法律文书是英语中最具模板化特征的写作,而这正是AI检测法律写作问题不断落到律师助理案头的原因。检测器寻找可预测的节奏和常见措辞。合同、动议和备忘录正是由这两者构成的。你的草稿可能完全是你自己的作品,却仍然得分很高。
关键要点
- 公式化的法律文书会触发检测器,因为它有意重复相同的结构。
- 检测器得分是概率估计,而非机器写作的证据。
- 将客户文本粘贴到公共工具中可能违反保密义务,在某些事项中还可能涉及特权。
- 切勿粘贴特权材料、未删减的姓名、密封文件或和解草案数字。
- 编辑机器生成的模式没问题;更改定义术语或引注则不行。
- 如果你受到质疑,请记录你的草稿、来源和自己的推理过程。
为什么法律写作会被标记为AI?
检测器不解读含义。它们衡量的是每个词在给定前文情况下的意外程度,以及一段文字中句子长度的变化幅度。低意外度加上均匀的句子长度,在模型看来就是机器生成的,无论实际由什么产生。
现在看看法律写作是如何被教授的。每次都使用相同的定义术语。遵循相同的条款顺序。避免优雅的变体,因为法院可能将同义词解读为不同的义务。保持句子足够长以容纳条件和例外。这些规则中的每一条都将文本推向检测器给予高分奖励的模式。
样板条款只会让情况更糟。通知条款、管辖法律条款和标准的责任限制段落,已经被成千上万的人以同样的方式写过。它们的措辞确实很常见。检测器无法知道原因是专业惯例而非语言模型。
我们在自己的材料上测试了这一点。在2026年9月19日,我们用自家检测器以30%的标记阈值对46篇手写的DeAIze指南进行了评分。平均AI得分为27%,中位数为25%,46篇中有17篇被标记。那些是人类撰写的页面,由人写的,其中大约三分之一越过了界限。法律起草比博客指南要公式化得多,所以预计压力会更大,而不是更小。
同一次运行对12段未经编辑的模型文本进行了评分:平均35%,中位数34%。两种截然不同的写作类型,得分范围重叠。这种重叠用一个数字概括了整个问题。
如果你想在动条款之前看看哪些具体句子带有信号,DeAIze检测器会在句子层面评分,这样你就可以只编辑真正重要的行,而让样板条款保持原样。
这些信号在条款中实际上是什么样子的?
举个例子,不是真实条款。初稿可能会这样写:
承包商应就因违反本协议而产生的所有损失向客户作出赔偿,但承包商不对因客户自身过失造成的损失承担责任。
一个保留原意的被标记重写可能如下:
承包商就因违反本协议而造成的损失向客户作出赔偿。因客户自身过失造成的损失除外。
义务相同。句子更短,开头不同,少了一个“应”。法律效力没有任何改变。这就是那种不触及实质内容却会降低分数的修改。
你绝不能做的是在一处将“承包商”换成“服务提供商”,而在另一处换成“供应商”。定义术语承载着交易内容。为变化而变化正是含义丢失的方式。
| 信号 | 它在法律文本中的表现 | 安全修改 |
|---|---|---|
| 句子长度一致 | 每个条款都是30-40个词 | 将一个长条款拆成两个 |
| 重复的开头 | “公司应……”连续出现五次 | 在含义允许的地方变换主语 |
| 词汇意外度低 | 标准套话,逐字照搬 | 保留它;套话是预期之中的 |
| 完美平行结构 | 通篇列表结构完全相同 | 如果该列表是定义,就保留它 |
| 没有缩略或插入语 | 从头到尾都是正式语体 | 接受它;正式并不是缺点 |
注意有多少行以“leave it”结尾。合同的大部分内容不应为了检测器的利益而被编辑。分数不是交付物。
将客户文本粘贴到AI检测器中安全吗?
