CRAFT框架
一种构建有效法律提示词的结构化方法。每个优秀的提示词都涉及这五个要素——情境（Context）、角色（Role）、行动（Action）、格式（Format）和语气（Tone）。
C — 情境
设定场景。告诉AI你是谁、你从事哪个法律领域以及适用哪个法域。你提供的情境越多，输出就越相关。
R — 角色
为AI分配一个特定的角色或身份。这决定了回复的语气、深度和视角。「初级律师」和「督导合伙人」产生的输出是不同的。
A — 行动
明确说明你希望AI做什么。具体说明任务、格式和细节程度。模糊的指令产生模糊的结果。
F — 格式
指定你希望输出如何组织。要点、编号列表、标题、表格、执行摘要——明确定义格式。
T — 语气
定义受众和适当的语气。客户备忘录与内部研究笔记或法庭文书的阅读方式不同。告诉AI谁会阅读这份文件。
CRAFT实战
这是一个同时使用所有五个CRAFT要素的完整提示词：
实践中的技巧
看看弱提示词和有效提示词之间的区别。每种技巧展示了应避免什么、什么有效以及原因。
指定专业角色
指示AI采用特定的专业视角。这决定了回复的语气、深度和关注点。
弱提示词
告诉我关于租赁协议的事。
有效提示词
扮演一名拥有15年经验的加州房地产律师。我需要你根据《加州民法典》和加州上诉法院的相关判例法分析一份商业租赁协议的条款。
为什么有效： 角色为回复提供了情境。「加州房地产律师」产生的术语、法律引用和方法与「英国事务律师」或「澳大利亚出庭律师」不同。
锁定法域
始终指定国家、州或地区以及适用的法律。在多个法域上训练的AI可能在没有警告的情况下混合法律框架。
弱提示词
起草一个竞业禁止条款。
有效提示词
起草一个符合《加州商业和职业法典》第16600条的雇佣协议竞业禁止条款，考虑加州最高法院在2024年修正案后关于员工竞业禁止限制可执行性的最新裁决。
为什么有效： 在得克萨斯州有效的竞业禁止条款在加州可能不可执行，在北达科他州可能无效。法域决定了你可以约定的法律边界。
定义输出格式
准确指定你希望以什么方式接收信息：表格、编号列表、备忘录、法律意见书、对比图表。
弱提示词
比较特拉华州和加州的商业实体。
有效提示词
创建一个包含以下列的对比表格：（1）实体类型，（2）设立要求，（3）最低成员/股东人数，（4）责任保护，（5）税务待遇，（6）管辖法规。包含：特拉华州和加州的LLC、S-Corp、C-Corp。引用《特拉华州一般公司法》和《加州公司法典》的具体法条。
为什么有效： 如果没有定义格式，AI会自行选择，这可能不符合你的目的。给客户的对比图表与内部研究备忘录是不同的。
提供充分的情境
包含相关事实、涉及的当事人、截止日期以及任何约束条件或偏好。情境越多，回复越精确。
弱提示词
我需要一份服务协议。
有效提示词
我需要一份专业服务协议草案，由在特拉华州注册为LLC的科技公司（提供方）和纽约的一家律所（客户方）之间签订。范围是开发一个文件管理系统。期限：12个月。价值：25万美元，按季度里程碑支付。必须包括保密条款、已开发软件的知识产权归属、服务水平协议（SLA），以及根据AAA商业规则在纽约进行仲裁的争议解决条款。
为什么有效： 通用合同毫无用处。具体细节使AI能够生成一个可行的起点草案，而非需要完全重写的文件。
使用链式思维推理
要求AI在给出结论之前逐步推理。这减少了错误并使推理可验证。
弱提示词
我的客户能起诉吗？
有效提示词
我的客户在佛罗里达州因有缺陷的产品而遭受损失。逐步分析：（1）适用什么法律？考虑佛罗里达州的产品责任法规（Fla. Stat. §768.81）和《侵权法重述（第三版）》下的严格责任。（2）严格产品责任的构成要件是否满足？（3）适用的诉讼时效是什么？（4）诉讼针对谁提起？（5）哪个法院具有管辖权？（6）结论及可行性建议。
为什么有效： 逐步推理产生更有条理的分析，并允许你识别AI出错的确切位置，从而便于验证。
迭代与优化
不要期望第一次尝试就得到完美的回复。将初始回复作为深入探讨的起点。
弱提示词
[不加质疑地接受第一个回复]
有效提示词
感谢你的分析。现在请深入探讨关于诉讼时效的第3点。如果损害在购买两年后才显现，佛罗里达州的发现规则如何影响我们的案件？佛罗里达最高法院关于潜在产品缺陷的诉讼时效起算时间是否有先例？
为什么有效： 最好的AI回复来自迭代对话。第一个回复是草案；后续问题将其转化为有用的分析。
法律工作的提示词模式
除CRAFT框架之外，这些经过验证的模式解决了法律AI交互中的常见挑战。复制并将其适应到你的执业中。
法域锁定
通过明确指定并要求确认，迫使AI停留在你的法域内。
验证要求
指示AI标记不确定性，将已验证的事实与生成的分析分开。
结构化输出
请求特定的章节和格式，以获得始终可用的结果。
魔鬼代言人
要求AI从对立面论证你的立场，以压力测试你的推理。
迭代优化
通过多个聚焦的提示词构建复杂输出，而非一个庞大的请求。
评论
正在加载评论...