很多律师的硬盘里，都有一批舍不得删、平时又很少打开的文件夹。

里面有判决书、证据目录、代理词、庭审提纲，还有办案过程中留下的各种材料。

文件可能分得很细，名称也很规范。

但过几个月再遇到相似问题时，还是会先想一会儿：

这个问题以前好像办过。

究竟是哪个案子？

当时用了哪份证据？

法院为什么接受了这个观点？

最后往往只能重新翻。

所以我最近在重新梳理 legal-skills 的案件工作流时，越来越关注一个问题：

律师过去办过的案子，怎么在 AI 时代变成可以继续使用的专业资产。

我的核心想法很简单：

让办案和沉淀成为同一件事。

Abstract

律师的数字资产，不应该只是一个保存完好的结案文件夹。

文件被保存下来，只解决了“东西没有丢”的问题。真正能在以后继续使用，还需要知道这个案件处理了什么问题，关键事实在哪里，哪些证据发挥了作用，双方主要观点是什么，法院最后如何认定，以及这些判断能不能回到原始材料。

我理解的律师案件数字资产，至少有三个特点：

  • 以后找得到。
  • 拿出来看得懂。
  • 还能回到原始出处。

这篇文章讨论的不是如何把所有案卷一次性整理成庞大知识库，而是一个更现实的路径：先从少量代表案件开始，用案件卡、来源边界、材料索引、复核记录和本地或受控知识库，把过去办案经验整理成可检索、可核对、可持续更新的案例记忆。

AI 可以参与材料读取、结构化整理、相似案件检索和问题提示。

但它不能把脱离材料的聊天总结直接变成知识来源，也不能取代专业人士对新案件事实、证据和裁判环境的判断。

1. 一个结案文件夹，还不能算数字资产

归档和资产不是一回事。

归档解决的是保存问题。

资产解决的是复用问题。

一个结案文件夹里可能有很多文件：起诉状、答辩状、证据目录、代理词、庭审笔录、判决书、沟通记录和工作草稿。它们当然重要，但如果以后只能靠文件名、案号或记忆去翻，它还只是一个静态档案。

真正能形成资产，需要多一层结构。

这层结构至少要回答几个问题：

  • 这个案件解决了什么法律或事实问题？
  • 哪些事实真正影响了结果？
  • 哪些证据被法院采纳，哪些没有被采纳？
  • 双方的核心争点是什么？
  • 法院最后怎样认定？
  • 这条经验对应哪份原始材料？
  • 哪些内容只是当时的策略判断，不能机械迁移到新案件？

如果这些问题没有被记录下来，AI 即使读到了整个文件夹，也很容易只生成一段“看起来完整”的摘要。

但法律工作里，摘要不等于经验。

经验必须能回到材料。

2. 案件卡：先给每个案件留一张可复查的入口

我不建议一开始就整理整个硬盘。

更实际的做法，是先选几件自己最熟悉、也最有代表性的案件。比如某类争议反复遇到，某份判决对证据问题说得很清楚，或者某个案件让自己的办案思路发生过明显变化。

整理时，也不需要先写很长的复盘。

可以先给每个案件留下一张简明的案件卡。

# Case Card

## 基本信息

- 案件类型：
- 争议主题：
- 程序阶段：
- 结果状态：

## 这个案件解决了什么问题

-

## 关键事实

-

## 关键证据

-

## 双方主要观点

-

## 裁判或处理结果

-

## 值得以后复用的经验

-

## 必须回到原文核对的材料

-

## 不能直接迁移到新案件的内容

-

这个模板并不复杂。

它的价值不在于格式漂亮，而在于给未来的检索留下入口。

以后再遇到类似问题时，AI 不应该只告诉你“以前有一个类似案件”。它还应该能指向这张案件卡，并继续定位到对应的判决、证据、庭审记录或工作文档。

这样，律师看到的不是脱离语境的总结，而是一条可以回到原始材料的路径。

3. 过去的案件需要补录，以后的案件要在过程中留下来

旧案和新案，适合两种不同的整理方式。

旧案已经结束，只能补录。

这时不必追求一次性完整整理，而是先从代表案件开始，把案件卡、关键材料路径、裁判观点和经验提醒补出来。

新案则应该换一种方式。

以后使用 AI 办理案件时，材料读取、争议焦点、证据变化、庭审反馈、裁判结果和复盘，本来就在不断产生。只要把其中已经确认的内容同步保存，结案时就不必重新回忆整个过程。

