陳新宇 劉穎：AI法律史論綱 | 法治社會202602

【作者】陳新宇（清華大學法學院教授、博士生導師）；劉穎（清華大學法學院近代法研究中心研究人員）

【來源】北大法寶法學期刊庫《法治社會》2026年第2期（文末附本期期刊目錄）。因篇幅較長，已略去原文注釋。

內容提要：人工智能時代，探求AI與法律史的結合是擺脫法律史學科危機的一條路徑。傳統中國法律內含的一定體系性、形式性、邏輯性色彩，使人工智能可對法律史史料進行有限的計算分析。人工智能之于法律史研究，可更新史料的搜集方式，提供甄別法律史史料的新思路，拓展研究邊界；之于法律史教學，可輔助法律史知識的理解與傳播，培養(yǎng)學生的批判性思維。在踐行AI法律史之際，欲維持法律史的人文學科根基以行穩(wěn)致遠，法律史學人必須從法律史的發(fā)現、理解、批判三重功能出發(fā)，堅守主體性，提升主動性，從而擺脫學科危機，實現中華法系復興的時代使命。

關鍵詞：法律史；人工智能；中華法系

目次 引言 一、AI法律史為何可行？ 二、AI如何助力法律史研究？ 三、AI如何革新法律史教學？ 四、AI法律史何以致遠？ 結語

引言

自20世紀八九十年代法律史學科被指面臨“危機”以來，相關的討論在幾十年間不斷進行，并從最初的課程教學危機、21世紀初的科目危機，發(fā)展為今日的身份認同危機，即法律史作為法學與史學的交叉學科究竟應姓“法”還是姓“史”的問題。“危機”是否成立及程度如何見仁見智，但為了促進法律史學科的發(fā)展、提高學科認可度，法律史學者在多重路徑上作出了嘗試。在材料上，受海外法律史研究動向的啟發(fā)，廣拓以司法檔案為主，包含案牘、日記、報刊等在內的多元史料；在方法上，深化考據等史學方法，并在法學方法方面多下功夫，盡量避免現代與古代、西方與中方的法學概念、體系、理念之間的簡單套用，積極探索社會學、經濟學、法社會學、法律人類學等多學科方法，拓展研究邊界；在問題上，在保持學科獨立性的前提下，以當今中國的具體法治建設問題為指向，深入尋求古今法律之間的聯系，挖掘傳統法律文化的當代價值和意義。陳寅恪先生在《陳垣敦煌劫余錄序》中曾對時代學術的發(fā)展與創(chuàng)新提出見解：“一時代之學術，必有其新材料與新問題。取用此材料，以研求問題，則為此時代學術之新潮流。治學之士，得預于此潮流者，謂之預流。”法律史學界不僅對新材料、新問題進行了探求，在新方法上也付出了努力。其中雖有應加以審慎之處，但仍可謂是在自我反思中不斷尋求順應時代潮流的學術之道。

然而，時代在科技的推動下瞬息萬變，當下欲論法律史之危機，必無法跳開人工智能（AI）。人工智能的應用在社會全領域掀起了變革，深刻重塑著法學研究與實踐的圖景。面對法學與人工智能深度融合的時代趨勢，法律史學界卻相對沉默。人工智能的技術性無疑會對法律史的人文性造成沖擊，然而若化被動為主動，法律史未嘗不可將沖擊轉為助力之勢：在新材料層面，可在挖掘新史料的基礎上，借助人工智能整理數量龐大的舊史料，進行結構化和語義化處理，化“舊”為“新”；在新方法層面，人工智能作為新工具或可提升原有法律史研究方法的效能，例如將人工智能與量化方法結合，完成文獻分類、格式轉化等瑣碎工作；在新問題層面，以原有在法律歷史中尋找規(guī)律、理解當下問題的意識為核心，思考具有工具性的人工智能如何與具有人文社科性的法律史相結合，進而推動中華法系復興的問題。

