人工智能课程的核心收获不是笔记而是可复用资产

▲ 封面

许多人在学习人工智能时，课堂上热情高涨，课后却只剩下一堆截图。

这并非学习态度的问题，而是课程设计的缺陷。如果一门课最终只让学员感觉“我明白了”，那它对法律从业者的改变往往非常有限。法律领域不缺概念，缺的是能够二次调用的实用资源。

因此我越发坚信：AI课程最应该留下的不是笔记，而是可重复使用的资产。

在设计四明山法师AI夜校时，我有意将课程安排得并不轻松：包含1节导论课、6节主课和1节返场课；每节课后都布置作业；学员需提交真实成果；缺席或未完成作业会影响保证金。

这套机制看似有些“苛刻”，但它针对的并非懒惰，而是AI学习中最普遍的误解：我观看了演示，因此我就掌握了。

法律人特别容易陷入这个陷阱。我们擅长理解概念，也善于归纳方法。但AI工具并非一套知识点，而是一套操作系统。如果你没有在自己的电脑、自己的资料、自己的任务中实践过，它就永远不会成为你的能力。

一份课后笔记，下次打开时仍只是笔记。而一条已跑通的工作流程，下次可以直接用于接案件、做检索、整理材料、生成报告。

区别就在于此。

我为夜校设定的原则很明确：每节作业都尽量要求学员留下一个能进入下一节课的资产。

第一节课，不只是了解Cherry Studio，而是构建一个法律人的AI工作平台。

第二节课，不只是学习提示词，而是将一个法律操作写成稳定的任务说明。

第三节课，不只是知道Skill的概念，而是提交一个能被Claude Code识别的SKILL.md文件。这里已经出现了典型错误：有人将文件名改为中文，或文件夹中根本没有SKILL.md。模型不会因为你“意图到位”就成功加载。规则出错，系统就不认可。

第四节课，目标不是“熟悉工具链”，而是将一个重复性法律任务拆分为输入、处理、输出、校验四个阶段。

第五节课，讨论模型选择，不是比较哪个更智能，而是明确轻量任务、重量任务、敏感任务分别应放在何处。

第六节课，进入数据与知识库，重点不是将所有资料上传，而是先了解哪些资料不能进入、哪些资料需要脱敏、哪些资料只适合本地处理。

最后的返场课，不搞热闹的结业典礼，而是复盘作业。谁真正做出了成果，谁只是截图，差距会非常明显。

有一次课上，我谈到上下文窗口。这个概念很容易被表述为技术术语，但真正的使用场景很朴实：你在一个对话中聊得太久，塞了太多材料，模型质量会下降。解决方法不是继续追问，而是清理、压缩，或将不依赖上下文的小任务交给子代理。

理解这个逻辑不难。难的是下次真正遇到模型变迟钝时，能否反应过来：不是它突然失效了，可能是上下文混乱了。

这就是作业的价值。

作业让你在低风险场景中先犯错。文件名错误、路径错误、权限错误、上下文过长、工具未安装好、知识库资料太杂乱，这些问题在课堂上暴露，比在客户项目中暴露代价小得多。

我不太相信“轻松学会AI”。法律人真正要学的不是新鲜感，而是一种带有约束的操作纪律。

第一类是规则资产。比如AGENTS.md、CLAUDE.md、SKILL.md、提示词模板。它们不是装饰文件，而是将个人判断固化下来，让模型每次进入同一条轨道。

第二类是材料资产。不是“资料越多越好”，而是经过分类、脱敏、版本标注、