律师、法务、司法工作者、学者与法学生，关注真实业务与 AI 的结合。
THIRD TERM · ACTUAL SYLLABUS
第三期，实际学了什么
这不是一张为了招生而写的“理想课表”，而是根据第三期实际授课逐字稿回看和提炼的学习路线。建议你在报名前先看完，再判断它是不是你愿意投入时间的课。
报名前请先读
这份大纲的目的
公开上期大纲，是为了让你尽量在报名前看清课程的真实密度、实操强度和学习方式，而不是用模糊的宣传语替你做决定。
- 不代表下期课程承诺。AI 发展很快，模型、工具、案例、次序和作业都可能调整，当期安排以实际开课通知为准。
- 这是利用业余时间开班的公益课程。讲师和助教会在合理范围内提供讲解、共性问题答疑与社群交流，但无法提供无微不至的课程服务、随时响应、逐台设备排障或一对一定制辅导。
- 请谨慎选择。如果你期待的是商业培训式的全程陪伴和保姆式服务，这门课可能不适合你。
- 大纲不是效果保证。学习结果取决于实际投入、动手练习、作业完成和课后持续迭代。
先看结论：这不是“记几个提示词”的课
第三期实际包含 1 节先导课、6 节主课和 1 节结课返场。
边学边装、边做边改，用真实或高度拟真的法律工作场景验证方法。
不追求记住某个界面，而是理解 Agent、Harness、规则、数据和工具如何协同。
第三期的学习主线
- 01从网页聊天走向 Agent先建立工具谱系和使用边界。
- 02用 Harness 管住 AI把个人习惯、项目规则和任务方法显性化。
- 03管理上下文与扩展理解 Skill、MCP、Subagent、Hooks 和 CLI 的分工。
- 04建立可回滚的工作区用 Git、脚本和分层规则把流程做稳。
- 05会选模型，会算成本理解云端、中转、本地模型与 Token 费用。
- 06把数据变成自己的资产从采集、加工、治理到检索、应用和协作。
先导课｜先判断这门课是否适合你
这一节不教具体工具，重点是对齐预期。
- 讨论 AI 对法律等知识工作的影响，以及文科生如何利用自然语言能力驾驭工具。
- 说明夜校的实验性质、作业机制、到课要求和中途退出规则，强调“只听不做”难以形成能力。
- 建立“业务与技术的双语者”这一学习目标：业务判断仍然是核心，技术用来补齐执行能力。
- 介绍课程的三要素框架：模型、算力和数据；以及从 Chatbot 向 Agent 迁移的原因。
- 设立法律应用底线：法律检索不能只相信模型生成，依据必须回到权威来源独立核验。
第一节｜Cherry Studio 与 WorkBuddy：从对话工具到 Agent
目标是看懂不同产品“外衣”之下的共同逻辑。
- 区分网页 Chatbot、对话工作台、特定场景 Agent 和通用 Agent，理解为什么工具会从“聊天”走向“执行任务”。
- 在 Cherry Studio 中认识模型接入、助手、话题、知识库、温度、上下文长度和 MCP 等基础概念。
- 在 WorkBuddy 中观察本地文件读写、任务执行、项目协作、专家和外部资源连接。
- 通过法律材料处理示例，理解“给出充分上下文和方法”与“只说帮我写一份文书”之间的差距。
第二节｜Claude Code 与 Harness：学会控制而不是只会提问
核心认知：Agent 不等于模型，Agent 是模型与 Harness 共同作用的结果。
- 用“输入—计算—输出”理解 Agent 循环，看到 Harness 如何向模型提供工具、规则、权限和反馈。
- 体验 Claude Code 的命令行、IDE 和桌面等使用形态，学习工作区、文件引用、命令、模型切换和权限模式。
- 认识
CLAUDE.md、规则文件、Skill、MCP、记忆和 Hooks 在 Harness 中的位置。 - 理解用户级与项目级配置的作用范围，让 Agent 逐步了解你是谁、项目如何工作、哪些边界不能突破。
- 初步创建个人页面和项目级 Skill，把一次对话转化为可重复调用的能力。
第三节｜上下文工程与 Agent 扩展
不是插件装得越多越好，而是让对的信息在对的时候进入模型。
- 理解上下文窗口、历史对话、系统工具、记忆、Skill 和 MCP 对上下文占用的影响。
- 练习查看、压缩和清理上下文，区分“继续当前任务”与“带着噪音勉强往下聊”。
- 比较 Skill、MCP、Subagent、Agent Team、自定义 Agent 和 Hooks：它们分别适合复用方法、调用外部数据、隔离任务和执行确定性触发。