比如：

  • 前期整理材料时，留下事实和证据的对应关系。
  • 形成诉讼方案时，记录哪些判断基于材料，哪些只是初步推断。
  • 开庭以后，记录法官关注了什么，原来的判断有哪些变化。
  • 收到裁判文书后，再补上法院认定和最终结果。
  • 结案归档时，把案件卡、来源边界和复核记录一起整理入库。

这样做有一个直接好处：

办完一个案子，案例库就自然增加一份可以继续使用的经验。

沉淀不再是结案以后额外安排的一项大工程。

它已经包含在办案过程中。

4. 来源边界：AI 总结不能直接成为知识来源

案例库最容易出问题的地方，是把 AI 写出来的总结当成知识来源。

这很危险。

摘要可能遗漏条件，也可能把当事人的说法写成已经确认的事实。案件里真正重要的差异，经常藏在一份证据的形成时间、一段庭审陈述、一次举证变化，或者判决书里一句很具体的措辞中。

所以我给这套案例记忆设置一条基本规则：

AI 在对话中生成的结论和聊天总结，不直接作为知识来源。

它们可以作为整理过程中的草稿。

但要进入案例库，必须能够回到对应的原始材料。

可以用一个简单的来源边界文件来约束：

# Source Boundary

## 已读取原始材料

-

## 已确认事实

-

## 仅来自当事人陈述但未核验

-

## 来自裁判文书的认定

-

## 来自律师工作判断的内容

-

## AI 初步整理但尚未复核

-

## 不得作为知识来源的内容

-

这类文件看起来很朴素。

但它能解决一个关键问题：

系统知道哪些内容可以进入案例记忆，哪些内容只能留在草稿层。

5. 案例库里的材料要分层

一个律师自己的案例库，不应该把所有东西都混在一起。

至少要分清四类内容。

第一类，是自己办理过的案件。

这类内容最有价值，因为它不只是裁判结果，还包含材料变化、策略调整、庭审反馈和真实工作过程。

第二类，是外部参考案例。

比如公开裁判文书、指导性案例、典型案例和检索到的相似判例。它们可以提供参考，但和自己办理过的案件不是同一层。

第三类，是法规、司法解释和规范性文件。

这类内容需要单独维护现行有效状态和引用边界。

第四类，是文章、书籍、课程、会议纪要等专业资料。

这些内容可以启发判断，但不能直接替代事实和法律依据。

分层的意义，是让 AI 检索时知道自己正在引用什么。

来自自己办理案件的经验，和来自外部案例的裁判观点，不能混成一类。

来自法规的规则，和来自文章的观点，也不能混成一类。

这也是法律 AI 工作流里非常重要的 source boundary。

6. 案件材料必须在本地或受控环境中管理

案件材料天然涉及身份信息、商业信息、个人隐私、沟通记录和保密义务。

所以案例库不适合做成一个随意上传、随意共享、随意调用的资料池。

更稳妥的方式，是放在本地或受控环境中。

至少要做到：

  • 按案件隔离材料。
  • 原始材料和整理结果分开。
  • 草稿、复核稿和最终入库内容分开。
  • 敏感信息按需要脱敏。
  • 明确哪些内容可以被 AI 读取。
  • 明确哪些内容只能人工查看。
  • 对外表达时不把不应公开的材料带到公开内容里。

