结合自己的业务场景,针对自己的需求,捏出自己的 AI 智能体来解决自己的事情。 例如在社交方向,用户注册之后先捏一个自己的 Agent,然后让自己的 Agent 和其他人的 Agent 聊天,两个 Agent 聊到一起后再真人介入,这是一个有趣的场景。在 B 端,如果字节扣子和腾讯元器是面向普通人的低代码平台,类似 APP 时代的个人开发者,那还有一个机会就是帮助 B 端商家搭建 Agent,类似 APP 时代专业做 APP 的。
2025-01-02
人工智能的定义
人工智能是一门研究如何使计算机表现出智能行为的科学。目前对其定义并不统一,以下是一些常见的定义: 从一般角度来看,人工智能是指通过分析环境并采取行动(具有一定程度的自主性)以实现特定目标来展示其智能行为的系统。基于人工智能的系统可以完全依赖于软件,在虚拟世界中运行(例如语音助手、图像分析软件、搜索引擎、语音和人脸识别系统)或者也可以嵌入硬件设备中(例如高级机器人、自动驾驶汽车、无人机或物联网应用程序)。 2021 年《AI 法案》提案第 3 条对人工智能的定义为:“AI 系统指采用附录 1 中所列的一种或多种技术和方法开发的软件,该软件能生成影响交互环境的输出(如内容、预测、建议或决策),以实现人为指定的特定目标。”其中,附录 1 列举的技术方法主要包括:机器学习方法(包括监督、无监督、强化和深度学习);基于逻辑和知识的方法(包括知识表示、归纳编程、知识库、影响和演绎引擎、符号推理和专家系统);统计方法,贝叶斯估计,以及搜索和优化方法。 最初,查尔斯·巴贝奇发明了计算机,用于按照一套明确定义的程序(即算法)来对数字进行运算。现代计算机虽更先进,但仍遵循受控计算理念。然而,对于像从照片判断人的年龄这类任务,我们无法明确解法,无法编写明确程序让计算机完成,这类任务正是人工智能感兴趣的。 需要注意的是,“人工智能”的概念自 1956 年于美国的达特茅斯学会上被提出后,其所涵盖的理论范围及技术方法随着时代的发展在不断扩展。相比于《2018 年人工智能战略》,2021 年《AI 法案》提案对于人工智能的定义采取更加宽泛的界定标准。在 2022 年《AI 法案》妥协版本中,欧盟理事会及欧洲议会认为“AI 系统”的定义范围应适当缩窄,并侧重强调机器学习的方法。
2025-01-02
人工智能的历史
人工智能作为一个领域始于二十世纪中叶。最初,符号推理流行,带来了如专家系统等重要进展,但这种方法因无法大规模拓展应用场景,且从专家提取知识、表现及保持知识库准确性复杂且成本高,导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移,计算资源更便宜,数据更多,神经网络方法在计算机视觉、语音理解等领域展现出卓越性能,过去十年中“人工智能”常被视为“神经网络”的同义词。 例如在创建国际象棋计算机对弈程序时,方法不断变化。 此外,人工智能和机器学习在金融服务行业应用已超十年,促成了诸多改进。大型语言模型通过生成式人工智能代表重大飞跃,正改变多个领域。 最初查尔斯·巴贝奇发明计算机,遵循受控计算理念。但有些任务如根据照片判断人的年龄无法明确编程,这类任务正是人工智能感兴趣的。如今金融、医学和艺术等领域正从人工智能中受益。
2025-01-02
什么是人工智能
