想踏入法律科技领域，部分法学生存在认知偏差：精通法律业务、掌握 Prompt，就能从事法律 AI 工作。可实务证明，单凭这些，远远不够完成转型。

Prompt 只是人机交互的入口，法律 AI 落地，需要一套由浅入深、层层递进的完整能力体系。本文搭建一套 Legal Tech 五层能力模型，绘制属于法律人的 AI 能力地图，帮助法学生看清转型的完整进阶路径。

第一层：AI 基础与风险认知

这是所有能力的地基。法学生不需要钻研复杂算法源码，但必须理解大模型的能力边界、幻觉风险、数据隐私、法律业务场景下的合规红线。要清晰区分模型能做什么、不能做什么，明白 AI 输出内容不能直接等同于法律意见。

很多法律从业者直接把案卷、客户涉密材料丢给通用大模型，本质就是这一层能力缺失。这一层核心建立风险意识，避免把法律业务建立在对 AI 的盲目信任之上。

第二层：Prompt 和结构化输出

这是大众最熟悉的一环，也是很多人误以为的 “全部能力”。熟练的提示词编写、角色设定、输出格式约束，能够让大模型完成法条梳理、案例摘要、文书初稿生成等基础工作。

但 Prompt 是 “调用工具的手段”，无法解决知识库缺失、流程错乱、模型幻觉等底层问题。只掌握这一层，只能做零散单点任务，无法支撑规模化、项目化的法律科技工作。

第三层：法律文档、多模态和信息提取

法律工作的载体是海量 PDF 卷宗、合同、裁判文书、扫描件，大量非结构化文本甚至图片证据。这一层要求从业者可以借助多模态工具，完成合同要点抽取、证据材料结构化、裁判文书要素解析，把杂乱的法律材料转化为可被 AI 处理的标准化信息。

从单纯写提示词，进阶到处理真实、碎片化的法律原始材料，实现法律信息的有效加工，是业务落地的关键一步。

第四层：RAG 知识库、工作流和 Agent

当业务不再是单次提问，就要走向知识库与自动化流程。面向法律场景搭建私有 RAG 知识库，把法条、判例、内部合同库导入模型，缓解大模型幻觉；设计法律业务工作流，把合同审查、尽调材料梳理拆解成自动化步骤；理解 Agent 智能体如何自主完成多步骤法律任务。到这一步，才从 “单次 AI 问答” 走向可复用的法律 AI 应用雏形。

第五层：产品 / 项目协同与企业落地

Legal Tech 最终价值是落地。这一层需要法学生跳出纯业务视角，学会和产品、技术团队协同，梳理企业真实法律业务痛点，评估 AI 方案的可行性，划定业务边界，参与项目需求梳理、效果验收、风险管控。

懂法律、懂 AI 工具，还要懂企业真实业务诉求，才能把前面四层技术能力，转化为真正可用的法律科技产品，避免开发出好看却无法上线的 “纸面方案”。

这套五层模型，恰好对应一条清晰的学习进阶路径，可以和 CAIE 认证能力等级形成映射。赛一认证 Level I 聚焦通用 AI 应用基础，覆盖第一到第四层的基础能力，帮助法律学习者建立 AI 风险认知、熟练 Prompt、掌握多模态文档处理，理解 RAG 与 Agent 的基础原理，完成从法律人到 AI 工具使用者的转变。

而赛一认证Level II，则进一步深化第四层能力，重点攻克 RAG 工程实践、Agent 开发应用，同时补齐第五层企业级项目落地、跨团队协同的专业能力，面向法律科技项目、企业数智化场景输出完整解决方案。

值得注意的是，法学生的起点各不相同：一部分同学熟悉各类 AI 工具，但不懂业务工作流；很多实务功底扎实的法学生，却对大模型的能力与短板一无所知。标准化的流水线式学习并不适配所有人。

借助 AI 能力测评，能够先定位个人能力缺口，看清自己在五层能力地图里的薄弱环节；再搭配个性化学习 Agent，依据自身短板、职业目标定制学习节奏，优先补齐缺失模块，而不是机械从头到尾通读全部课程。

需要明确，这套五层模型是一份Legal Tech 能力地图，核心目标是梳理清楚转型需要具备的各项能力，而非证书导向。证书只是阶段性学习的证明，真正的核心是把五层能力转化为合同审查、知识库搭建、项目协同等真实业务成果。

对想要转型 Legal Tech 的法学生而言，Prompt 只是起点。看懂五层能力阶梯，找准自己的能力缺口，由基础认知走向业务加工，再到技术应用，最终落脚企业项目落地，才能真正完成从传统法律从业者，向法律科技复合型人才的蜕变。