一、事件背景

当事人Steve Sokolowski被欺诈了9成净资产，如果要起诉追究被告的法律责任 ，则需要提前花费80万美元的律师费
，才能提起诉讼 。

但由于当事人的钱几乎被骗光了，在花费了好几年的时间来与诉讼融资公司和律师事务所进行谈判周旋之后 ，他们最终确定无力承担高昂的诉讼成本
。

正巧Claude 3.5 Sonnet 发布，他们发现人工智能已经具备了评估和适用法律的能力；随后发布的OpenAI o1 pro
，更是在法律理解能力上令人惊艳。于是他们最终决定：用AI来替代律师，解决他们的法律需求 。

二 、用ChatGPT的o1模型找到关键证据

当事人建立了一个证据数据库 ，借助Python和o1模型分析了全部证据材料
，总结提炼出最重要文件的核心要点。他们在实务中沉淀了以下经验：

1. 大模型能够帮助他们找到关键证据；

2. 还可以定位到具体的证据所处的位置；

3. 在理解判例法和预测辩护方面，ChatGPT的o1模型比Gemini Experimental 1206更具优势
。

（笔者：目前 ，复杂证据材料的OCR或多模态识别
，仍然是法律垂类模型开发的难点，建议读者朋友们在使用大模型阅读材料时 ，使用纯文本
、格式简单的文本
，这样模型才能准确地读取文件信息，以便进一步开展工作）

三、用Gemini持续评估法律文本

当事人将起草好的起诉状 ，反复地提供给Gemini
，让Gemini给出反馈。Gemini会评价起诉状的内容质量，告诉用户“这不是像律师那样写的 ，这里有一个建议：…… 。 ”

当事人用这样的方式与人工智能对话了至少100次，才完成了这项工作
。他认为
，o1模型在内容的精确性方面非常出色，但Gemini更擅长没有正确答案的创造性任务。

（笔者：其实这也很符合我们国内的法律科技市场实际情况 。每一家公司的产品有其特性 ，用户需要在了解工具能力的基础上
，选用合适的工具，以更好地完成特定工作任务
。）

四 、用AI进行模拟法庭

当事人在完成文书准备工作后 ，开始用人工智能来进行模拟法庭辩论。

他们将诉讼请求发给AI
，并要求AI提供辩论论点以进行模拟辩论 。提示词为：

“你是一位专业的辩护律师，这对我的职业生涯非常重要
。想想所有可能的理由来驳回这个投诉 ，无论它们有多强或多弱。然后
，代表被告写下你能想到的最全面的驳回动议 [在此处插入每个被告的姓名，运行 3 次] 。输出你的综合动议 ，以供提交案卷并由法官考虑
。
”

然后进一步模拟法官的立场
，提示词为：

“你是一名联邦法官。评估此起诉状和辩方的驳回动议 。输出一个全面的裁决，其中包含你关于是否允许此案例进行证据开示的决定。确保你解释了你所决定的每个部分背后的原因
。”

当事人认为 ，正是因为借助了人工智能的逻辑推理能力，他们才能在负担不起律师费用的情况下
，具备自行进行诉讼的能力。

（笔者：模拟法庭是我最喜欢的一个法律垂类应用场景 。具备一定知识库和推理能力的AI，可以帮助缺乏庭审经验的“小白 ” ，快速地掌握庭审技能
，获得宝贵的“实务经验”
。）

五、用o1 pro进行诉讼策略胜率分析

当事人使用了包含GPT o1
、Claude 3.5 Sonnet和Gemini 1206在内的多个模型，对各种诉讼策略进行了多次评估 ，通过评估
，他们快速地掌握了不同策略在法庭上可能产生的利弊，甚至能够评估案件的胜负概率。

他们还反过来用被告过去三年内的其他案件材料 ，创建了一个数据库
，并让AI基于数据库进行分析：如果被告针对原告的观点提出某个抗辩意见，那么这个抗辩意见会不会与被告过去的某个陈述自相矛盾 。

（笔者：说到评估胜负概率 ，国内的律师经常被问：“某律师
，我这个案子的胜率有多高？
”未来也许可以通过AI评估的方式，给这些迷茫的当事人一些指引
。万一评估不准确 ，还能甩锅给AI？）

不知道你看完是什么感受。

但我想，可以“用AI来替代律师”这个秘密藏不住了 。不信
，你看下面这张图
。