HKU Faculty of Law · 2026

人工智能时代
文科生的自我修养

司晓 · 腾讯研究院

过去一周
你用 AI 的时候
心虚过吗?

"我是不是在偷懒?" "这算不算作弊?" "我将来会不会被取代?"

今天,我以三个身份和大家对话

法学出身

中南政法本科 · 法学博士
曾和你们坐在同一种教室里

不是技术专家

不训练模型 · 不写代码
和你们一样是"文科脑"

超级个体实践者

用 AI 驾驭 102 路智能家居
用 AI 写科幻长篇小说
深度 AI 生活/工作实践者

不写代码的人,能做到什么?

我的家:100+ 智能设备,通过 MCP 协议用自然语言驾驭

我(自然语言)
"准备休息,帮我关灯"
→
Gemini / 本地模型
理解意图 · 通过 MCP 调用设备
→
Home Assistant
NAS 本地部署 · 100+ 设备

以前(古法编程):一个个写自动化脚本,没有泛语言理解,没有智能编排
现在(MCP + AI):说一句话,AI 理解意图并自动编排 100+ 设备联动

我不写代码。我只需要用自然语言描述"我想要什么"。

不写代码的人,还能做到什么?

我在用 AI 写一部三体级别的科幻小说

方法论:
① 全球最好的 50 部科幻电影 + 50 部科幻小说
② 抽离每一部中最独创、最被公认的情节设定
③ 先做加法——全部放进故事结构
④ 再做减法——去同质化,保留最独特的

布置给人类团队?他们会疯掉。
布置给 AI?完全没有问题。

你们可能想问:

不写代码,怎么做到的?

答案只有一个词:Harness(马具)

今天一小时 · 三个问题

① 我们身处什么时代?
② 文科生的核心修养是什么?
③ 明天起,具体做什么?

PART 1 · 祛魅

2026:Harness 元年

不再比模型大小,比的是"马具"

AI 工程演进:三级跳

2022-2024
Prompt Eng.
给驾驶员一张地图
→
2025
Context Eng.
给驾驶员一套导航
→
2026
Harness Eng.
给驾驶员造一辆完整的车

—— 汤道生《人工智能正式进入 Harness 时代》2026-04

为什么是 2026 · 产业自己投出来的转折点

三件套凑齐 · Harness 元年

2022
ChatGPT 瞬间
"AI 能聊天"
2023
Prompt Engineering
"学会写指令"
2024.11
MCP · Anthropic
AI 工具世界的
统一格式
2025.H2
Agent Skills
AI 流程世界的
标准手册
2026
Harness 收敛
体系化工作流
跑得起来了
Software 3.0
Karpathy 命名 · 自然语言成为新的编程语言
Harness 时代
MCP + Skills + Harness 三件套凑齐 · 产业级转折点

AI 从 "调一次模型解决一个问题" → 变成 "作为一整套体系化的工作流去运转"

历史的回声 · 这就像福特 T 型车

发动机一直在那儿,但直到马具凑齐才改变世界

内燃机 → T 型车(50 年)
1860s 内燃机被发明
1880s 第一辆汽车出现
1885-1908 流水线 · 标准零部件 · 加油站
驾驶执照 · 交通规则 · 交通法
1908 T 型车下线
汽车真正变成大众产品
大模型 → Harness(4 年)
2022 ChatGPT 瞬间("内燃机"被点燃)
2023 Prompt Engineering(第一辆车)
2024-2025 MCP(统一格式)+ Skills(标准手册)
+ Agent Harness(工程框架)
2026 Harness 元年
"AI 大众化产品"的下线时刻

你们这一届,恰好赶上 "AI 时代的交通规则"被书写的那一刻

大模型是发动机
Harness 是线束
使用者是驾驶员

三者缺一不可。但价值权重正在剧烈重分配。

真实案例 · Mata v. Avianca · 纽约南区联邦法院 2023

同一个律师 · 同一个任务 · 两种结局

实际发生

没有马具

把法律状纸整个丢给 ChatGPT
ChatGPT 虚构 6 个判例
案号不存在 · 法官名拼凑
无审核 · 无兜底 · 无约束

结果:制裁 $5,000 + 公开谴责

如果配了马具

MCP 接判例库 + 审核流程

同一个模型,但接上真实判例数据库
自动交叉验证案号是否存在
每条引用标注置信度
AI 生成 → 人类终审 → 提交

判例真实可查 · 可直接引用

他缺的不是 AI,是 Harness
模型没变,变的是套在它身上的那套马具。

ANDREJ KARPATHY · OpenAI 创始成员

"The new programming language
is English."