無論接受與否，人工智能都已成不可抵之勢。因此，如何在法律史的研究與教學中利用好人工智能工具，通過材料、方法、問題等方面的革新，推動法律史的教與研邁向新階段，跳出學科危機論，才是當下的關鍵。有鑒于此，本文擬提出“AI法律史”論題。所謂“AI法律史”，指在法律史研究、教學等工作中合理地使用人工智能，以拓展研究的廣度與深度，革新教學的方式。具言之，本文將首先從“法律史可否被計算”這一問題上討論AI法律史為何可行，其次從法律史的研究與教學的雙重角度分析AI法律史如何踐行，復次結合法律史的功能與時代任務探尋AI法律史何以行穩(wěn)致遠，最后對全文進行總結與引申。

一

AI法律史為何可行？

人工智能的技術發(fā)展建立在計算能力與算法之上，從長遠來看，人工智能的目標就是要用算法技術達到高智能程度，使計算機等設備工具能夠更為靈活和高效地感知、處理、運用數據等信息。雖然基于深度學習的人工智能和傳統基于既定規(guī)則運行的計算相比具有動態(tài)性與創(chuàng)造性，但人工智能的本質仍是對信息的計算與處理。因此，探討人工智能與法律史的結合是否可行，首先需要厘清法律史是否具備可計算性。

（一）法學與史學的可計算性討論

相關討論在法律史學界寥寥無幾，但在法學界與史學界早已有跡可循。在法學領域，早期的計算法學采取法律形式主義的路徑，認為規(guī)則可形式化為代碼，法律可以用符號精確表達，從而徹底消除不確定性。然而，法律雖然具備形式化特征，但也充斥著無法被計算機理解的非程式化的話語，新法律問題的出現也讓完全計算化不可行。隨著自然語言處理和機器學習技術的興起，計算法學出現了法律現實主義的轉向。自然語言處理技術將合同等自然語言轉換為符號語言，同時，機器學習能夠處理模糊的語言，并通過數據訓練和模型微調實現智能預測。在此階段，人工智能技術與認知神經科學、心理學、社會科學等多學科方法相結合，計算立法與司法過程中的法律經驗數據。法律奇點論是計算法學法律形式主義和現實主義進路的結合，其認為在數據可獲得性大幅提升及機器學習方法持續(xù)改進的背景下，法律領域將逐步邁向法律奇點，法律的不確定性獲得消除，法律體系將處于實證平衡與規(guī)范平衡的穩(wěn)定狀態(tài)，與羅爾斯“反思性平衡”相符。然而，認為法律可以被計算和預測從而完全消除其不確定性，只能是一種幻想。例如，如果出現新的法律問題或面臨價值衡量的艱難抉擇，人工智能判斷的依據究竟是訓練數據中的多數還是少數傾向，又或者是訓練者在模型微調時的價值觀念？此外，法律是由意義構成的系統，正是因為非絕對確定性，人們才能夠辯論，追求個案正義，從而確保法治的核心價值。因此，法律僅在部分程度上能夠被計算。

在歷史領域，我國關于史學可否被計算的爭論發(fā)端于1922年梁啟超在東南大學史地學會作的“歷史統計學”講演。梁啟超指出，“歷史統計學，是用統計學的法則，拿數目字來整理史料推論史跡……嚴格地說：應該名為‘史學上之統計的研究法’”，用歷史統計法來研究歷史，將同類的事件搜集起來，有助于“看出全個社會的活動變化”。歷史統計學雖然算不上嚴格意義的計量史學，但將統計學方法運用于史學研究領域的做法與當今計量史學相合，因此有學者認為梁啟超之“歷史統計學”實為今天計量史學的先行狀態(tài)。在梁啟超的倡導之后，民國史學界涌現了一批支持和踐行統計學方法的作品，但此法也遭到了不少質疑。例如，何炳松指出用統計學方法作歷史研究只能分析物質狀況，不能得知人類內心動機，因而無法探知社會演化的真實原因；而且在運用統計方法的過程中，學者惰于收集材料導致偽造現象時常出現。計算歷史之路在西方史學界也并非一帆風順，尤其是20世紀后半葉，計量史學受到了眾多批評。例如，1974年出版的《苦難的時代：美國奴隸制經濟學》通過量化數據和數字模型得出了奴隸制下經濟效率更高、奴隸主對奴隸的剝削率遠低于普遍假設等顛覆傳統道德判斷的結論，其在數據的選取上存在錯誤與偏見，而且忽略了史學的語境與多元解釋傳統，由此引來了計量史學和傳統史學的雙重批判。現今，由于計算機和人工智能技術的發(fā)展，無論歷史學者是否自認為是數字史學家，實際上皆已在使用在線檔案、數據庫等數字資源。史學的可計算問題進入了新階段，關鍵在于在歷史研究中要摒棄工具至上和數據崇拜的觀念，正視現代史學面臨的平衡傳統與數字化進路的新挑戰(zhàn)，對史學研究的方法和知識生產進行反思。

