近百所高校成立聯盟，法律AI開始進入法學實訓課堂

AI已經進入了大多數高校的學生生活，他們用AI查資料、寫作業、改論文、生成案例分析。可問題是，很多學生因為過度使用AI，他們正在失去自己的獨立判斷能力。

這在法學教育的課堂里，已經有明顯的變化。有高校教授在論壇上提到，現在一些學生的課堂抬頭率、出勤率、獨立思考能力都面臨壓力。畢業論文里，也開始出現AI生成內容帶來的幻覺、偽注釋等問題。

這正是法學教育現在面臨的新處境。

一邊，智能檢索、合同審核、文書生成、類案推送、電子卷宗、在線庭審，正在進入法院、律所、企業法務等場景。另一邊，很多高校的法律實訓，仍然停留在案例研討、模擬法庭、老師講授、學生作答的傳統路徑里。

所以，法律AI進入法學教育，真正要解決的是：怎么讓AI進入法學實訓，幫助學生練出真實的法律實務能力。

6月6日，高校人工智能法律實訓聯盟成立大會暨法律實訓教學高端論壇在廣州舉行。大會以“人工智能賦能高校法律實訓”為主題，由小包公·法律AI承辦。近百所高校參與其中。

這場會議釋放出清晰的信號，法律 AI 已經走出了單純的輔助工具階段，開始深入法學教育最考驗功底、最需要長期積累的實訓課堂環節。

01 法學教育缺的是真實訓練場

法學教育不缺理論。學生可以學刑法、民法、行政法，可以背法條、記概念、做案例分析。問題是，真實案件不是教材里整理好的案情簡介，也不是一道刪掉雜音的考試題。

真實案件是一整本卷宗。學生要從卷宗里看事實、找證據、判斷爭點、理解程序，再把碎片化材料組織成經得起檢驗的法律表達。這才是法學實訓最難的地方。

中國法學會網絡信息法學研究會姜偉會長在會上提到，傳統法學教育長期存在重理論、輕應用的問題，高校實踐教學還受到卷宗稀缺、師資有限、資源碎片化、考核難量化等問題制約。

卷宗稀缺，學生很難接觸完整、真實、可教學的案件材料；師資有限，不是每個老師都有足夠的一線實務經驗和數字化教學能力；資源碎片化，不同學校各做各的，案例、課程、平臺難以共享；考核難量化，老師很難判斷學生到底是事實判斷不清，還是證據分析薄弱，或者法律適用有誤。

西南政法大學法律科技研究院副院長顏卉副教授表示，她過去上模擬法庭課，要“費盡九牛二虎之力”拿到辦案卷宗；有些卷宗掃描不清楚，還要花大量力氣做匿名化處理。拿到材料只是第一步，后面還有脫敏、整理、分組、批改、復盤。

這就是傳統實訓課的真實處境，依賴老師個人資源、經驗和投入。一個老師能做，不代表一個學院、更多高校都能做。

法律AI進入實訓課堂，第一層的價值就是把過去高度依賴個人資源的實訓材料和流程，變成可以復用、反饋和迭代的教學系統。

02 “案例研討”不等于“實操實訓”

過去很多法學生上過案例課，也參加過模擬法庭。但現場專家反復提到一個問題，這些訓練不一定等于真正的實操實訓。

中國政法大學法律學院院長許身健教授在會上說，傳統法學教育普遍存在“偽實踐”弊病，案例研討不等于實操實訓，傳統課堂偏重理論灌輸，難以培養學生實務處事能力。

如果AI只是幫學生檢索法條、生成文書，它還停留在工具層；如果AI能把真實案件、完整卷宗、模擬訓練、即時反饋、二次修改結合起來，它才能真正進入教學。

這次大會設置了三場高校人工智能法律實訓示范課：刑事法律實訓、民事法律實訓、行政法律實訓，分別展示小包公高校人工智能法律實訓系統在刑法、民法、行政法教學中的應用。

法律AI要進入高校，不能只做通用問答工具，而要進入具體課程、具體案件和具體訓練環節。

刑事實訓，要處理事實、證據、因果關系和法律適用；民事實訓，要理解法律關系、訴訟請求、證據組織和爭點歸納；行政實訓，要判斷行政行為、程序合法性和救濟路徑。

這些能力不是背書背出來的，要在真實材料里反復練出來。

03 小包公讓學生真正“進卷宗”