人工智能(Artificial Intelligence)是一门研究如何使计算机表现出智能行为的科学,例如做一些人类所擅长的事情。 最初,查尔斯·巴贝奇发明了计算机,用于按照明确的程序进行数字运算。现代计算机虽更先进,但仍遵循相同的受控计算理念。若知道实现目标的每一步骤及顺序,就能编写程序让计算机执行。 然而,像“根据照片判断一个人的年龄”这类任务,我们不清楚大脑完成此任务的具体步骤,无法明确编程,这类任务正是人工智能感兴趣的。 AI 分为 ANI(artificial narrow intelligence 弱人工智能)和 AGI(artificial general intelligence)。ANI 只可做一件事,如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等;AGI 能做任何人类可以做的事。 人工智能术语包括: 机械学习:学习输入输出,从 A 到 B 的映射。是让电脑在不被编程的情况下自己学习的研究领域。 数据科学:分析数据集,从数据中获取结论与提示,输出结果往往是幻灯片、结论、PPT 等。 神经网络/深度学习:有输入层、输出层、中间层(隐藏层)。
2025-01-02
人工智能伦理建设的基本内容
人工智能伦理建设的基本内容包括以下方面: 欧洲议会和欧盟理事会规定了人工智能的统一规则,并修正了一系列相关条例。回顾委员会任命的独立人工智能高级别专家组 2019 年制定的《值得信赖的人工智能的伦理准则》,其中包含七项不具约束力的人工智能伦理原则: 人类主体和监督:人工智能系统的开发和使用应为人服务,尊重人的尊严和个人自主权,其运行可由人类适当控制和监督。 技术稳健性和安全性:开发和使用方式应在出现问题时保持稳健,抵御试图改变其使用或性能的行为,减少意外伤害。 隐私和数据治理:符合现有隐私和数据保护规则,处理的数据应具备高质量和完整性。 透明度:开发和使用方式应允许适当的可追溯性和可解释性,让人类知晓交流或互动情况,并告知部署者系统的能力和局限性以及受影响者的权利。 多样性、非歧视和公平:开发和使用方式应包括不同参与者,促进平等获取、性别平等和文化多样性,避免歧视性影响和不公平偏见。 社会和环境福祉:有助于设计符合《宪章》和欧盟基础价值观的连贯、可信和以人为本的人工智能。 问责制。 人工智能能带来广泛的经济、环境和社会效益,如改进预测、优化运营等,但也可能根据应用、使用情况和技术发展水平产生风险,对受欧盟法律保护的公共利益和基本权利造成损害。 鉴于人工智能的重大影响和建立信任的必要性,其发展必须符合欧盟价值观、基本权利和自由,应以人为本,最终提高人类福祉。 为确保公众利益的高水平保护,应为所有高风险人工智能系统制定统一规则,这些规则应与《宪章》一致,非歧视,符合国际贸易承诺,并考虑相关准则。
2025-01-02
你好,请问,哪家的智能体最适合处理excel表格
目前有以下几种智能体适合处理 Excel 表格: 1. Excel Labs:这是一个 Excel 插件,新增了基于 OpenAI 技术的生成式 AI 功能,可在 Excel 中直接进行数据分析和决策支持。 2. Microsoft 365 Copilot:微软推出的 AI 工具,整合了多种办公软件,能通过聊天形式让用户告知需求,自动完成如数据分析、格式创建等任务。 3. Formula Bot:提供数据分析聊天机器人和公式生成器两大功能,用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI:支持 Excel 和 Google Sheets 的 AI 插件,除公式生成外,还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术发展,未来可能会有更多 AI 功能集成到 Excel 中,进一步提高工作效率和数据处理的智能化水平。但请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-01-02
搭建一个专业的律师智能体
