雷磊：人工智能能為法學教育帶來什么？

來源 | 《求索》2026年第3期

作者 | 雷磊，中國政法大學錢端升講座教授、博士生導師

教育部“長江學者獎勵計劃”特聘教授

北大法律信息網簽約作者

內容提要：隨著生成式人工智能的爆發式發展，法學教育正經歷范式變革的深刻轉型。人工智能在賦能法學教育方面有顯著優勢，它實現了教學模式的個性化與智能化，提升了實踐教學效能，促成了教育資源的普惠化。但它也有內在缺陷與風險，可能造成對公正價值觀的潛在侵蝕，削弱法科生的批判性思維，并對學術規范與法律倫理形成挑戰。為此，需要通過課程體系改革引入“數智素養”教育，實現從結果導向轉向過程監測的評價體系創新，確立人工智能技術使用的邊界以構建倫理防線?？傊?，人工智能時代的法學教育應堅持“以人為本”的技術應用觀，培養既能駕馭智能技術，又具備深厚人文情懷，并能在算法邏輯中守護人類尊嚴的復合型法治人才。

關鍵詞：人工智能；法學教育；數智素養；倫理防線；復合型法治人才

一、引論

法學自古以來便是一門極具“經驗感”與“思辨性”的學科。法律被認為“是具有大家心領神會的限度的事務，是一套封閉在明確范圍內的教義”，而法學被認為是反映人的經驗理性的學問，是人的法律經驗、知識、智慧和理性的總和體現。與此相應，法學教育的重心長久以來在于圍繞法條和問題展開“適用型”論辯，也即以正確適用法律為核心，以說理和論證為主線，以養成法律思維與法律技能為己任。最典型的形式，莫過于起源于哈佛大學法學院的“蘇格拉底教學法”。

然而，自2022年底ChatGPT問世以來，以大型語言模型（LLM）為代表的人工智能技術不僅改寫了法律檢索、文書生成的效率曲線，更對傳統的“蘇格拉底教學法”提出了挑戰。2018年4月，教育部印發的《高等學校人工智能創新行動計劃》提出：“加快人工智能在教育領域的創新應用，利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升，……是實現教育現代化不可或缺的動力和支撐?！?023年2月，中共中央辦公廳、國務院辦公廳印發的《關于加強新時代法學教育和法學理論研究的意見》，也提出“適應‘互聯網+教育’新形態新要求，創新教育教學方法手段”。國際上，聯合國教科文組織同一年推出了“人工智能與法治”在線培訓慕課。可見，法學教育同人工智能深度融合已成為人工智能時代建構新型法學教育體系的必然要求。在這一背景下，探討人工智能技術對法學教育的影響，不僅關涉技術問題，更是關乎“未來法官與律師如何養成”的核心命題。本文認為，生成式人工智能賦能法學教育瑕瑜互見，既有其顯著優勢，又有其內在缺陷和風險。為了去“瑕”存“瑜”，人工智能時代的法學教育要積極應對新技術的發展趨勢，進行自我調整和重構。

二、技術之“瑜”：人工智能賦能法學教育的顯著優勢

（一）教學模式的個性化與智能化

在傳統法學教育模式中，受限于教學資源與師生比例等現實原因，教育過程往往呈現出“大規模+標準化”的特征。教師難以針對每一位學生的法律思維邏輯、知識掌握程度及職業規劃進行精準指導。然而，人工智能技術（尤其是生成式人工智能與自適應學習算法）的介入，正在驅動法學教育從“以教為中心”向“以學為中心”、從“大班授課”到“智慧私教”的范式轉變，實現真正的個性化、精準化教學。

一方面，學習者的角色將從傳統的被動接受者向智能輔助下的自適應學習者（adaptive learner）轉變。自適應學習系統通過大數據分析與機器學習，能夠為每一位法學生繪制動態的“知識圖譜”，從而打破了傳統課堂“一刀切”的進度限制。其一，人工智能技術能夠促成知識盲區的精準識別與動態補強。法學知識體系浩如煙海，涵蓋了民商法、刑法、憲法、行政法等多個龐雜分支。傳統考核只能通過期末考試和周期性平時作業反饋結果，具有明顯的滯后性。人工智能系統通過記錄學生在日常練習、案例分析中的交互數據，能夠動態識別其思維短板。例如，系統若發現學生在學習處理合同糾紛時，頻繁在“效力未定合同”與“無效合同”的界分上出錯，將自動調整其學習路徑，推送針對性的判例對比與理論解說視頻，而非讓其在已掌握的其他部分浪費時間。未來的法律教育將不再是死記硬背，而是通過智能系統輔助下的精準知識習得。其二，人工智能技術能夠提供學習節奏的個性化定制。在學習過程中，每位學生對法學理論的抽象理解能力存在差異。人工智能平臺允許學生根據自身的認知負荷調整進度，系統則根據學生的實時表現動態生成難度適當的后續課程，確保學習始終處于“可及發展區”。這種“千人千面”的教育方案，將極大提升知識內化的可能。