通常,不安全。这个问题比分数更重要。
当你将文本粘贴到网络工具中时,你是在将其发送到别人的服务器。接下来会发生什么取决于该提供商的服务条款,而不是你所在律所的保密政策。许多消费者工具声明,提交的内容可能会被审查或用于改进其系统。有些提供选择退出;有些则不提供。你无法通过阅读营销页面来了解是哪一种。
关于保密的法律伦理规则范围广泛。它们通常要求你保护与代理相关的信息,并在使用外部服务时采取合理谨慎。特权是一个独立的问题,有其自身的风险。在某些司法管辖区,将特权材料发送给第三方而没有足够的保障措施,可能会被主张为放弃保护。这是律师的决定,而不是律师助理的,值得在第一次粘贴之前而不是之后询问。
律师助理可以立即应用的实用过滤器:
- 该事项是否涉及保护令、密封令或带有特定保密条款的保密协议?如果是,停止。
- 文本是否包含个人数据、医疗细节、金融账号或未成年人姓名?进行脱敏处理或停止。
- 该工具是否受事务所批准的、包含禁止训练条款的协议约束?如果没有,将其视为公开。
- 该文本是否可能出现在对方当事人会阅读的提交文件中?假设你粘贴的任何内容都可能在证据开示或制裁动议中出现。
- 是否有本地、离线的选项?在你的机器上运行的工具会完全改变分析结果。
如果你的事务所没有相关政策,就提出一项。一份简短的备忘录,列明已批准的工具、脱敏规则和指定的审核人,能保护所有人,包括那位否则将不得不解释这次粘贴的合伙人。
什么内容绝不应粘贴到任何工具中?
一份硬性清单。不是指导方针。
- 受特权保护的律师-客户通信,无论是全部还是部分。
- 为预期诉讼而准备的工作成果。
- 未脱敏的客户标识信息:姓名、地址、账号、出生日期。
- 密封提交文件和受保护令约束的材料。
- 和解立场草案、准备金数字或谈判策略。
- 送达之前的专家报告。
- 客户以书面形式要求你不得放入外部系统的任何内容。
更安全的替代方案,大致按风险从低到高排列:
- 完全不要粘贴。自己编辑被标记的句子,将检测器的句子级高亮作为地图而非判决。
- 粘贴一个合成样本。用占位方和通用事实重写有问题的结构,测试它,然后将经验应用到真实条款中。
- 使用经事务所批准的工具,该工具需有无训练承诺和数据处理协议。DeAIze 声明文本仅用于当前任务处理,绝不用于训练,也绝不出售。自行核实任何提供商的条款;不要仅凭供应商的说法来判断你事务所的合规状况。
- 严格脱敏,然后粘贴。将每个可识别细节替换为标记,将映射关系保存在离线状态,编辑后再重新插入。
本网站有一份实用指南,讨论将文本粘贴到 AI 检测器中是否安全。在将客户的句子粘贴到任何地方之前,请先阅读它。
如何在不改变含义的情况下修复被标记的条款?
逐条款处理,而不是逐文档处理。你要寻找的是携带机器信号的句子,而不是要击败的文档级数字。
一个可行的流程:
- 将文本通过一个在句子级别评分的检测器运行,这样你就能看到哪些行携带信号。整篇文档的百分比并不能告诉你该在哪里编辑。
- 打开第二个副本。绝不要编辑要交给客户的文件。
- 对于每个被标记的句子,改变结构而不是词汇。拆分长句。将条件移到前面。在施动者明确的情况下,将被动改为主动。
- 将条款与原文对照重读。问一个问题:任何义务、截止日期、当事方或救济是否发生变化?如果是,则还原。
- 对照定义部分检查每一个定义术语。一个被标记的句子不值得破坏一个定义。
- 不要改动引文、引用和法定语言。这些本应与来源完全一致。
如果你正在编辑一份由起草助手生成的文件,同样的规则适用,另外还有一条:确认实质内容是你自己的。申报文件中的观点、分析和结论必须是作者本人的工作成果。工具可以润色句子;但它无法为法律立场承担责任。
一个实例。假设背景部分开头写道:“双方确认并同意,公司在多个司法管辖区经营向客户提供服务的业务。”去掉那些客套话:“公司在多个司法管辖区向客户提供服务。”同样的事实,字数减半,而且这句话不再像是从模板中拼凑出来的。
如何在不改动定义术语或引注的情况下编辑法律文本?