搭建一个专业的律师智能体需要考虑以下几个方面: 1. 多智能体的通信问题:不同智能体之间的通信至关重要,包括如何传递信息以及传递哪些信息。之前的很多多智能体开源框架存在效率低下和 token 消耗大的问题,而像 OpenAI 官方开源的多智能体框架「Swarm」在「Handoffs」方面处理得较为优雅。 2. 智能体的角色和职责:以客服多智能体为例,只需要准备如普通接线客服和宽带客服这样必要的 Agent,并明确其职责和交接逻辑。 3. 提示词的编写:对于律师智能体,写好提示词很重要。例如,在写作时需要对文章中出现的案例进行脱敏处理,替换具体的人物姓名、时间和地点。同时,注意深化写作时的分段和字数要求。 4. 遵循特定的规则和要求:像令中规定的初始化问候语、牢记并遵守全部要求等。 5. 决策智能体的应用:决策智能体在企业自动化中发挥作用,如在复杂、多步骤的推理流程中导航并做出业务决策。以 Anterior 为例,将付款方规则转换为有向无环图,利用智能体遍历决策树并评估相关文件。其他领域如 Norm AI 和 Parcha 也在利用决策智能体。
2024-12-17
律师如何使用 ai
律师使用 AI 可以从以下几个方面入手: 一、认识 AI 1. 把 AI 当成黑箱,只需知道它是能模仿人类思维、理解和输出自然语言的东西,不必深究技术原理。 2. 认识到 AI 具有“似人非人”的特点,存在一定的不稳定性和不确定性。 3. 借鉴人类各个文明传说和古老哲人的智慧,在与 AI 相处时,既要基于其“非人”一面,通过清晰的语言文字压缩其自由度,明确告知任务、边界、目标、实现路径和所需知识;也要接受其“似人”一面可能出现的问题,如学习人类思维磨洋工、乱搞、不执行等,并加以教育、监督和鞭策。 二、具体使用方法 1. 针对数据分析等任务,将各个环节分开处理,优化 AI 性能,便于发现和修正问题。 2. 对于复杂问题,采用逐步深化和细化的方式提问,先提出宽泛问题,再根据回答进一步细化或深化。 3. 为 AI 提供参考和学习的内容,包括详细的操作指南、行业最佳实践、案例研究等,编写详细的流程和知识(knowhow)。 4. 在 Prompt 中使用法律术语引导 AI 的回答方向。 5. 对 AI 的回答进行验证与反馈,交叉验证确保信息准确性,结合自身专业知识进行筛选和判断,确保符合我国法律伦理、立法目的和实务。
2024-12-04
如何利用AI帮助自己成为一名知识产权律师?我已经获得了法律职业资格证,但还没有实习成为一名律师。
成为一名知识产权律师可以借助 AI 从以下几个方面入手: 1. 知识学习与案例研究:利用 AI 驱动的法律数据库和学习平台,深入了解知识产权领域的法律法规、典型案例和最新动态。 2. 法律文书撰写辅助:借助 AI 工具提高法律文书如起诉书、答辩状等的撰写效率和质量,确保语言准确、逻辑清晰。 3. 模拟案例分析:通过 AI 模拟各种知识产权相关的案例场景,进行分析和应对策略的制定,提升解决实际问题的能力。 4. 客户需求分析:利用 AI 对潜在客户的需求和问题进行分析,以便更好地提供针对性的法律服务。 5. 法律研究与创新:借助 AI 探索知识产权领域的前沿研究和创新趋势,为自己的业务发展提供新思路。 需要注意的是,AI 只是辅助工具,不能替代您自身的专业判断和实践经验。在使用 AI 工具时,要对其结果进行审慎评估和验证。
2024-09-19
AI替代律师