另一方面，教學者的角色將從“知識傳遞者”被重塑為“思維引導者”。人工智能對教學模式的賦能，并非削弱了教師的作用，而是實現了教師職能的迭代升級。其一，人工智能技術將法學教師從重復性勞動中解放出來。教師不再需要反復講授基礎性的法條、日常案例及其既有學說（這些可以由人工智能輔助微課完成），而可以將精力更多投入倫理與價值觀教育（討論法律背后的正義觀、職業道德與社會責任）以及復雜疑難案例研討（涉及人工智能目前無法解決的復雜社會利益博弈和價值權衡）之中。其二，人工智能技術將輔助法學教師實現數據驅動的教學決策。由于生成式人工智能（如GPT-4等大型語言模型）具備強大的語義理解與邏輯推理能力，能夠模擬極高水平的對話者，所以可以很好地提供模擬交互式的思維訓練。例如，模仿法官或對方律師通過不斷提出挑戰性問題，引導學生提高法律論證的準確度。其三，人工智能技術能輔助法學教師獲得學習情況的即時反饋與多維度評估。在傳統模式下，學生提交一篇小論文或讀書報告可能需要數周才能得到教師反饋，此時學習熱情與記憶已大幅消退。而人工智能能實現毫秒級反饋，評估論證邏輯的嚴密性、證據使用的合理性以及修辭的專業度。再如，通過人工智能后臺生成的教學看板，教師可以清晰地看到全班同學在哪些知識點上普遍存在誤解，從而在面授課程中進行有針對性的深度講解。由此，人工智能時代的法學教育將由知識傳授轉向能力培養，教學模式逐步從傳統的“師生交互”向“師-生-機”深度交互轉變。

（二）實踐教學效能的提升

法學是一門實踐性很強的學科，法學教育要處理好知識教學和實踐教學的關系。習近平強調：“學生要養成良好法學素養，首先要打牢法學基礎知識，同時要強化法學實踐教學?！薄吨泄仓醒腙P于進一步全面深化改革推進中國式現代化的決定》明確提出，“完善以實踐為導向的法學院校教育培養機制”，為高校法治人才培養指明了新方向、提出了新要求。傳統法學教育重知識的傳授而輕能力的培養，且在實踐教學環節長期面臨案源接觸難、模擬仿真難、實習反饋難的三重困境。診所式法律教育雖然強調“在做中學”，但往往受限于場地、師資及真實案件的保密性要求，難以實現規?；采w。人工智能技術的介入，可以讓學生在零成本的狀態下進行高頻次的實務訓練，極大地縮短從理論到實務的轉化周期，填補法學理論與法律實踐之間的鴻溝。

一是虛擬仿真實驗室的沉浸式場景化。人工智能與VR/AR技術的融合，使得法學實驗室能夠超越物理限制，為學生提供逼真的職業訓練。例如，利用人工智能驅動的虛擬角色（Avatar），實驗室可以模擬出包括法官、公訴人、辯護人、證人及旁聽群眾在內的完整法庭生態，模擬高保真法庭環境，提供即時性的程序訓練。再如，人工智能能夠通過分析歷史卷宗，復刻極端復雜法律場景，自動生成具有法律沖突的模擬場景（如醫療糾紛的現場勘驗、國際貿易爭端中的港口查驗）。學生可以在這些“數字孿生”場景中進行證據提取與事實認定，訓練其法律敏感度。

二是法律檢索與文書生成的自動化。在法律實務中，法律檢索與文書寫作是核心基本功。人工智能技術將這兩項技能的教學重點從“機械搜尋”提升到“策略分析”。傳統的關鍵詞檢索依賴經驗，而集成人工智能驅動的檢索工具（如LexisNexis的人工智能助手）能夠在秒級內完成成千上萬份判例的歸納與類比，并且（如基于RAG的法律檢索系統）允許學生使用自然語言進行提問。學生通過觀察人工智能如何從數百萬份裁判文書中提取“同案同判”的邏輯，學習如何構建檢索策略。這不僅是尋找法條，更是學習如何通過大數據分析法官自由裁量權的行使邊界。生成式人工智能工具可以根據案件事實草擬初稿，以作為供學生校準的“基準參考”或“反面教材”。例如，教學中可以要求學生分析人工智能生成的起訴狀在論證邏輯、證據羅列順序及法律適用上的瑕疵。這種“審校式學習”將極大地鍛煉學生對法律文本精細度的把控能力。