当编程语言变成你说的话
文科训练的语言精度、逻辑结构、修辞能力
全部变成了"生产力"

PART 2 · 立论

新领导力:驾驭力

Harnessing — 驾驭一支天才军团,去你想去的地方

说白了就是:派活的能力。知道派给谁、派什么、怎么验收。

"当知识变得唾手可得,区分个体的将不再是'你知道什么',
而是'你能用已知的知识做什么'以及'你在困境中如何自处'。"
—— 司晓,《学习时报》2026-02-04

2026:知识唾手可得 · 表达随时调用 · 身份随时切换

新时代比的不是谁掌握知识
而是谁能驾驭智能

一层一层剥开,什么是真正稀缺的?

第一层 · 知识 —— 免费的。AI 直接给你,零成本。

第二层 · 技能 / 表达 —— 极低门槛。学一句 prompt 就能调用。

第三层 · 产能 / 团队 —— 花点 Token 就能扩展。一人 = 一军团。

第四层 · 判断 + 方向 + 品味
—— 剥不掉。买不到。只能自己修炼。

这就是驾驭力。

三个活生生的证据

技能层 · 已剥掉

Linklaters 律师
周末做了一个 AI 工具

自学 AI 后独立开发
解决了 IT 部门多年没做出来的东西
现已全所推广

Law.com 2026-01

产能层 · 已剥掉

Peter Steinberger
一人做出 OpenClaw

GitHub 星标历史最快纪录
全球增长最快的开源 AI Agent
被 OpenAI 挖走

Fortune 2026-02

专业训练层 · 已剥掉

零影视背景
三个月拿电影节金奖

从没学过拍电影
用 AI 完成全流程
门槛消失,壁垒只剩品味

2025

技术不是他们的核心壁垒
真正让他们赢的只有一件事:知道要做什么,并且判断做得对不对

过去的领导力

你有别人没有的信息 + 能调动的资源

AI 把这两样东西商品化了

"我和我的 CEO 朋友们开了一个赌局,赌哪一年会出现第一家一个人的十亿美金公司。"
—— Sam Altman, 2024

领导力不再是"向上爬"获得的稀缺品

而是毕业第一天就必须掌握的生存技能

区别只在于:你会不会派活

核心工具 · 派活三问

一件事来了,派给谁?

① WHY · 方向

目的地清楚吗?

不清楚 → 人 · 想
清楚 → 可派 AI

② RISK · 责任

错了谁负责?

不可逆 → 人 · 签字
可逆 → 可派 AI

③ TRUST · 信任

需要人在场吗?

需要 → 人 · 在场
不需要 → 可派 AI

香港司法机构 · 2024-09
"使用任何人工智能之前,法院必须了解和评估人工智能的能力和局限。"

翻译:派活之前,先搞清楚锯齿在哪

香港已经把"派活力"写进了官方指引

派活的架构学 · 一人 = 一家公司

Planner
规划者
→
Generator
执行者
⇄
Evaluator
评估者

这不是技术,这是管理学
和你管一个实习生团队的原理一样

—— Anthropic 三智能体架构 · 2026

JENSEN HUANG · NVIDIA CEO · CES 2025

"IT departments will become
the HR of AI agents."

翻译 1:未来的 IT 部门,就是 AI 员工的人事部。

翻译 2:以后公司不是在招人,是在 "招" AI。

翻译 3:IT 负责给 AI 入职、培训、考核、开除。

腾讯内部已有数万名员工在"领养" AI 员工,用 Agent 参与研发

四大支撑修养 · 文科训练本命

提问力

把模糊问题变清晰指令
派活的起点

判断力

识别 AI 何时在胡说
派活的质检

品味力

100 个答案里选那 1 个
派活的终审

伦理力

为 AI 产出负最终责任
派活的底线

Silicon Valley 由文科生创立:Airbnb (艺术) · LinkedIn (哲学) · Slack (哲学) —— Scott Hartley, Stanford

PART 2.5 · 升维

含 Token 量 =
智力效益率

派活力的硬指标

Token = AI 时代的"千瓦时"

工业时代

千瓦时 → 电力
桶 → 石油
GDP → 国家经济

AI 时代

Token → 智力
Token → AI 服务
用 Token 量 → AI 化程度

1,400×

中国日均 Token 调用量
两年增长倍数

140 万亿

中国日均 Token 调用量
2026 年

Harvey AI · $110 亿估值 · 日处理 70 万个法律任务 · 已进入 Stanford/NYU 法学院

法律行业已经在怎么用 AI?