以下是关于“AI 替代律师”的相关内容: 一直以来,对于“AI 替代人”的话题,有一种流行说法是“AI 无法替代律师,因为它不能背锅”。但实际上,在“AI 独立诊疗”的情况下,即使 AI 没有实体无法承担责任,AI 所属的公司、牌照发放单位甚至是保险公司是完全可以承担责任的。“不能背锅”本质上是因为按照现在的 AI 模型准确率,公司承担不起赔偿。 对于律师来说,起草与审查文档、审查证据等工作中包含不同潜力的可 AI 自动化任务。 此外,在欧洲,有人担心 AI 会替代或取代工作,比如律师。但在现代世界,AI 有可能将人们从一些单调任务中解放出来,让人们有更多时间从事专业工作。
2024-09-01
AI可以代替律师吗
AI 目前不能完全代替律师。以下是一些相关的分析: 责任界定方面:在“AI 独立诊疗”的情况下,即使 AI 没有实体无法承担责任,但所属公司、牌照发放单位甚至保险公司可以承担。然而,按照现在的 AI 模型准确率,公司可能承担不起赔偿,“不能背锅”本质上是“背不起这个锅”。 商业模式方面:对于患者付费(2C),中国消费者对于线上服务付费的意愿远低于美国。在准确性不高的条件下,AI 问诊直接按次收费还不现实。 服务能力方面:AI 大模型难以根据客户的综合性需求提供个性化的法律服务,因为大模型基于预设数据和规则,不能及时采集客户所有即时信息,很难超出语料内容生成创新且专业的答案,难以针对性地为客户提供专业服务。 但同时也要看到,AI 在某些方面有优势: 在处理医疗数据和进行临床推理方面的表现优于医生,在某些非常人类的任务上甚至可以超越人类的表现。 而律师具有以下擅长的方面: 具备深厚的法律专业知识,能够提供专业的法律分析和建议,如在证券欺诈案件中的专业分析。 在沟通和谈判中能够与各方建立信任、表达观点、促成交易等。 能够针对新兴行业或监管空白提出合规建议,创造性地解决问题。 作为专业人士,在紧急情况下能做出专业判断,提供及时的法律建议和解决方案。 律师也有不擅长的方面: 在处理大量信息和数据时,人工效率非常有限,如大量文件调查中的数据提取和整理。 可能难以记住各类案件中的所有事实和细节,尤其是在复杂案件中。 精力与情绪方面可能存在局限。
2024-09-01
AI可以代替律师辩论赛
AI 在某些方面可以辅助律师辩论赛,但不能完全代替。以下是一些相关分析: 群体智慧的作用:俗话说“三个臭皮匠,顶个诸葛亮”,在面对复杂难题时,集思广益很重要。通过头脑风暴可以从不同角度思考问题,激发创意;通过辩论和讨论能对不同观点碰撞交锋,更好理解问题本质;通过投票和协商能整合意见,找到多数人接受的方案。例如法庭上双方律师通过逻辑论证和证据展示试图说服法官和陪审团。 AI 医疗中的责任界定:对于“AI 替代人”的话题,如“AI 无法替代律师”,一种观点认为“AI 独立诊疗”时,即使 AI 无实体无法担责,但所属公司、牌照发放单位甚至保险公司可承担。然而,当前 AI 模型准确率低,公司承担不起赔偿。 法律人利用 AI 的 Prompt 指令词:在劳动合同纠纷、知识产权许可诉讼、商业合同违约等案件中,可通过 Prompt 指令词让 AI 分析权益责任、诉讼策略等。例如模拟法庭审理,AI 能根据法律规定和案例法,提供双方论点、证据和法律依据的分析,预测判决结果,给出优化法庭陈述和证据呈现的建议。 总体而言,AI 目前还不能完全代替律师辩论赛,但可以作为辅助工具为律师提供帮助和参考。
2024-09-01
谈谈医疗人工智能的风险及其法律防范,举一个具体例子,如影响肿瘤外科内科
医疗人工智能在带来诸多益处的同时,也存在新的风险。以下为您举例说明其风险及法律防范: 以自动化医疗分诊系统为例,其具有适应性和自主性。适应性方面,它能基于对医疗数据集、患者记录和实时健康数据的分析来预测患者病情;自主性方面,它能为医疗专业人员或直接为患者生成有关症状可能原因的信息,并推荐潜在的干预和治疗措施。 然而,这也带来了一些风险和监管问题。比如,若该系统提供了错误的医疗建议,导致患者出现负面健康结果,责任归属不明确,影响患者获得赔偿。 在法律防范方面,需要明确此类系统的责任界定,制定相关法律法规,确保患者在因错误建议受到损害时能够获得有效的救济。同时,应加强对医疗人工智能系统的监管和评估,确保其准确性和可靠性。