三是法律診所教育的規?；?。人工智能技術能夠有效解決法律診所教育中“案多人少”的矛盾。在參與學校組織的法律援助活動時，人工智能導訴機器人可以先期對咨詢者進行信息采集與初步法律分析，自動生成案件概要。這使得法學生能夠迅速切入核心法律爭點，提升處理咨詢的效率，從而讓學生在有限的教學時間內接觸到更多元、更真實的社會矛盾，增強其法律實務經驗。通過法律大數據預測工具，學生可以對真實案件的勝訴率、賠償數額進行模型預測。這種基于概率論的思維訓練，能幫助學生在未來的實務中更好地為當事人提供預判，實現從理論分析到實務風險控制的跨越。

（三）教育資源的普惠化

在傳統法學教育體制中，教育資源的分配呈現出明顯的“中心—邊緣”結構。大城市頂尖法學院集中了絕大多數的資深教授、海量紙質藏書、高端學術論壇以及與法律實務機關的溝通渠道。這種空間上的資源聚集，客觀上造成了東部與西部、部屬院校與地方院校學生在知識視野、實務技能及職業競爭力上的巨大鴻溝。然而，人工智能技術的介入正在重塑這一地理版圖，從而為跨越地域與資源的“數字鴻溝”，實現法學教育資源的公平分配提供前所未有的技術條件。

一方面，法學教育數字化打破了名校的“知識圍墻”。首先，人工智能賦能法學教育的主要貢獻，在于將過去沉淀在特定物理空間（如名校圖書館、線下講座）中的知識存量，轉化為可全球流動的數字化資產。傳統的“精品課程”往往僅限于視頻錄制，由于缺乏交互，遠端學生的吸收率較低。人工智能技術能夠對名校名師的講課內容進行實時轉寫、語義標注與知識圖譜構建（自動關聯相關學術論文和指導性案例），并實時推送給數千公里外的學生，實現“法學知識包”的自動下沉。其次，地方院校法學教育面臨的最大挑戰往往不是“沒教材”，而是“缺名師”。人工智能通過構建虛擬教研室，實現了師資力量的跨時空共享。即便在資源相對匱乏的地區，只要有網絡，人工智能助教就能為學生提供邏輯嚴密的法理答疑。最后，法學是一門極其依賴文獻資料的學科，國外法律數據庫（如Westlaw、LexisNexis）價格昂貴，許多普通院校可能難以負擔。隨著國產法律人工智能平臺（如“法信”“北大法寶”）的發展，基于大規模語言模型的智能檢索系統大幅降低了獲取精準法律信息的成本。人工智能能夠自動翻譯、總結復雜的跨國法律條文及外文判例，讓偏遠地區學生也能實時追蹤全球法律動態，突破了語言與成本的雙重障礙。這必將打破法學教育的壁壘，使全球范圍內的法學教育機構真正成為“沒有圍墻的大學”，使高質量法學教育成為法科學生和全體人民可觸及、可分享的公共產品。

另一方面，司法實踐資源的數字化下沉實現了“同案同教”。一個案例勝過一沓文件，法學教育的靈魂在于案例?；鶎釉盒Ｍ狈εc高級法院、知名律所的合作機會，導致教學案例來源有限。人工智能通過對數以億計的公開裁判文書進行清洗、脫敏與聚類分析，可以實時提取出當前司法實踐中的熱點與難點問題。同時，人工智能法律輔助工具降低了學生參與法律援助的專業門檻。例如，清華大學計算法學師生團隊自主研發的大眾普惠版的法律智能問答工具“水木智法”，通過專業的技術與法律團隊億萬級法律數據庫確保了回答的全面性與準確性。在人工智能的輔助下，即便經驗尚淺的學生也能在簡單法律事務上不出錯，從而有信心、有底氣參與到基層法律援助中去。這不僅是法學教育，更是法治精神向基層的有效滲透。這種法學教育資源的普惠化進程，正在為法治中國建設儲備更加多元、均衡的高素質人才力量。

三、技術之“瑕”：人工智能在法學教育中的內在缺陷與可能風險

（一）對公正價值觀的潛在侵蝕

在人工智能技術賦能的時代浪潮下，其潛藏的內在缺陷與衍生風險亦不容忽視。法學教育不僅是法律知識的傳遞，更是法治精神的鑄造與倫理人格的培養。如果過度依賴缺乏透明度的算法與存在偏差的數據，法學教育可能陷入技術決定論的窠臼，進而侵蝕公平正義的法律價值觀。