对三类内容区别对待。
**可自由编辑:**叙述性背景、过渡句、重述事实的陈述、封面邮件、内部备忘录、客户更新,以及备忘录顶部的通俗英语摘要。
**谨慎编辑:**操作性条款。你可以调整句子结构,但每个条件、例外、截止日期和交叉引用都必须完整保留。
请勿编辑: 已定义的术语、条款编号、引用、法规或案例的引文,以及客户或对方逐行协商的任何措辞。
在回复任何内容之前,请先核对以下简短清单:
- 已定义的术语与定义完全一致,大小写相同。
- 每个交叉引用仍指向正确的条款。
- 数字、日期和金额均未改动。
- 引文仍与来源逐字一致。
- 文件内容仍符合客户的要求。
如果检测工具仍标记该结果,这是可以接受的。样板文字仍会得到高分,因为它就是样板文字。你的义务是对客户和法院负责,而不是对概率估计负责。
如果法院或客户质疑AI的使用怎么办?
尽早如实回答。不要就评分进行争辩。
需要准备什么:
- 显示文档开发过程的版本历史,包括在任何工具介入之前的草稿。
- 你自己的笔记、研究轨迹和推理过程。
- 事务所关于AI工具的政策,以及你所使用工具的具体批准。
- 对工具所做工作的明确说明:它标记了句子,或建议了措辞,或完全没有做任何事。
- 确认没有客户机密信息离开已批准的系统。
如果客户询问是否使用了AI,诚实的回答通常很简短:是的,用于编辑句子结构;不,用于法律分析,那是你自己的。法官和客户往往更关心验证和坦诚,而不是哪个软件接触了草稿。招致制裁的是不存在的引用或无人核实的说法。
还有一点值得直说。检测器标记并不是某人做错事的证据。它是由一个从未读过你案件档案的模型产生的概率估计。把它当作关于句子节奏的信号,仅此而已。
如何降低我自己起草时的误报?
像你一直做的那样写初稿。然后进行一轮针对节奏而非词汇的修订。
- 大声朗读被标记的句子。如果每一句都落在同一个节拍上,就改变长度。
- 在意思允许的地方,把一个长从句拆成两个。
- 删掉清嗓子的开场白:“双方确认并同意”、“应当指出”、“为避免疑义”。
- 把一个名词化结构换成动词:“向……提供通知”变成“通知”。
- 保留一份你自己反复出现的习惯的简短清单,在提交前逐一检查。
我们自己的测量表明这有效,也表明了它的局限。在同一次 2026-09-19 运行中,人工撰写的样本每 100 词约含 3 个 AI 特征短语,而 12 段未经编辑的模型文本每 100 词约含 1 个。人类写作者比模型更依赖熟悉的短语。下次某个分数给出相反暗示时,这一点值得记住。
如果你想看具体哪些句子带有信号,句子级检测器比单一的整篇文档百分比更有用。DeAIze 检测器 会按 AI 概率高亮每个句子,这样你就可以只编辑真正重要的行,而放过那些套话。
准备好看看哪些句子读起来像机器写的了吗?
先从检测器开始,在改动任何一个词之前先看句子级视图。跑一个脱敏样本,记下被标记的行,然后改结构而不是改词汇。如果你想要完整的工作流程,检测器页面 解释了评分如何运作,以及它在起草流程中的位置。
当你准备好认真处理一份文档时,草稿编辑器 让你可以一边编辑一边看句子分数。定价为按量付费,积分永不过期,且没有订阅,这很适合按事项计费的工作。你也可以注册免费套餐,注册即得 200 词,无需信用卡,并在把任何内容带到客户材料附近之前,先用一个合成条款测试整个流程。
关于这些工具的行为方式以及它们在何处误读人类写作的更全面情况,检测器中心汇集了值得优先阅读的指南。当你准备好将其用于自己的草稿时,请从 /register 开始,或在 /pricing/ 比较各方案。