律师面临繁重的文书工作、案例检索和客户沟通，AI能显著提升效率，但关键在于理解“智能体”和“技能”的区别，从而找到最直接上手的方式。“智能体”是一个能自主规划、调用工具、长期记忆的完整系统，而“技能”是具体可复用的任务模块，比如生成一份法律备忘录或自动整理证据清单[3]。对大多数律师而言，从技能开始更务实，因为技能门槛低、见效快，能直接嵌入现有工作流。
技能可以看作一种轻量级助手，它让模型主动调用外部工具如维基百科、地图或专用数据库来完成指定任务[5]。律师可以先用现成的技能包，例如Agent Skills Hub里按“自动化办公”场景搜索到的文档处理或数据提取模块，一键装进本地工作流[8]。字节跳动面向非程序员的AI编程手册也教人用自然语言写规则和技能，产品经理都能学会，律师同样可以[11]。更重要的是，技能不修改底层大模型，只通过API对接，律师无需担心模型权重或数据安全，通义千问或OpenAI都能直接跑[1]。
如果律师需要完成更复杂的长期任务，比如自动追踪某个法规的更新、结合过往案件记录撰写诉讼策略，就需要建立智能体。智能体拥有持久记忆和自学习能力，每个任务的结果都会强化后续任务，工作流可以复用[6]。Hermes Agent展现了三层记忆和自演化技能，系统会累积经验，每次操作都成为下一次的老师[4]。例如，将每周同步客户数据加生成周报的整套动作封装成“一键工作流”，智能体可以在收到指令后自动执行[10]。不过，智能体的构建需要一定的技术基础——即使是字节跳动手册里讲的规则和技能，也是先理解AgenticAI原理再动手[11]。完整的AI工程师路线图从线性代数、LLM原理一直排到Agent构建，对非技术背景的律师来说学习周期较长[9]。
因此，建议律师先从技能入手，选择法律相关场景——比如用Skill-RAG的失败感知检索减少无效搜索[16]，或借助GPT Image 2 Prompt的技能让智能体能“看见”图表和扫描件[14]。熟练后，再根据任务复杂度决定是否升级到智能体。目前已有面向所有人的结构化七阶段学习地图，从LLM概念到多智能体系统，每阶段都有动手练习[15]。中文路线图还专门划分了CLI工具用户和Agent构建者两个分支，律师可根据自身技术偏好选择[12]。需要注意的是，AI不是万能的——斯坦福CS336课程明确禁止用智能体交作业，评估体系尚未适应这种自动化[18]。律师在使用时也应明确责任边界，确保最终判断由自己做出。