一方面，數據偏見會帶來歧視的自動化與正當化。人工智能的輸出依賴于其訓練數據集。如果訓練數據中包含歷史性的地域歧視、性別偏見或特定法律解釋的偏差，人工智能可能會在輔助教學中隱蔽地傳遞這些偏見。在法學實驗教學中，若使用存在數據偏見的量刑預測或風險評估工具，學生可能會潛移默化地接受某種不公正的“概率規律”。例如，算法可能因歷史數據中特定群體的犯罪率較高，而在模擬實訓中對該群體，向學生給出更嚴苛的傾向性建議。美國在刑事司法領域中應用于人身危險性評估的COMPAS系統，在威斯康星州對埃里克·洛米斯（Eric Lommis）的量刑案中就暴露出其性別歧視的缺陷。進而，在有的情形中，算法決策者雖然使用了客觀中立的基礎數據，但這些合法的客觀中立的數據組合在一起卻會產生歧視性的后果。這種隱含的偏見還可能來自算法設計者缺乏文化適應性設計（culturally competent designs）的意識。所以，數據偏見不僅是技術問題，更是價值觀問題。如果訓練數據中存在歷史性的司法不公，人工智能則會將這種不公轉化為“科學規律”。而且這種“自動化歧視”披著技術中立的外衣，極易消解法學生對平等價值的信仰，使司法公正淪為數據的復刻。

另一方面，算法黑箱也會導致法律推理中“解釋義務”的缺位。法學教育的核心在于培養學生“法律說理”的能力，即在充分的法律依據與事實理由的基礎之上，通過合乎邏輯與情理的方式展現出從法律與事實推導到裁判結論的過程，強調論證過程的公開性與可質證性。然而，算法的目標并非復現法律推理，而是尋找判決中各個參數間的相關性。深度學習算法往往呈現“黑箱”特征：其輸出結果是基于海量參數的復雜運算，而非人類可理解的規范演繹。如果學生在學習中頻繁使用判決預測工具，而該工具僅給出結果（如“預計判處三年有期徒刑”）卻無法提供符合法教義學的邏輯鏈條，學生將逐漸喪失對法律規范背后“立法本意”和“客觀意旨”的探求欲。當學生習慣于接受人工智能提供的“預測結果”或“法律意見”而無法追溯其論證邏輯時，法律思維將從“理由論證型”退化為“結果導向型”。這種對算法權威（=法律權威？）的盲從，會削弱法學生對程序正義的敬畏，使其誤認為法律結果可以脫離公開說理而存在。

法律是一個容錯率極低的行業，法學教育教導學生“每一個案件都關乎人生”，強調個案的特殊性。但人工智能的本質是概率預測，也即“將數學算法運用到海量的數據上來預測事情發生的可能性”。如果法科生習慣于用大數據概率來審視案件，而非通過證據核實每一個案件事實，司法公正將從一種絕對的價值追求退化為概率的最優解。這種思維偏差一旦固化，將導致未來法律人群體在面對“疑案”“新案”時，因算法未曾涵蓋而無所適從。此外，生成式人工智能還存在輸出結果的隨機性問題。因為生成式人工智能的核心運作機制并非基于笛卡爾式機械論世界觀下的線性因果推演，而是依托深度神經網絡在高維參數空間中的概率采樣與分布式表征，其最終輸出的內容依賴于路由機制對專家組合的瞬時選擇。如果輸入相同的案件事實數據經常導致不同的法律結論，將會消解學生對法的安定性的信仰，使得司法公正蛻變為隨機事件。無論如何，法學教育中不能用“統計學正義”來替代“個案正義”。

（二）對法科生批判性思維的削弱

人工智能對法學教育的侵蝕，本質上是工具理性對價值理性的僭越。法律是人學，它處理的是復雜的人際沖突與道德博弈。過度依賴人工智能技術，會使學生失去對真實社會復雜性的感知力。算法可以預測判決，但無法感知法律實踐的溫度。如果人工智能成為“標準答案”的提供者，法律人的批判精神將失去用武之地。如果學生不再質疑算法給出的結論，缺乏對既有學說和判例的挑戰與反思，法律的進化動力也將枯竭。

一方面，“機器幻覺”（hallucination）會導致法律信用的破產。由于大語言模型是生成模型，它的任務是生成語言，而不是檢索和調用以往的準確信息。因此，大語言模型生成的文本中常會包含一些不實信息。目前，無論怎樣訓練出來的法律大語言模型，都難以解決機器“一本正經地胡說八道”問題。人工智能有時會杜撰并不存在的法條、案例或文獻，這要求使用者具備極強的核查能力。2023年美國發生的“Mata v. Avianca”案中，律師就因引用ChatGPT編造的虛假判例而遭到法院處罰。在法學教育階段，如果學生過度依賴人工智能提供的信息，而忽略了對原始卷宗和法條原文的核對，這對職業習慣的養成將是致命的。法學教育必須警惕這種“二手知識”甚至“虛假知識”對專業信用體系的侵蝕。