M&A 尽职调查

数千份文件自动摄入
首轮审查时间 -40~60%

合同审阅

每周 5000 万条款
月省 $10~30 万人力成本

诉讼证据开示

50 万份文件分类标记
成本 降低 30~50%

监管合规

同时监控 15 个司法管辖区
2~3 周 → 数小时

PwC 首席 AI 官(Fortune 2025.05):"如果把 Harvey 从初级律师手中拿走,那会引发一场暴动。"
→ AI 消除了 60-70% 枯燥工作 · 原本入行 10 年才能获得的实战经验现在大大提前

同一个 Token · 价值相差 10 万倍

同样让 AI 工作一小时(消耗差不多的 Token),产出值多少钱?

闲聊陪伴
≈ ¥0
写代码
程序员时薪
¥500 ~ ¥2,000
法律尽职调查
判断 · 提问 · 品味 · 伦理
¥10 万+

写代码贵在技能——但技能正在被 AI 抹平
法律审阅贵在判断——判断力无法被抹平

Token 经济学的溢价区,正是文科生的主场

司晓 · 腾讯研究院 · 2026-04-30

但——烧 Token 多 ≠ 生产力高

"AI 上半场卷的是能不能用,
下半场卷的是用得值不值。"

Token 效率

每消耗一个 Token
能创造多大的价值

= AI 时代的投入产出比

Token 形式主义

任何一个本来该衡量结果的指标
一旦被当作目标本身

就会从工具变成表演

一份 due diligence 报告消耗 500 万 Token 是合理的,但写一封邮件消耗 50 万 Token 就是浪费。
Token 效率意识 = 驾驭时的成本控制能力。

新 KPI · 原创框架

个人智力效益率

派活数量 × Token 单价 × 判断质量
规模

你能调动多少 AI

天花板

你做的事值多少

护城河

派得对 · 审得准

法学院训练偏重第三项 —— 你们缺的是把第三项乘以前两项

PART 3 · 行动

明天起
三件事

不需要学编程,不需要懂技术

① 养一只你自己的"龙虾"

找一个 AI 工具(Claude / ChatGPT / Cursor / 龙虾 / …)
每天和它协作 2 小时
让它变成你的"数字搭档"

从哪里开始?

· 让 AI 帮你读一篇英文判例,然后质疑它的总结
· 让 AI 帮你起草一份备忘录,然后改到你满意为止
· 让 AI 帮你做课程论文的文献综述,然后你负责判断哪些该留

关键不是"用了",是形成协作习惯——你出方向,它出初稿,你做终审。

驾驭不止是"聊天"

你能给 AI 装上的"装备"越多
它能帮你做的事越多

Skills

给 AI 加技能包
读 PDF · 做 PPT · 搜网页 · 分析数据

一句话装载
能力即插即用

MCP

让 AI 连接外部世界
数据库 · 邮件 · 日历 · 法律数据库

AI 从"只会说"
变成"能动手"

动手实践

自己跑一个本地模型
搭一个自动化工作流
让 AI 帮你管文件/做研究

不需要写代码
拖拽 + 自然语言就够

这些都是"驾驭力"的一部分——给你的 AI 装好马鞍、缰绳、挽具,它才能真正替你干活

② 培养"人机协作"的肌肉记忆

❌ 错误姿势

把作业丢给 AI → 复制粘贴 → 交
(这叫依赖,不叫协作)

✓ 正确姿势

你想清楚要什么 → AI 出初稿 →
你判断、修改、追问 → 终稿是你的
(这叫驾驭)

形式不重要:用 ChatGPT、用 Cursor、用龙虾都行
重要的是:每一次交互都在练"驾驭力"

③ 练好驾驶技术
别把方向盘交出去

Harvey 2025-08 开始进入美国顶级法学院
Stanford · NYU · Michigan · UCLA 学生现在上课就用 Harvey

三年后你毕业,他们带着 3 年 Harvey 经验进职场。

AI 能帮你做所有执行
但"这件事值不值得做"永远是你的判断

方向盘在你手里。这是文科训练给你的最大资产。

"A country of geniuses in a datacenter."
—— Dario Amodei, Anthropic CEO

你手上那台笔记本里
住着一个天才国度

Token 不会告诉你往哪儿走

去哪里 · 为什么去 · 值不值
永远是人的责任

而这
恰恰是文科生最擅长的事

谢谢各位

公众号二维码

扫码关注公众号