专业资产能够长期使用，前提是来源和边界一直清楚。

否则，案例库越大，风险也越大。

7. AI 以后怎么使用这些案件

案例库建起来以后，检索方式会发生变化。

过去找旧案，往往要先记得案号、文件名或者当时大概放在哪个目录。

以后可以围绕问题去找。

比如：

  • 我以前办理的案件里，哪些涉及员工手册与劳动合同内容冲突？
  • 哪些案件讨论过聊天记录的证明力？
  • 哪些判决没有采纳我方提出的某个观点，原因是什么？
  • 哪些案件里，证据补充改变了原来的诉讼判断？
  • 哪些争点在庭审中被法官反复追问？

AI 先从律师自己的案例库里找到相关案件，再把对应的判决、证据、庭审记录或案件卡调出来。

律师看到的是过去真实办过的案件，以及当时留下的原始依据。

但这种检索不会自动替律师得出新案件的结论。

不同案件的事实、证据、程序阶段、裁判环境和对方策略可能完全不同。过去经验提供的是比较入口，不是当前案件的答案。

AI 的价值，是帮助律师更快找到值得比较的材料。

最终判断仍然要回到当前案件。

8. 可以先从五个案件开始

如果真要开始做，我不建议一上来整理所有历史案件。

先选五个自己最熟悉的案件就够了。

选择标准可以很简单：

  • 经常遇到类似问题。
  • 证据争议比较典型。
  • 裁判理由有复用价值。
  • 自己当时的判断发生过调整。
  • 这个案件暴露过一个以后还会遇到的坑。

然后用同一套案件卡整理出来，再试着问几个真实问题。

如果每次检索都能找到相关案件，也能顺着结果打开原始材料，这套整理方式就有继续扩大的价值。

如果只能搜到一堆泛泛摘要，说明留下来的内容还不够贴近真实办案问题。

这个过程不需要追求一次完成。

案例库会随着律师办理的案件一起增长，也会随着使用不断修正。

9. 和我的几个项目是什么关系

我维护的几个项目，本质上都在处理同一个问题：让法律工作从一次性输出，变成可复核、可沉淀、可继续使用的工作系统。

legal-skills 负责把案件工作拆成流程。

比如案件承接、材料读取、事实整理、法规案例检索、诉讼文书、庭前准备、庭审与庭后工作、结案归档等节点。案件数字资产应该在这些节点中自然形成，而不是等结案后再靠记忆补救。

项目页：

https://www.panrui.xyz/projects/legal-skills/

法律 Wiki 负责承载知识来源层。

公开法规、司法解释、争议点、证据审查提示和人工复核提醒，应该和律师自己的案件经验分层保存。这样 Agent 才知道自己是在引用通用规则，还是在引用某个案件里的具体经验。

入口：

https://www.panrui.xyz/wiki/

enterprise-legal-ops 则更关注本地工作台。

它处理合同、制度、证照、权限、提醒和本地问库。律师案件案例库虽然不是企业法务台账，但底层逻辑相似：材料要可追溯，状态要可延续，来源要可核对，高风险结论要人工确认。

项目页：

https://www.panrui.xyz/projects/enterprise-legal-ops/

这些项目看起来不完全一样。

但底层方法一致：

把材料、状态、来源、复核、交付和复盘从一次性对话里拿出来，放进一个可控系统。

结语

AI 时代，律师的专业积累会出现一种新的形态。

读过的书、研究过的案例、写过的文书当然重要。

但真正办过的案件，还包含了材料怎样变化、策略如何调整、庭审出现过什么情况，以及法院最终为什么作出某种认定。

这些经验过去主要留在律师的记忆里，也散落在一个个结案文件夹中。

现在，我们可以把它们整理成一套属于自己的案例记忆。

真正的核心不是让 AI 替律师判断新案件。

而是让过去办过的案件能够被重新找到，能够回到原始材料，也能够在新问题出现时提供可复核的参考。

当一个案件结束后，律师应该多留下一份以后还能调用的经验。

这份经验能被检索，能被核对，也能被专业人士重新判断时，它才真正成为律师在 AI 时代的数字资产。