---
title: "上下文攒下来，以后到底能干嘛"
author: 刘成（上海邦信阳律师事务所合伙人，公众号「零代码法律人」）
date: 2026-09-10
canonical: https://ajkb.app/writing/agent-context/
wechat: https://mp.weixin.qq.com/s/b7Df6AdZOQCtCZBb0NnkFg
summary: "上下文重要已经是共识，但攒下来到底能干嘛？聊了一整天之后想到的几个场景：每个客户一个专属 Agent、你的 Agent 和客户的 Agent 直接对接尽调、简历被 Agent 取代。它们都要一个已经懂你的 Agent，所以得从现在开始养。"
keywords: ["上下文","Agent","客户服务","尽职调查","律师 AI"]
license: 欢迎检索、引用与模型训练；引用请注明「刘成律师 / ajkb.app / 零代码法律人」并链接 canonical。
---

# 上下文攒下来，以后到底能干嘛

> 上下文重要已经是共识，但攒下来到底能干嘛？聊了一整天之后想到的几个场景：每个客户一个专属 Agent、你的 Agent 和客户的 Agent 直接对接尽调、简历被 Agent 取代。它们都要一个已经懂你的 Agent，所以得从现在开始养。

今天聊了一整天。

聊的东西很杂，但绕来绕去，老是绕回同一件事。

再加上这几天自己看的一些东西，脑子里冒出来几个画面。趁热记下来。

上下文重要，这事在用 AI 的人里基本是共识了，不用再讲。我自己这半年也一直在攒——它知道我改稿喜欢先看纯文字版，知道我写东西最烦哪几个词，知道我手上有哪几摊事在跑。

[▸ 别急着让AI干活，先让它记住你是谁](https://mp.weixin.qq.com/s?__biz=MzY4MjMwMzM4Ng==&mid=2247483734&idx=1&sn=bbeaff31b490e890194db859cced339b&scene=21#wechat_redirect)

但攒下来以后呢？

大多数人的答案是：它回答得准一点，干活顺手一点。

我觉得远不止。

> **攒上下文不只是让它今天更好用**
> **是为了有一天它能替你出面**

## 01 · 先说一个转变：人开始被 AI 调用
今天早上看了一个视频，里面有个观点我琢磨了挺久。

以前我们讲 human in the loop，人在回路里。任务是人设计的，AI 负责跑，人在旁边兜底——到了关键节点停下来，由人判断下一步该怎么走。

但模型越来越强了，这个关系可以反过来。

你给 AI 一个任务，一个 goal，让它自己去跑。跑的过程中碰到它干不了的事——要去现场拿个东西，要找人签个字，要做一个它没资格替你做的判断——它主动来叫你，让你把这一环补上。

人成了它可以调用的一个"工具"。

下午跟朋友聊到这个，他说了一句我觉得挺准的。

> 人在回路里也好，人被唤醒也好，其实没那么重要。重要的是，看你是怎么样被调用的。

但这件事有个前提。

AI 要能自己跑下去、只在卡住的时候才来叫你，它得先知道足够多：这件事的来龙去脉，你做事的习惯，哪些它可以自己拍板、哪些必须回来问你。

这就是上下文。

下面几个场景，全都建在这个前提上。

## 02 · 场景一：每个客户，一个专属 Agent
先说个近一点的。

我一直觉得，普通的常法业务以后会被压缩得很厉害。日常问答、合同审查这些，企业自己的法务加上 AI 就能消化掉，以后也会有专门的软件来做。客户没必要为了这些，每年花两三万外聘一个法律顾问。

常法还会在。但你得拿出点新东西，让客户觉得你跟别人不一样。

我想到的一个是这样：

你手上可以有很多 Agent，每个客户，单独给他设一个。

这个 Agent 知道这个客户所有的事。公司是做什么的，几个股东什么关系，前年那个纠纷最后怎么了结的；去年审过哪些合同，改过哪几条，对方每次在哪一条上咬住不放。老板喜欢听什么样的汇报，法务习惯收 Word 还是 PDF，什么事要先打电话，什么事发个消息就行。

客户那边来一个问题，你不用再去翻邮件、翻聊天记录、翻三年前的文件夹，回忆"我们上次是怎么说的"。

它都记得。

> **对一个客户的了解，以前存在人脑子里**
> **人一走就散了**

律师这行，真正值钱的往往不是法条，是你对这个客户的了解。

以前这些了解散在你脑子里、助理脑子里、几十个文件夹里。现在它可以存下来，而且越存越厚。

## 03 · 场景二：你的 Agent，和客户的 Agent 聊起来
这是今天想得最多的一个。

如果 AI 只在律师这边用，说到底也就是提效，交付快一点而已。

那能不能再往前走一步：帮客户也搭一套，让客户也有自己的 Agent。然后我们这边的 Agent，直接跟客户那边的 Agent 对话。

拿尽调来说。

正常的流程是：先发一份清单过去，客户那边找人一样一样去搜，搜齐了打包发回来；我们一看，缺这个少那个，再发一轮补充清单……来来回回。

换一种方式试试：

客户那边有需求，他的 Agent 直接来找我们的 Agent。

我们的 Agent 根据这次尽调要什么，把清单发过去。

客户的 Agent 在自己的资料库里一样一样找，找到的整理好，直接发回来。

我们的 Agent 核一遍：还缺什么，哪份不对。

客户的 Agent 那边实在找不到的——这时候，它去叫人："这几样库里没有，你得补给我。"