小包公·法律AI創始人、華南師范大學法學院王燕玲教授的刑事法律實訓示范課，一開始就提到，這堂課是要解決“從理論適用到辦案思維的轉化”。學生看到的不是老師整理好的案情簡介，而是完整卷宗。學生要自己歸納案件事實、篩選證據、論證證據鏈，掌握因果關系認定。

傳統課堂常常把案情整理好再交給學生，學生面對的是“被教學加工過的材料”。但真實法律工作不是這樣。真實案件里，材料是散的，證據是雜的，事實和結論之間要靠法律人自己搭橋。

在示范課中，系統把案件拆成訴訟程序、案件事實、證據分析、事實認定、法律適用和判決書書寫等維度。學生先閱卷，再定位與因果關系有關的言詞證據、醫療證據、鑒定意見和現場材料，然后根據材料作答。

王燕玲教授還特別提醒，不能把鑒定意見簡單等同于因果關系。鑒定意見能夠證明損害部位、傷情等級、致傷機制，但不能直接解決有沒有外來力、是什么人造成、因果關系是否成立。完整的因果關系證明，需要把鑒定意見、言詞證據、醫療材料、排他因素放在一起，構建閉合的證據鏈。

這就是實訓和普通問答的區別，法律實訓更加追求“怎么答出來”。

小包公的價值就在這里，它把真實案件做成了學生可以訓練、老師可以觀察、系統可以反饋的流程。

04 老師能看見學生錯在哪里

傳統實訓課還有一個難題：老師很難看見每個學生的真實思維過程。

大班教學里，老師講完一個知識點，學生到底掌握沒有，往往只能靠課堂提問、課后作業、考試結果判斷。老師看到的是少數被點名學生，或者最終答案，很難看到學生在閱卷、判斷、作答過程中的具體錯誤。

小包公系統解決的，就是這個“看不見”。

學生作答后，系統可以生成個人實訓報告，包括錯題分析、薄弱環節、知識點反饋和學習建議。老師端則可以看到全班學情分析：哪些學生表現較好，哪些學生答得不好，學生在具體知識點上的思維方式是什么，老師后續應該在哪里精細化講解。

這件事看起來是“智能批改”，本質上是教學方式變化。

過去，老師靠經驗判斷學生哪里不會；現在，老師可以基于每個學生的真實作答，決定下一步講什么、怎么講、補哪里。

王燕玲教授把這件事概括為“教學、練、評、改”一體化閉環。她強調，AI不是替代老師，是讓老師真正看見學生學習的全過程。AI沒有改變教育目標，但改變了實現教育目標的方式。

所以，小包公解決的不是簡單減輕批改壓力，它把學生的學習過程變成了老師可以使用的教學數據。

05 近百所高校成立聯盟

法律AI進入高校，真正難的是法律和技術之間怎么融合。

王燕玲教授在閉幕發言中提到，現在很多學校開設人工智能法學課程，一邊開計算機課程，一邊開法學課程，但計算機加法學中間的連接其實是空白的。這個空白，恰恰是人工智能法律理念要解決的核心問題。她還提到，如果沒有法律法規庫、精準案例庫做匹配，只靠提示詞很難保證準確。

這說出了法律AI真正難的地方。

法律AI不是把一個通用大模型接進課堂，再讓學生提問。它需要把法律規則、案例邏輯、辦案流程、教學目標和評價標準拆出來，再變成機器能夠處理、學生能夠訓練、老師能夠評價的系統。

如果只是一個老師做一門AI實訓課，這可能只是教學創新。但近百所高校共同成立高校人工智能法律實訓聯盟，說明這件事正在從單點嘗試進入體系建設。

西南政法大學黨委常委、副校長王懷勇提到，智能法律實訓體系建設絕非一校一地之事，需要匯聚更多法學教育力量。他提出三點倡議：共建實訓標準、共享實訓資源、共享師資力量。

它不是多一個牌子，而是要解決高校法律AI實訓中的共性難題：各校資源怎么共享，課程標準怎么共建，教師怎么培訓，案例庫怎么更新，學生能力怎么評價，AI如何真正服務法治人才培養。

從這個意義上說，小包公·法律AI這次被推到臺前，關鍵是找到了法律AI落地高校的真實入口：實訓。

這個入口沒有大模型問答那么熱鬧，也沒有生成文書那么容易展示效果，但更接近法學教育的底層問題。

法學教育最終不是培養會復制答案的人，是要培養出能判斷事實、組織證據、理解程序、核查AI、承擔責任的法律人。

近百所高校成立聯盟，只是開始。真正的變化，會發生在接下來的一堂堂法學實訓課里。