2025-01-02
我现在是一家公司的实习生,目前参与的项目是AI法律大模型未来法官助手,这个系统的功能是提取案件中的信息,自动填写到预设好的要件中,比如犯罪嫌疑人的姓名、身份证号、出生日期、事发经过等等,我该如何去学习提示词
以下是关于如何学习提示词运用的建议: 1. 理解提示词的作用:提示词为模型提供上下文和指示,其质量直接影响模型输出质量。 2. 学习提示词的构建技巧: 明确任务目标,用简洁准确的语言描述。 给予足够的背景信息和示例,帮助模型理解语境。 使用清晰的指令,如“解释”“总结”“创作”等。 对特殊要求应给予明确指示,如输出格式、字数限制等。 3. 参考优秀案例:研究和学习已有的优秀提示词案例,在领域社区、Github 等资源中获取大量案例。 4. 实践、迭代、优化:多与语言模型互动,根据输出结果提高提示词质量,尝试各种变体,比较分析输出差异,持续优化提示词构建。 5. 活用提示工程工具:如 Anthropic 的 Constitutional AI 等,辅助构建和优化提示词。 6. 跟上前沿研究:提示工程是前沿研究领域,持续关注最新研究成果和方法论。 精心设计的提示词能最大限度发挥语言模型的潜力,多实践、多学习、多总结,终可掌握窍门。同时,在与大模型交互时,方法论不是关键,不断尝试和交互是最佳方法,无需严格遵循规则,未达成目的就锲而不舍地再尝试或更换模型。另外,用 Markdown 格式清晰表达问题有助于提高与模型交流的效率和精确性,其具有结构清晰、格式化强调、适用性广等优点。
2024-12-23
我是一个法律工作者,需要经常回答客户的一些法律问题,哪个AI适合我这种场景的工作需求
对于您这种经常回答客户法律问题的法律工作者,以下几种场景中适合使用法律行业垂类的 AI 产品: 1. 法规研究与解读:使用 Prompt 指令词,如“根据最新修订的《数据安全法》,解析企业在处理个人信息时应遵循的主要原则,并给出具体操作建议”,AI 助手将依据最新条款解析原则并提出操作指南或合规建议。 2. 法律意见书撰写或非诉交易文件材料:例如“针对我方当事人涉及的版权纠纷案,输入【已有的证据材料】+【相关法律条文】,撰写一份初步法律意见书,论证我方主张的合理性和胜诉的可能性”,AI 将根据提供的材料撰写法律意见书。 3. 案例检索:如“请搜索近五年内关于商标侵权案件中‘混淆可能性’标准的具体判例,并提供相似度最高的三个案例的关键要点摘要”,AI 系统将检索并提炼关键判决理由和结果。 4. 类案检索:同样最好使用法律行业垂类的 AI 产品。 5. 法律文本阅读:选择某一份或者若干份文档上传,AI 完成解析,然后根据需要了解的内容进行提问。 在使用 Prompt 时,要注意结构提示,如“【需求或目的+根据具体法条或者根据某部法律+具体需要研究或则具体的研究细节内容】”。
2024-12-19
可不可以提供一个本地化的大模型方法,让我建立这个合规法律的知识库