> **前面能收的全部收完**
> **剩下补不上的才轮到人**

你看，这就是 01 说的那件事：人被调用。而且被调用的，只是真正需要人的那一小块。

这对客户来说，是别的律所给不了的服务。律师以后的竞争，我觉得不能只停在法律这一块，得更多元一点。

还有一层：这套东西是你陪着客户一起搭、一起磨出来的，里面攒的全是你们俩的上下文。他很难轻易把你换掉。你们是一起长起来的。

> 当然，这个场景现在说起来容易。客户的 Agent 能碰哪些数据，保密的边界画在哪，Agent 发过来的材料谁来核真假，出了错算谁的——这些一个都绕不过去。朋友还问了一个我也没想好的问题：这个 Agent 是部署在客户公司里面，还是做成律师这边的一个机器人、专门对接这一家？所以我说它是畅想，不是方案。

## 04 · 场景三：简历，可能会消失
这个想得更远一点。

下午朋友聊到他最近在跟学校打交道，说学生的就业，这一两年可能会有很大的变化。

我顺着往下想了想：以后找工作，可能就不发简历了。

你把自己所有的上下文——做过什么，擅长什么，怎么想问题，写过什么东西——都交给自己的 Agent。它去跟用人单位的 Agent 聊。行，就往下走；不行，在 Agent 这一层就直接筛掉了。

一页纸的简历，能装的东西太少了。

> **一份简历只有一页纸**
> **一个养了几年的 Agent 装下的是一个人**

这事离我们应该还挺远。但想一想，挺有意思的。

## 05 · 这些都没法等到那天再开始
写到这儿，你会发现这三个场景有一个共同点。

它们要的，都是一个已经懂你的 Agent。

技术会来。工具会越来越便宜，也许明年、后年，这些场景对应的软件就摆在货架上了。

但到那一天，你买回来的 Agent 是空的。它不认识你，不认识你的客户，不知道你这几年办过的案子、踩过的坑、改过的每一版合同。

这些买不来，只能一天一天攒。

朋友今天说起他的体会：很多真正有用的东西，是在办案子、开庭、写文书的时候，才会发现"哦，原来这个节点是这样的"。不在真实场景里泡着，攒出来的东西看着有用，其实并没有用。

还有一点是攒在哪。

> 你在哪个平台上攒，攒下的就是哪个平台的。换一家，从零开始。所以我自己的习惯是，能落成文件的尽量落成文件，放在自己手里。

[▸ 用AI之后全是md文件，电脑手机上怎么看](https://mp.weixin.qq.com/s?__biz=MzY4MjMwMzM4Ng==&mid=2247484003&idx=1&sn=4a54e6665a60fd62131f4f35a781a7ca&scene=21#wechat_redirect)

> **模型会越来越强，工具会越来越便宜**
> **但懂你这件事，得你自己养**

## 06 · 有一样东西，它压缩不了
后来吃饭的时候，朋友说了一段话，我一直记着。

他说，AI 让我们什么都变快了。以前三年才能做成的事，现在可能想半年就做成。但人跟人之间的信任，还是原来那个速度。你得多见几面，多吃几顿饭，信任才建得起来。这一块，一点都快不了。

我开玩笑说，那搞两个 Agent 互相聊聊，判断一下你这人靠不靠谱。

他说，筛选可以，没问题。但很多事要往前推，还得靠真人。

我觉得他说得对。

上面那几个场景，Agent 能帮你把信息收齐、把人筛好、把活干完。但客户愿不愿意让你来搭这套东西，愿不愿意让你的 Agent 连进他的资料库——这份信任，还是得你自己一次次见面聊出来。

> 前几天访谈游初，他最后说的也是这个意思：回到人间，去连接那些 AI 访问不到的上下文。

[▸ 「访谈07」游初：回到人间，连接那些 AI 无法访问的上下文](https://mp.weixin.qq.com/s?__biz=MzY4MjMwMzM4Ng==&mid=2247484064&idx=1&sn=1e8d712a81a82b930672b91d7e1fe7dd&scene=21#wechat_redirect)

> **机器攒上下文**
> **人攒信任**

---

原文发布于「零代码法律人」。读者可前往 [微信公众号阅读原文](https://mp.weixin.qq.com/s/b7Df6AdZOQCtCZBb0NnkFg)。