另一方面，“信息繭房”會導致法律思維多樣性的喪失。法律的進步往往源于對既有通說的挑戰，法學的魅力，很大程度上在于疑難案件中的價值權衡，以及對少數意見的包容與尊重。但人工智能學習的是歷史裁判數據，它天生具有保守性。法律語言大模型基于概率分布生成文本，其本質只傾向于輸出“統計學上的最大公約數”，其同質化輸出極易抹殺法律解釋的多樣性。當法科學生過度依賴人工智能獲取案例分析或法律解釋時，實際上被困在了一個由算法構建的“通識繭房”中。如果法學教育完全由人工智能賦能，那么教育的內容將始終停留在“過去”的平均水平。過度技術依賴會導致學生的邏輯推導、批判性懷疑及復雜法律關系解析能力的萎縮，因為“算法提供了標準答案”。長此以往，學生將失去對非主流法律觀點、法理創新的敏銳度，導致思維的平庸化與單一化。

人工智能的介入正在從深層邏輯上挑戰法科生的思維主體地位。法律職業的精髓在于“人對人的判斷”，包含道德直覺與同理心。當學生們面對復雜的學術論文、冗長的法律合同或是需要縝密推理的哲學著作時，如果總是習慣性地將其丟給人工智能去生成摘要，他們的分析能力、長句解析能力以及在模糊文本中尋找邏輯線索的思維肌肉將無可避免地發生萎縮。這種行為實際上是在進行一種“認知外包”，不僅會削弱法律論證能力，更會導致認知主體地位的喪失，學生將從法律問題的“建構者”淪為人工智能輸出結果的“搬運工”，成為“大腦腐化”和“自動化偏差”的受害者。而當批判性反思能力被算法生成的結論輸出所取代，法科生將難以在司法實踐中承擔起獨立判斷的責任，成為缺乏靈魂的技術附庸。

（三）對學術規范與法律倫理的挑戰

在生成式人工智能時代，法學作業、課程論文甚至學位論文的生產方式都可能發生質變。法學研究要求深度的文本理解、價值判斷與觀點創新。生成式人工智能能夠迅速生成結構完整、辭藻華麗的法律論文或案例分析，但這是基于概率分布的“幻覺式寫作”，缺乏真實的理論思考。因為它只有言詞組合能力，沒有概念性創新能力，而這種寫作對于法科生而言卻會帶來不良的后果。

一方面是學術誠信的瓦解。生成式人工智能通過語義拼接生成的文本，雖然符合語法邏輯，卻往往缺乏“靈魂”。其風險在于，當學生發現可以通過簡單的提示詞（prompt）獲得高分評價時，學術誠信將面臨坍塌。因為傳統的查重工具難以識別由人工智能生成的獨一無二的文本。這導致教師在評估學生學術能力時難以區分哪些部分源自學生的獨立思考，哪些部分又來自算法的語詞拼接。長此以往，學生的法律檢索能力、論證能力及文書寫作的基本功將大幅衰減，形成學術能力的“虛假繁榮”。

另一方面是法律倫理與職業操守的滑坡。法學教育不僅要進行技能培訓，更要進行職業倫理的養成。傳統的中國法學教育本就存在著重技能教育輕德性培養的不足，無法有效實現德法兼修的法治人才培養目標。而人工智能技術的過度運用有可能放大這種不足，因為生成式人工智能在處理法律文書時，可能存在數據隱私泄露、虛構虛假案例等風險。如果學生在教育階段未能建立清晰的人工智能使用邊界，其職業生涯極易跨越法律職業倫理的紅線。人工智能生成的“現成答案”容易誘發學術惰性，使學生忽視作為法律人必須承擔的真實性核查義務。這種倫理意識的淡薄，是對法學教育作為一種人格教育功能的根本挑戰。而沒有德性的法學教育所培養出的法律人，對于社會法治的構建所產生的負面作用可能要更大。

更進一步而言，過度依賴人工智能技術還會挑戰受教育者的主體地位。人工智能不但會挑戰法科生的思維主體地位，也會挑戰法律人的道德主體地位。越來越多地運用和信賴人工智能技術會帶來運用者認知欲望的下降和自由意志的喪失（而不僅是能力?。斐伤麄兊牡赖骡g化。人工智能輔助下的教學模式，往往側重于邏輯分析與結果預測。然而，法律解決的是人的痛苦與沖突，法學教育不僅關乎智力，更關乎同理心。當學生在模擬實訓中面對的是人工智能模擬的證人或當事人時，他們無法對真實人類的法律困境感同身受。這種“數字化隔離”可能導致未來法律人職業人格的弱化與法律溫度的流失，將復雜的社會正義問題簡化為數據演算。習慣于數據演算的法律人，是否會越來越像機器？“那些透過算法所無法達致的心靈能力，在人類社會的運作中，是否有可能會越來越不重要？”假如在未來法律“人”的邏輯真的讓位于“機器”的邏輯，那么無疑會帶來阿倫特（Arendt）所說的“平庸的惡”。

