--- order: 3 date: 2026-07-30 summary: ——裂缝不必填平：人机法律推理的分工工程 --- # 在裂缝上架桥 **——裂缝不必填平：人机法律推理的分工工程** 前两篇得出了两个结论：其一，大语言模型在结构上接近普通法本身——凝结的集体经验，穿着逻辑的外衣，但没有人在其中；其二，它与真正的社会共识之间隔着四道裂缝——**代表性的偏差、当下性的缺失、利害的真空、程序的空缺**——而这四道裂缝恰好对应人类法律制度的四项功能。 剩下的问题是实践性的：怎么办？ ## 三条死路 先排除三种诱人的方案。 **第一条死路：神谕化。** 即否认裂缝存在，把模型输出当作共识本身，让 AI 直接给出判断、人类照单执行。这条路的错误不在于模型会出错——人也会出错——而在于它把霍姆斯所说的“立法性时刻”外包给了过去的平均数。凡是先例用尽、价值冲突、需要有人做选择并负责的地方，神谕给出的必然是历史分布的重心，也就是**昨天的答案**；而它流畅自信的文风，会让这个昨天的答案看起来像永恒真理。自动化偏见（automation bias）会完成剩下的事：人类逐渐停止复核那个从不迟疑的声音。 **第二条死路：禁绝。** 即因为裂缝存在而把 AI 逐出法律推理。这不仅放弃了它在规则定型地带的真实生产力——检索、比对、涵摄、初稿，这些工作它做得比任何一届助理都快——也放弃了一面诚实的镜子：模型输出的“平均答案”本身是有信息量的，它告诉你凝固的通说在哪里，恰好为“是否需要偏离通说”提供了基线。禁绝派和神谕派犯的是同一个错误的两面：都假设模型输出只有“当真理用”和“当垃圾扔”两种用法。 **第三条死路：用更多数据填平。** 即相信裂缝是规模问题——语料再大一点、更新再快一点、标注再多元一点，模型就会收敛于共识。这误解了裂缝的性质。四道裂缝里，只有“当下性”会随数据新鲜度部分缓解；代表性的改善有渐近上限（沉默者永远不产生文本）；而利害与程序压根**不是数据的函数**——零后果的系统不会因为读了更多关于责任的文字而获得责任，正当性不能从任何分布中采样得出。结构性的裂缝，加多少土都填不平。 ## 架桥：六条工程原则 正路只有一条：承认裂缝是结构性的，然后**在裂缝处分工**——把模型放进人类制度的装置里，让制度供给它缺的东西，让它供给制度缺的东西（速度、覆盖面、不知疲倦的一致性）。具体是六条原则。 **一、沿着霍姆斯的线切分工。** 霍姆斯划出的形式/实质分界线，就是天然的人机分工线：规则定型的地带——法条明确、先例充分、涵摄能走通——交给机器，这里要的正是“凝结经验的快速调用”，是模型的比较优势所在；规则的生长边缘——先例用尽、要件冲突、需要在相互竞争的价值之间权衡——留给人类，这里发生的是立法性时刻，需要的是利害与授权，是模型的结构性空白所在。这条线不是抽象口号，它可以被操作化：当检索到的依据变薄、模型的答案却依旧流畅自信时，就是越线的信号。 **二、只信可机械核验的部分。** 模型输出中，引用是否真实存在、摘录是否逐字相符、条文是否现行有效、推理形式是否完整——这些属性可以用程序核验，核验过的部分才能升格为“依据”；其余一切，无论多雄辩，法律地位都只是**草稿**。这条原则的依据来自第二篇：模型的流畅度与正确性无关，因为它优化的从来是似然而不是真。一句话：**流畅不是证据。** **三、对抗性审查。** 事后合理化——结论先由分布引力定下、推理链再补出来——从文面上无法识别，这是模型与法官共享的毛病。人类制度对法官的解法是审级与对审：让另一个立场相反的人专职挑错。同样的纪律应当施于模型：独立建立事实基线（审查者不先看结论）、专设反方逐条攻击关键结论、必要时换一个模型家族以避开共同盲区。**能通过对抗检验的输出才可交付，这不是对 AI 的歧视，而是把它当法官对待的礼遇。** **四、恢复利害回路。** 每一份出门的法律判断，必须有一个具名的人签署并承担执业责任——这个责任不可外包给模型，就像法官不能把责任推给他引用的判例。这不仅是追责安排，更是认识论装置：只有当错误有归属，纠错的反馈才会真正流动，经验才会生长。普通法学习的方式是上诉审推翻错误判决；人机系统学习的方式，是签名者为每一次采信与拒绝承担后果。**AI 可以起草一切，但永远不占据职位。** **五、给 AI 一个程序角色，而不是一个神谕地位。** 法律制度早就知道如何安置“有用但无权”的智力来源：法官助理起草备忘录，法官裁判；专家出具意见，接受质证；法庭之友提交陈述，仅供参考。模型应当进入的是这个序列——**类案检索员、不知疲倦的助理、随叫随到的反方**——它的输出经由程序进入决策，作为诸多声音之一被听取、被质证、被采纳或拒绝，而不是作为最终答案被宣读。角色定义清楚了，第四道裂缝（正当性）就不再是问题：无权者不需要正当性，正当性由程序终点那个签名的人供给。 **六、把裂缝当边界桩。** 最后也是最重要的一条：裂缝不是有待消灭的缺陷，而是**分工的界碑**。模型表现出高度不确定、案型明显新颖、材料相互矛盾、价值取舍无法回避——这些正是霍姆斯说的法律“正在生长”的地方，也正是必须移交人类的地方。一个好的人机系统追求的不是永不出错的 AI，而是**知道自己该在哪里闭嘴的系统**。检测越线并触发移交，本身就是最值得投入的工程。 ## 尾声：让裂缝保持敞开 回到霍姆斯。《普通法》第一讲里最冷峻的一句话不是“法律的生命是经验”，而是这句： > 法律只有在停止生长的那一天，才会变得完全自洽。（It will become entirely consistent only when it ceases to grow.） 一个由统计平均数运转的法律体系，将第一次实现完全的自洽——每个案件都得到与历史分布完美一致的答案，永不矛盾，永不摇摆。按霍姆斯的标准，这样的体系只有一种：死掉的体系。 裂缝——模型与共识之间那道填不平的沟——恰恰是法律还活着的证明：那里有尚未凝固的争议、尚未平均掉的异议、尚未被写进语料的明天。所以架桥的要义不是合拢两岸，而是**让人能够往返于两岸**：定型的经验从机器一侧源源流向实践，活的判断从人类一侧持续注入生长的边缘。 桥上有人走动，法律就还在生长。