（二）法律史與人工智能結合的可行性

法學與史學是否可計算的討論，為法律史可否計算的問題提供了理論支撐與啟發(fā)。具有形式化特征的法律規(guī)則和司法實踐產生的數據可以被技術捕捉和計算，長時段的社會結構與行為模式變化可以經由統計與建模等方式揭示，因而法學與史學都在一定范圍內可計算。但法律系統內在的價值衡量與對于個案正義的追求，歷史事件獨特的語境及敘事的多元性，皆難以用數據和人工智能計算簡單地表達。

作為法學與史學交叉學科的法律史同樣可以進行有限的計算，法律文本與司法實踐的規(guī)則性和程序性部分，法律思想及裁判模式的宏觀變化和多時多地的比較，以及法律現象與社會事件之間的因果關系等部分具有廣闊的可計算的空間。蔣舸指出，現代法律“總體而言以理性主義為基礎”，而算法同樣是基于理性主義，因此法律具有算法屬性，算法和法律都通過形式化過程來降低認知負擔和提升效率。然而，如果說現代法律是理性化和具有邏輯性的，中國傳統法律卻時常被打上“反邏輯”的標簽，令人對人工智能可否提取其結構性特征和計算產生懷疑。但筆者認為，傳統法律在一定程度上具備體系性和科學性，因而完全可嘗試將人工智能算法用于法律史研究與教學之中。

首先，中國傳統法律呈現出體系化、結構化的特征。一方面，中國古代具有多種法源，包括經義、制定法、案例法。其中，制定法包括多種形式，在適用的時候，這些法律形式的地位和效力有所分別。滋賀秀三將帝制中國的制定法區(qū)分為基本法典、單行指令和副次法典三種類型，基本法典如《唐律疏議》，單行指令如宋敕，副次法典則是對單行指令的整理和匯編，如宋代編敕、明清條例等。在適用的次序上，單行指令優(yōu)于副次法典，副次法典優(yōu)于基本法典。另一方面，制定法內部結構精妙，并經修改達至和諧。中國古代律典與近現代西方法典不同，不用數字對條文進行編號，不以民、刑等作為條文劃分標準，但其采用的條標設置、分類方法與“例分八字”等規(guī)范連接詞，推動行為類型化、后果責任化、分類科學化，使傳統律典的邏輯性與體系性得到提升。清朝乾隆年間，還形成了“五年一小修，十年一大修”的修例定制，因而可以根據社會變化調整法律和政策，提高立法的協調性，減少不同法源之間的沖突。