四、去“瑕”存“瑜”：人工智能時代法學教育的應對

生成式人工智能的崛起正在重塑法律職業生態。在智慧法治建設和法律大模型廣泛應用的背景下，傳統法學教育面臨知識更新滯后、評價體系脫節等嚴峻挑戰，而人工智能技術的引入也急需構建倫理防線。人工智能時代法學教育應秉持“去瑕存瑜”的原則，真正實現技術的正向賦能。

（一）課程體系改革：引入“數智素養”教育

在人工智能與法律實務深度融合的背景下，法學教育必須超越單純的條文闡釋，轉向培養具備“數字領導力”的復合型人才。這就要求法學院打破學科壁壘，將算法邏輯、數據科學與法學進行實質性整合。

其一，實現“人工智能法學”的跨學科轉向。傳統的法學教育側重于規范演繹，但在大模型時代，法律問題的呈現往往交織著技術特征。從某種角度看，法律不再僅僅是紙面上的文字，而是可以被數字化、結構化的數據。法學教育需要向學生提供介紹計算機算法、法律人工智能技術等方面基礎知識的課程，教授包括人工智能的基本概念體系，人工智能技術基本工作原理，如何判斷、驗證、解釋人工智能技術產出的結果，如何通過定量分析、自然語言處理（NLP）技術來研究判決趨勢等知識。教學目標在于兩個方面：（1）理解算法的底層邏輯。例如，生成式人工智能是如何通過概率分布生成法律文書的？這種“預測性”推理與法官的“論證性”推理有何本質區別？只有理解了算法，法律人才能在庭審中質疑人工智能輔助證據的可靠性。（2）建立法律工程思維。法學院應通過實驗課程，引導學生學習如何將復雜的法律咨詢拆解為可被人工智能處理的標準化模塊。例如，在處理大規模破產重整案件時，學生需學會決定哪些債權核算可以交給算法模型，哪些涉及債權人利益平衡的實質性談判必須由人類介入。只有將法律的邏輯思維和人工智能的科學思維、算法的程序思維融為一體，把握法律思維與計算思維的深層融通，形成融合性、交互性、流變性的智能思維方法，才能在算法泛在的人工智能時代科學分析和有效應對更為復雜的法律問題。

其二，建設“數智素養”核心課程模塊。目前國內外相關大學法學院已開設一些人工智能相關課程。為了更為系統地培養學生的數智素養，法律人工智能課程體系應圍繞以下三個維度進行重構：（1）技術原理與法律應用層。設置“人工智能與法律實務”“區塊鏈與智能合約法”等課程，讓學生掌握與人工智能協作的技能。例如，如何撰寫高質量的“法律提示詞”以獲得精準輸出結果。一個具備數智素養的法學生，能夠將“比例原則”“正當程序”等抽象原則轉化為人工智能可理解的約束性指令，從而引導人工智能生成高質量的法律分析。同時，培養學生在復雜技術環境下識別法律風險的能力，如識別人工智能生成的虛假判例（幻覺問題）。（2）數據治理與隱私保護層。課程體系的設計不僅要重視人工智能法律實務操作，也要重視人工智能時代的法律制度建構。通過設置“數據法學”“個人信息保護實務”等課程，讓學生深入探討“數據標注”中的法律責任、數據跨境流動的監管框架以及匿名化技術的法律效力。（3）科技倫理與前沿理論層。課程體系設計還需深入制度背后的“價值層”。通過設置“人工智能倫理”“數字法哲學”等課程，討論算法偏見、機器人的法律人格地位，以及自動化決策對正當程序原則的沖擊等。

其三，構建人機協作的新范式。數智素養并非要求每個法律人都成為程序員，而是要求其具備“科學素養”和“技術審美”能力。實習是培養數智素養的實戰場。法學院應與智慧法院、頂尖律所深度合作，構建“雙師制（人類導師+人工智能輔助系統）”的實踐模式。在未來的智慧法院或智慧檢察院中，法律人需決定人工智能技術介入司法裁量的程度。在法院實習中，學生應深度接觸“類案自動推送”或“刑期計算輔助”系統。鍛煉數智素養的重點在于，通過大數據分析發現裁判規律，為以后同類型的案件樹立正確的裁判思維。同時，當人工智能給出的類案與當前案件存在細微的事實差異時，敏銳覺察并否定人工智能的建議，而不是盲目采信。在律所實習過程中，學生需學習利用大模型進行初級職業訓練。數智素養要求學生在有限的時間內，協調人工智能完成基礎數據的清洗，并將節省下來的精力投入到更具商業價值的復雜法律架構設計中。這種對技術紅利的分配能力，是未來律所合伙人的必備素質。在更高層次的研究生法學教育中，應創造條件讓學生參與科技企業人工智能法律產品的研發標準制定，確保技術從設計源頭就符合法治精神。