- 认识 CLI 工具作为 Agent 的可执行手脚，展示浏览器操作、飞书、Office 文档、本地检索与音视频处理等场景。
- 作业要求真正调用 Subagent，并用工具读取网页信息和带批注的 Word 文档，而不是只交一份看起来完整的模拟结果。
第四节｜Git、脚本与工作区建设
让 AI 在一个能够留痕、回滚和持续迭代的环境里干活。
- 从更开放的 Harness 实验延伸到一个现实问题：自由度越高，越需要清晰的控制和安全边界。
- 理解本地文件夹、Git 仓库和 GitHub 远程仓库的关系，练习初始化、提交、查看差异、分支、合并与回退。
- 说明私有仓库和
.gitignore的意义，防止凭据、隐私和不宜上传的法律材料进入远程仓库。 - 区分确定性脚本与大模型执行：高频、规则明确的动作可以做成脚本，减少时间和 Token 消耗。
- 用脱敏、文件命名、资料整理、证据清单等案例讨论脚本设计，并将可用脚本推送到远程仓库。
- 区分用户级通用规则与项目级业务规则，观察案件分析、法律咨询和文章写作工作区如何在反复使用中变得更稳定。
第五节｜模型路由、算力与本地模型
模型不是越贵越好，路由也不是越聪明越省钱。
- 回看学员制作的脚本，讨论传票入日历、法院短信提取、资料整理、长截图切片与交付文件预检等法律工作场景。
- 从 WorkBuddy、Claude Code 延伸到 Codex 和其他 Agent，理解规则、Skill、MCP 与工作区如何迁移和共用。
- 比较模型官方直购、云平台、中转服务和会员套餐，讨论可用模型、上下文窗口、降级回退与峰值限制。
- 使用 Ollama 在本地部署小模型，理解本地与云端在能力、速度、隐私和数据不出域方面的不同生态位。
- 拆解 Token 费用、输入输出差价、缓存命中和模型路由，理解为什么频繁切换模型可能反而增加成本。
第六节｜法律数据管线与知识资产
如果 Agent 没有读全、读对材料，后面再周延的分析也可能建立在错误地基上。
- 以“识别—采集—加工—管理—应用—发布”六个环节理解数据管线，不再把“建个文件夹收藏资料”当成知识管理。
- 评估数据源的权威性、现行有效性、原文可回溯性与复用价值，并讨论手工下载、自动采集、机器人协议与合规边界。
- 比较 Word、PDF、图片、表格、音视频等文件转成可读文本时的信息损耗，关注 OCR、排版、元数据、结构化和人工复核。
- 理解去重、版本管理、团队维护和数据安全，让知识库能够持续更新，而不是逐渐过期的“数字杂物间”。
- 比较 RAG、关键词检索和 Agent 主动检索，观察个人 Wiki、团队仓库和业务工作流如何与私有数据连接。
返场课｜复盘、分享与再出发
返场课不是第七节固定主课，而是第三期的收束，也是课后继续实践的新起点。
- 以不签到、不布置作业的轻量方式返场，让学员从连续两个月的学习和练习中稍作停顿，回看自己的变化。
- 复盘从 Chatbot 走向 Agent 的学习主线：工具只是表层，真正要建立的是对规则、上下文、数据、工作区与控制逻辑的框架性认识。
- 再次说明课程只能帮助学员打下基础、形成动手习惯和正向循环；把 Agent 融入真实工作流，仍需要课后持续尝试、校验和迭代。
- 回顾第三期的作业、社群互动与结课激励，鼓励学员继续分享实践经验，并在未来带着自己的最佳实践回来交流。
- 第三期返场课安排了嘉宾交流，但嘉宾和分享主题每期不同，因此本页不总结具体分享内容，也不把它们列为下期固定安排。
怎样判断合不合适
可能适合
你愿意用动手换来真正的理解
- 你是法律从业者，想从 AI 对话走向 Agent 和工作流。
- 你愿意安装工具、处理本地文件、完成作业，遇到问题先尝试与 AI 一起排查。
- 你能接受工具快速变化，希望理解可迁移的原理和方法。
- 你愿意把自己的规则、模板、脚本和数据逐步沉淀为可复用资产。
请慎重
你期待的是固定答案或保姆式服务
- 你只想听课，不打算实际安装、运行和反复修正。
- 你希望下期完全照搬第三期，或只想学某一款工具的固定按钮。
- 你需要随时答疑、一对一排障、个性化辅导或商业培训式的服务保障。
- 你希望 AI 直接替你承担法律判断，不准备核验来源、事实和最终输出。
资料边界
本页根据第三期 8 份逐字稿整理，覆盖 1 节先导课、6 节主课和 1 节返场课。返场课只提炼课程复盘、学习机制与服务边界；由于嘉宾和分享主题每期不同，具体嘉宾内容不纳入固定课程大纲。转写中的明显识别误差已结合上下文作最小限度校正，本页是面向报名者的结构化摘要，不是逐字稿原文复制。