其次，中國傳統的司法審判存在一定的可被觀測和結構化的邏輯。韋伯曾將中國傳統的法律歸為實質非理性法，并將中國傳統的司法審判稱為“卡迪司法”，但這種二元對立的分類標準也引發(fā)了學界的大討論。從史實上看，傳統法之“確定”與“不確定”皆有例證，且對理合常情的追求使得“權變”這類具有“不確定性”的行為在司法中能夠被國人接受。于此，用西式標準評判中國傳統之法律或有方枘圓鑿之嫌。因主題限制，本文無意對此問題進行展開，然而必須指出的是，中國傳統之司法雖難以符合“確定性”標準，但也非系隨意進行。楊鴻烈在《袁枚評傳》中曾將法學與數學作比，將二者說為清代科學方法的總源頭：“數學之為科學方法，可毋庸多說；而法律的本身最是講究條理的明晰，而在審判案件應用它的時候，又最注重搜集及調查證據。”一般而言，在具體的司法審判過程中，法律專職人員需要嚴格遵照規(guī)則處理案件，即劉頌所說的“主者守文”，由此展現司法中職業(yè)化與形式化的一面；必要時也通過“大臣釋滯”和“君主權斷”對法律進行便宜適用，此為法適用之相對性與模糊性所在。前者既須援引規(guī)則，便存在著以人工智能學習海量判詞、總結司法判決規(guī)律的可能性。后者以經驗方法為主，并非常制，不過也可考慮作為模型中的特殊參數加以處理。

一言以蔽之，中國傳統法律內含的體系性、形式性、邏輯性為法律史可被計算提供了基礎。當然，這并非等同于法律史的完全算法化。先人之“權變”與判詞說理，融合了司法經驗、理論功底、倫理判斷，彰顯了官員的個體修養(yǎng)和對地方民情的理解，人工智能無法計算出這些人類在法律歷史中對意義與價值的判斷。

二

AI如何助力法律史研究？

根據前述，從理論層面而言，運用人工智能對法律史進行計算分析已具備可行性。但可行只是前提條件，具體如何踐行“AI法律史”，使人工智能對法律史的發(fā)展產生實際助益，是一個更為關鍵的問題。本文認為，結合人工智能的功能及現有研究來看，人工智能至少可從以下三個方面助力法律史研究：

其一，人工智能技術或可更新史料的搜集方式。欲想得出客觀之結論，還原法律之事實，提高論證之信服，須盡可能廣博地搜集各種相關史料，取舍得當。然而，面對數量龐大且分散的法律史料，搜索和整理工作耗時耗力，很難避免遺漏。如有檢索功能強大的工具可以使用，搜集的效率和范圍將會大幅提高及擴大。這類需求其實早已產生，相應地，古代已有對經典作系統整理以便于檢索的嘗試。例如，汪輝祖匯集“二十四史”中記載的人物，按姓氏標記，收錄成冊，依照韻部分類編排，完成《史姓韻編》一書。這類工具書是以個體之力助力古籍系統整理的有益嘗試，不過較為零散，編纂方法也不夠科學。近代出現了采用西方現代索引技術整理中國典籍的“引得”，其不僅能夠幫助定位檢索，還有助于分析和比較某個特定關鍵詞或人物在一份文獻中的發(fā)展態(tài)勢，從而形成新的問題意識并實現思維開拓。1930年，在“整理國故”的號召下，從哥倫比亞大學畢業(yè)、在燕京大學執(zhí)教的洪業(yè)提議并促進了哈佛燕京學社引得編纂處的成立。引得編纂處自1930年成立至1951年間編出引得64種，共81冊，內容遍及經史子集。在法律典籍的引得方面，1964年莊為斯編有《唐律疏議引得》。《唐律疏議引得》涵括《唐律疏議》之律、疏議、注和問答諸條，提供單字部首索引，同一部首的各單字按筆畫多少的順序排列。引得按筆畫編排，相同者則依照部首的次序決定先后。此外，《唐律疏議引得》還附有律名表，以便使用者能夠在各不同版本的《唐律疏議》中快速定位。該引得幫助學者快速檢索關鍵詞和定位相關條目，為全面揭示唐律的術語含義和邏輯體系提供了極大便利，對唐律的縱深研究有重要價值。例如，若要從《唐律疏議》對“及”“準”等字詞的使用評價其立法技術，對比研究不同罪名、處罰的適用，首先需要匯總出現此字的條目，然后根據引得相對快速地完成匯集工作。