（二）評價體系創新：從結果導向轉向過程監測

法學教育的重點是培養學生處理規范性問題的能力，即“應當如何”。而人工智能技術輔助判決工具本質上是概率統計，即“通常如何”。人工智能賦能法學教育過程中遇到的最大問題，是算法的“統計學邏輯”與法學的“規范性邏輯”之間的張力。為此，必須革新法學教育的評價體系。傳統的考核往往關注法律學習的結果，而在人工智能可以輕易通過檢索和擬合給出“標準答案”的今天，考核的重心必須從“結論的正確性”轉向“過程的合理性”。未來的法學考核應更多側重于課堂討論、復雜法律案件的具體分析以及對人工智能生成內容的糾錯與評析。法學教育評價體系必須完成以下轉型：

一是增加“逆向論證”考核。一方面，要求學生對人工智能生成的法律結論預測進行“反駁訓練”。在批判性審查過程中，學生不僅要指出人工智能結論的錯誤和人工智能邏輯中的盲點（如忽略了某個細微的自由裁量因素），更需運用法學工具分析該錯誤是如何在算法演算中產生的（例如，是否因為人工智能錯誤地類比了不相關的判例？是否忽視了法律原則對具體條文的修正？）。評價不再看學生“寫出了什么”，而是看學生“刪減或修正了什么”。這種“除垢”式的考核，更能真實反映學生對技術邊界的敏感度。另一方面，引入“多路徑證成”的比較評估。人工智能往往傾向于提供最符合概率分布的“平均答案”，逆向論證考核則要求學生針對同一結論，提供至少兩種以上不同路徑的證成策略。例如，在法律解釋過程中，要求學生分別從文義解釋、體系解釋、目的解釋等多個維度，對同一結論進行逆向重構。考核權重應側重于學生對不同解釋路徑之間交疊點和分歧點的發現。如果學生能論證出為何路徑A在當前語境下優于路徑B，即使結論與所謂的“標準答案”不符，也應給予高分。

二是強化現場交互評價。文字性的、離線的考核極易被人工智能深度滲透，而法律人的核心素養之一，即瞬時的邏輯架構、情感共鳴與現場博弈，是當前通用人工智能最難模擬的領域。因此，法學教育評價體系必須大規模向“現場交互”傾斜，增加口頭辯論、診所教育、模擬法庭等課程的比重。一方面，要增加蘇格拉底式的“追問壓力測試”?？山梃b英美法學院的經典傳統并結合數智化反饋，將課堂表現與口頭測試作為核心評分依據。教師或評價專家通過微調假設事實，觀察學生在前提條件改變時，其論證邏輯是否會崩塌。高頻次的臨場變化將迫使學生脫離預設的人工智能腳本，進行原生的思維輸出。這種場景中的評價標準包括：學生在面對質疑時的邏輯韌性、對反方觀點捕捉的敏銳度，以及在壓力下保持法律話語體系專業性的能力。另一方面，將模擬法庭變為人機協同與對抗的復合實驗場。在模擬法庭辯論中，要求學生實時應對由人工智能輔助系統生成的突發證據或反方觀點。評價者不關注學生是否背誦了辯護詞，而關注學生如何調動人工智能工具進行快速檢索并轉化為有效口頭辯論的能力。評價體系應高度激勵學生展現出超越算法的、具有現場說服力和感染力的表現。其意旨在于培養知識、技能、信念融會的行動者，彌補現有法學課程體系的不足，實現隱性知識與顯性知識一體化教育。

（三）倫理防線構建：確立人工智能技術使用的邊界

隨著人工智能工具進入課堂和法庭，如果不建立嚴密的倫理防線，法律作為一種人類的價值實踐就將受到技術異化的侵蝕。為此，法學教育必須建立一套明確的“技術正當使用”倫理框架，劃定人工智能應用的邊界。

