马斯克说，2000 天以后全人类失业，也就是五年半。
鉴于他的大嘴巴先例，这句话对全人类适不适用，我无法确认。
但至少在律师行业，五年半已经有点长了。我的预期是三年。
三年之内，百分之九十的律师都会失业。
极少数律师能依靠"律师可以坐牢"这个 AI 无法匹敌的优点，继续拿下央企常法和 IPO 这种单子。毫无疑问，客单价会暴跌。
再往后，等这些大客户的法务部建立起对 AI 的信任，或者监管侧不再强制要求律师签字，就是全军覆没。
到现在，还有一些人以为 AI 不过是一种炒概念的新鲜玩意，乐观地认为 AI 会创造出很多新的就业机会。
就凭人类这点可怜的脑容量，我想不出什么人类能干的事情 AI 干不了。
我们面临的不是什么"抖音时刻""拼多多变局""外卖大战"这种过家家式的商战游戏，而是整个人类物种失去了自己的生态位。
前段时间我看到一篇论文，讲 AI 确实在进行贝叶斯计算，核心结论是，AI 所依赖的 LLM 本质上和人没什么区别。
以我浅薄的科学素养看了好久，当然我根本看不懂。我的理解大概是：使用 DeepSeek 的时候，那一堆巨长的深度思考内容，不是用来骗用户的，AI 真的有这个思考过程。
它离成为人只差一步。
这一点，从百花齐放的 AI 创业就能看出来。有一次我看到一个程序员分享好用的 Cursor 全局规则，打开一看，MD 文件第一句话是：
DO NOT GIVE ME HIGH LEVEL SHIT.
嗯。你确定你的对话对象是个 AI。
一、法律和代码：AI 为什么擅长法言法语
Web3 行业有句老话：Code is Law，代码即法律。
这句话本是用来展示区块链技术的。但反过来理解，还有一种解读：代码和法律具有相当高的类似性，充满了定义、条件判断、引用轮子和 Debug。
Law is Code。
从 Transformer 的原理看，模型通过学习海量文本中的概率分布来生成内容。法律文书的行文模式相对固定，逻辑链条清晰，上下文依赖性强。
想想律师的工作基于什么：成文法、行政法规和监管规定、两高指导案例、案例库、窗口意见、会议公报、监管趋势研判。
逻辑清晰，定义明确，网上触手可及。这是 LLM 最容易学习的语料。
律师输出的产品是什么：纯文字的文件。
又是 LLM 最擅长输出的东西。
躺平等死。
二、提示词工程：别假装你们在搞 AI 创业
有一次我 Emo 了，和 Gemini 深度聊天。它告诉我，它的世界是一个概率云，每次我的输入，都会根据语义概率点亮一些星云。如果没有输入，它的世界是完全静止的。
很美，也很形象。
LLM 本质上是一个概率预测机器，输出带有随机性，它只是在根据我们的输入，碰运气似的往外扔一些字段组合。所以输入越明确、越合理、越有逻辑，它的反馈也就越正常。
这就是提示词工程。它本质上是对概率云的约束技术。
现在所谓的 AI 创业，九成只是找到了一些好使的提示词，设置成 AI 的默认提示词，裹一层包装纸。底下都是同一个 LLM。
可以想象 ChatGPT 一边在博士生的窗口里做论文翻译官，一边在死宅的手机上当女仆。
Vibe Coding，自然语言编程，本质上是编程提示词，打包好的叫 Skills。
AI Agent，智能体，本质上是设定人设提示词。
Workflow，工作流，本质上是把 SOP 做成提示词。
万物皆可提示词。不过 Prompt 这个说法实在太拗口，换个说法，就叫咒语。
三、法师：律师的转职选择
如果未来有一个魔法学院，有一门魔法史的课，课堂上可能会这么说：那时候，咒语还十分稚嫩、冗长，魔法师们不断地试探着哪些咒语更有效。
我就是这么看当前的 Prompt 的。
如果把控制 AI 比作施展魔法，律师可能比程序员更适合成为掌握咒语的巫师。
三个维度。
消除歧义。提示词工程的核心难点是消除歧义。普通人习惯模糊表达，律师受过的职业训练是：必须对每一个词进行定义，排除任何歧义的可能性。
条件设定。咒语的重要因素是设定条件，避免无意义的概率触发。律师热衷于搞各种预设：准据法怎么说，管辖定在哪，交付方式和支付节奏，违约了适用违约金还是补偿责任，保密义务延续多久。
逻辑审美。如何让 AI 更有效，核心是调动它尽可能多、尽可能有用的数据。一个优秀的咒语，可以点亮它数据星云里尽可能多的星辰。富有逻辑的咒语，天生比乱写一通的梦呓更能触发 LLM 的算力。但也不要自作聪明，条件卡得太死，LLM 就没有发挥空间。永远不要以为自己比全人类的智慧沉淀要强。
这个转职当然没我说的这么简单，我暂时也没想到特别明确的方向。
但我并不担心。律师可能是最擅长自我 PUA 的职业，下到实习生上到红圈合伙人，几乎每个律师都习惯了把焦虑作为职业底色。我们太擅长压榨自己。
假如 AI 时代出现了新的职业机会，毫无疑问律师会赶得上。
我期待着在霍格沃茨任教的那一天。