以下是为您提供的本地化大模型及搭建合规法律知识库的方法: 一、通过 Open WebUI 使用大模型 1. 首先访问相关网址。打开页面时需使用邮箱注册账号。 2. 登陆成功后,若您使用过类似 ChatGPT 的大模型对话网站,对该页面不会陌生。 3. Open WebUI 一般有两种使用方式: 聊天对话。 RAG 能力,即让模型根据文档内容回答问题,这是构建知识库的基础之一。 4. 如果要求不高,此时已搭建本地大模型,并通过 Web UI 实现对话功能。 5. ChatGPT 访问速度快且回答效果好的原因: 速度快是因为 GPT 大模型部署的服务器配置高。 效果好是因为 GPT 大模型的训练参数多、数据更优及训练算法更好。 二、您的硬件达标了么 运行大模型需要很高的机器配置,个人玩家大多负担不起。以下是不同类型大模型的配置要求: 1. 生成文字大模型: 最低配置:8G RAM + 4G VRAM 建议配置:16G RAM + 8G VRAM 理想配置:32G RAM + 24G VRAM(如果要跑 GPT3.5 差不多性能的大模型) 2. 生成图片大模型(比如跑 SD): 最低配置:16G RAM + 4G VRAM 建议配置:32G RAM + 12G VRAM 3. 生成音频大模型: 最低配置:8G VRAM 建议配置:24G VRAM 最低配置运行非常慢,不建议使用。但这不妨碍我们亲自实操一遍,以加深对大模型构建知识库底层原理的了解。若想要更顺滑的体验知识库,可以参考文章: 三、本地知识库进阶 若要更灵活掌控知识库,需额外软件 AnythingLLM。它包含 Open WebUI 的所有能力,并额外支持以下能力: 1. 选择文本嵌入模型。 2. 选择向量数据库。 AnythingLLM 安装和配置 安装地址:https://useanything.com/download 。安装完成后进入配置页面,主要分为三步: 1. 第一步:选择大模型。 2. 第二步:选择文本嵌入模型。 3. 第三步:选择向量数据库。 构建本地知识库 AnythingLLM 中有 Workspace 的概念,可创建独有的 Workspace 与其他项目数据隔离。具体步骤: 1. 首先创建一个工作空间。 2. 上传文档并在工作空间中进行文本嵌入。 3. 选择对话模式。AnythingLLM 提供两种对话模式: Chat 模式:大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式:大模型仅依靠文档中的数据给出答案。 4. 测试对话。完成上述配置后,即可与大模型进行对话。 四、写在最后 “看十遍不如实操一遍,实操十遍不如分享一遍”。若您对 AI Agent 技术感兴趣,可以联系我或者加我的免费知识星球(备注 AGI 知识库)。
2024-12-18
哪些ai工具在法律上面比较精通
以下是一些在法律方面表现出色的 AI 工具及相关情况: AI 大模型擅长的方面: 1. 信息检索与整理:能迅速从大量数据中检索相关信息,如法律法规和案例的检索,提取和整理案件相关资料。 2. 模式识别与预测:通过导入历史数据和参考信息,设定指令,可以预测案件的可能结果,如判决趋势、赔偿金额,辅助制定诉讼策略。 3. 自动化文档处理:能够自动生成和修改标准化文本与合同,减少律师在文档起草和修订上的工作量。 4. 多任务处理能力:可以同时处理多个任务,不受时间和体力的限制,对于同时处理基础任务能够极大提高效率。 AI 大模型不擅长的方面: 1. 法律解释与推理:可以根据历史信息和数据给出一些预测和判断,但仍然难以像专业的法律人一样,推演复杂的法律解释和论证。特别是在涉及交叉多个法律领域或需要深入社会背景解读法条时,AI 的能力非常有限。 2. 理解道德和情感:难以理解案件中涉及的复杂情感和动机,如离婚案件中的夫妻之间可能出现的多重关系。 3. 创新或个性化的服务:难以提供客户的综合性需求来提供个性化的法律服务,因为大模型是基于预设的数据和规则,不能及时采集到客户所有的即时信息,很难超出语料的内容生成创新且专业的答案,因此很难针对性地为客户提供专业服务,哪怕是基于同样的事由或案件。 律师擅长的方面: 1. 