一是確立“學習輔助”而非“智能替代”原則。法律判斷本質上是一種價值判斷，包含同理心、公序良俗和對復雜人性的洞察，這些是算法無法模擬的。教育管理部門應明確人工智能在不同教學環節中的法律地位。在基礎調研階段，鼓勵使用人工智能進行文獻索引；但在研究選題、核心設計、數據解讀、論點撰寫等體現原創性的關鍵環節，應嚴格限制人工智能的使用比例，防范學生過度依賴人工智能生成的摘要而放棄研讀原始判卷，防止法律思維的退化。必須堅持“誰提交、誰負責”的原則，要求學生對人工智能生成的每一個法條、案例和文獻引用進行人工核實，確保人類在法律決策鏈條中始終處于“回路中心”（human-in-the-loop）。因為技術越是逼近人類智能，法律越需通過“人類中心驗證機制”守護其規范性根基。隨著人工智能的發展，法律職業技能性的培養要求將會縮小，法律職業所具有的共性能力，即法律精神的塑造、價值判斷的選擇、人性要素的顯現以及法律創造性能力的培養將被凸顯出來。在此過程中，教師應始終發揮育人主導作用，將生成式人工智能僅作為輔助工具使用。在價值觀引導、道德教育、情感培養、心理支持等關鍵育人環節，教師必須主導完成，不得交由技術替代。

二是建立透明的人工智能使用聲明機制。誠實信用是法律職業的基石。在學術研究與實務操作中，必須確立數據來源透明度標準。具體而言包括：（1）建立強制披露制度。正如引用參考文獻一樣，法學教育應引入“人工智能披露協議”。無論是課程論文還是模擬法庭文書，若使用了人工智能輔助，必須明確標注所用工具、使用環節及生成內容，即使用了哪種模型，使用了何種提示詞，在哪些章節使用了人工智能，使用人進行了哪些修正，以及如何對人工智能生成的內容進行核實。這不僅是為了維護學術誠信，更是為了培養學生與人工智能協作時的自我審查習慣，確立算法使用的正當性邊界。（2）確立可溯源性要求。強化“算法審計”意識，教育學生在使用人工智能輸出結果時，必須能夠追溯其原始數據來源，確保引用的法律法規真實有效。

三是引入技術倫理的“負面清單”。法學院校應率先劃定人工智能應用的“禁區”，通過負面清單明確哪些行為屬于嚴重的職業道德違規。明確禁止在涉及人格權、隱私權及未公開司法數據的模擬實務中濫用人工智能。嚴禁使用不可解釋、不透明的算法作為涉及剝奪公民基本權利之法律意見的唯一支撐。嚴禁利用深度偽造技術制造虛假證據，或利用算法漏洞進行“洗錢式”的案例檢索以誤導公眾。嚴禁在未經授權的情況下，將包含敏感個人隱私的案件卷宗上傳至未受安全保護的商用大模型。同時，校方應建立人工智能法律倫理審查委員會，對教學中引入的算法工具進行“合法性評估”，防止帶有算法偏見的工具進入法學課堂，從源頭上筑牢倫理防線。由此，以點帶面地樹立“算法正義觀”和“數據正義觀”，加強人工智能時代學生的倫理情感教育。

五、結語

人工智能賦能法學教育是一把雙刃劍。新科技帶來的效率與高能固然令人欣喜，但技術對法學根基的潛在解構也需要被高度警惕。人工智能時代法學教育的目標，不是培養能夠熟練操作法律軟件的技術員，而是培養在算法時代依然能洞察人性、堅守正義、具有獨立思考能力的社會工程師。因為，工具越先進，使用工具的人就越需要靈魂。只有讓算法服務于法律“人”的靈魂，而非讓法律人的靈魂順從于“算法”的邏輯，法學教育才能在技術浪潮中守住其專業的尊嚴。畢竟，人工智能并非法學教育的“終結者”，而應是其強有力的“賦能者”。人工智能時代的法學教育應堅持“以人為本”的技術應用觀，在工具理性的浪潮中守護實質性的法治價值，培養既能駕馭智能技術，又具備深厚人文情懷，并能在算法邏輯中守護人類尊嚴的復合型法治人才。由此，法學教育對人工智能的應對，不應是簡單地“做加法”（增加幾門人工智能課程），而應是兩者之間深層的“化學反應”。人工智能賦能法學教育，也不應是一場技術的“接管”，而應是一場深度的“倒逼”。它倒逼法學教育從煩瑣的信息檢索、法條記憶和學說傳授中解放出來，邁向對更高層次的法律原理的探討、價值文化的探究和批判性論證能力的養成。

點擊進入下方小程序

獲取專屬解決方案~

責任編輯 | 金夢洋

審核人員 | 張文碩

本文聲明 | 本文章僅限學習交流使用，如遇侵權，我們會及時刪除。本文章不代表北大法律信息網（北大法寶）和北京北大英華科技有限公司的法律意見或對相關法規/案件/事件等的解讀。