法律专业知识:具备深厚的法律知识,能够提供专业的法律分析和建议,如在证券欺诈案件中的专业分析。 2. 沟通与谈判:在沟通和谈判中能够与客户方、相对方、其他机构建立信任、表达观点、促成交易等。 3. 创造性解决问题:能够针对新兴行业或监管空白提出合规建议,如为新技术制定合法性指导。 4. 危机应对:作为专业人士,恰恰需要具备能够在紧急情况下能做出专业判断,提供及时的法律建议和解决方案。 律师不擅长的方面: 1. 处理大量信息和数据:在需要处理大量文本和数据的情况下,律师人工的效率非常有限,如大量文件调查中的数据提取和整理。 2. 处理细节:可能难以记住各类案件中的所有事实和细节,如:时间,人物,金额,关系,尤其是在复杂案件中。 3. 精力与情绪:在处理复杂案件时,律师可能会面临情绪、精力、时间等带来的压力,从而影响专业判断。 在法规研究与解读方面,法规检索最好是使用法律行业垂类的 AI 产品,通用型 AI 可能存在查不出来、数据不全或生成式内容不能满足需求的情况。例如: 1. Prompt 指令词:根据最新修订的《数据安全法》,解析企业在处理个人信息时应遵循的主要原则,并给出具体操作建议。 2. 预计效果:AI 助手将依据《数据安全法》的最新条款,解析企业处理个人信息所必须遵循的原则,并结合实践情况提出详细的操作指南或合规建议。 在法律意见书撰写或非诉交易文件材料方面: 1. Prompt 指令词:针对我方当事人涉及的版权纠纷案,输入【已有的证据材料】+【相关法律条文】,撰写一份初步法律意见书,论证我方主张的合理性和胜诉的可能性。 2. 预计效果:AI 将根据提供的案件背景、证据材料以及适用的法律法规,自动撰写一份初步的法律意见书,其中包含对案件事实的梳理、法律分析和结论部分。 总之,律师和 AI 的协同并非简单相加,而是一种借助互相优势、相互加持的关系。律师在运用大模型这一强大工具时,最关键的任务是:如何根据不同的法律业务场景,精准地提出问题、指令(Prompt),以引导 AI 发挥其最大的效用。
2024-12-07
目前大语言模型在法律行业应用是什么情况?
目前大语言模型在法律行业有以下应用情况: LaWGPT: 地址: 简介:在通用中文基座模型基础上扩充法律领域专有词表、大规模中文法律语料预训练,增强了大模型在法律领域的基础语义理解能力。在此基础上,通过构造法律领域对话问答数据集、中国司法考试数据集进行指令精调,提升了模型对法律内容的理解和执行能力。 LexiLaw: 地址: 简介:基于 ChatGLM6B 微调的中文法律大模型,旨在为法律从业者、学生和普通用户提供准确、可靠的法律咨询服务,包括具体法律问题的咨询,以及对法律条款、案例解析、法规解读等方面的查询。 Lawyer LLaMA: 地址: 简介:开源了一系列法律领域的指令微调数据和基于 LLaMA 训练的中文法律大模型的参数。首先在大规模法律语料上进行了 continual pretraining,借助 ChatGPT 收集数据进行指令微调,让模型习得将法律知识应用到具体场景中的能力。 ChatLaw法律大模型: 地址: 简介:由北大开源的一系列法律领域的大模型,包括 ChatLaw13B(基于姜子牙 ZiyaLLaMA13Bv1 训练而来),ChatLaw33B(基于 Anima33B 训练而来,逻辑推理能力大幅提升),ChatLawText2Vec(使用 93w 条判决案例做成的数据集基于 BERT 训练了一个相似度匹配模型,可将用户提问信息和对应的法条相匹配)。其中 ChatLaw13B 中文各项表现很好,但逻辑复杂的法律问答效果不佳,需要用更大参数的模型来解决;ChatLaw33B 因 Anima 的中文语料过少,导致问答时常会出现英文数据。
2024-12-01