從古代零星的檢索工具書到近代走向科學的引得，可見不同時代學者在文獻化“死”為“活”上所作的努力。但紙質時代的索引缺陷是顯而易見的，可能存在錯誤、遺漏，同時也更新困難。數字時代的到來改善了上述情況，光學字符識別（OCR）技術的運用使紙本文獻轉化為可檢索的數字文本，研究者可以直接搜索關鍵詞進行定位。然而，使用古籍OCR技術生成數據與利用計算機技術對原始文本進行處理相比，雖然效率更高，成本更低，但數據的準確性也相應地有所降低。此外，電子數據庫的檢索范圍雖然較紙質引得更廣，但跨庫的橫向檢索尚難實現。在人工智能時代，固然應持續(xù)推進古籍文獻的數字化工作，提升OCR的古文字識別準確度，加強各大數據庫之間的溝通。不過，更為重要的是建設智能數據庫，推動數據庫從“數字化”向“數智化”的轉型，對人工智能進行訓練以使其“理解”語義，對古籍中的人物、事件、制度等進行標注，從而構建知識要素之間的關聯。除了數據庫的應用，這類智能化語義技術還可在多方面輔助檢索。目前，已有學者利用經過《四庫全書》等語料預訓練的古文模型“Sikubert”，通過預訓練語言模型和對比學習目標的復合方法訓練人工智能尋找古漢語語境下的引用關系。這一技術在法律史研究領域將有極大的適用空間。例如，中國古代有眾多判詞流傳，這些判詞是體現古代司法官員審判基本理念的重要載體。唐朝時期的判詞尤為注重典故的運用。受個人風格影響，于成龍等官員在判詞中也喜好引經據典。經典的運用使判詞語義涵蓋的內容極為豐富，此時引進人工智能技術溯源這些引文，有助于厘清判詞的說理依據，加深對傳統司法論證的理解。再以經典的“父為子隱”案為例，在養(yǎng)父子關系的情境下，對于養(yǎng)父藏匿犯下殺人罪行的養(yǎng)子應當如何裁斷，董仲舒先后引《詩經》與《春秋》，作了如下推論：“甲無子，振活養(yǎng)乙，雖非所生，誰與易之？《詩》曰：‘螟蛉有子，蜾蠃負之。’《春秋》之義，父為子隱，甲宜匿乙，而不當坐。”其對《春秋》的引用意在否定藏匿罪對近親屬的運用，但對《詩經》的引用未必這么好理解。據《睡虎地秦墓竹簡》記載，養(yǎng)父子關系與親生父子關系有所差別，因此董仲舒或許意在引《詩經》來否定法律對父子是否親生的區(qū)別對待。這個論證的過程是隱晦的，如果人工智能能夠幫助研究者在簡牘中自動比對語義關聯，找到董仲舒的論證與《睡虎地秦墓竹簡》相關條文的聯系，研究者便能更為清晰地發(fā)現案件論證的邏輯路徑。

其二，人工智能或可提供甄別法律史史料的新思路，尤其是輔助識別某一特定史料的作者身份。近期，上海海洋大學與上海外國語大學的研究團隊提出了兩種基于機器學習的作者識別模型，對《紅樓夢》前80回與后40回是否出自同一作者這一“紅學”上的經典問題展開了研究。此前，也有學者運用機器學習方法，結合預訓練語言模型與深度學習模型對存在歸屬爭議的程頤、程顥語錄進行了判斷。法律史文本同樣存有作者歸屬問題，以上研究成果為法律史研究開拓了新思路。例如，法律史學界激烈討論的《刪除律例內重法折》歸屬問題，便可嘗試以沈家本、伍廷芳二人的已知奏折、文章等作為樣本訓練人工智能模型，借用自然語言處理技術提取兩人的常用詞匯、句法結構、虛詞等，從而對《刪除律例內重法折》全文給出作者歸屬的概率判斷。不過，人工智能存在解釋“黑箱”，無法清晰地解釋特征如何提取，判斷的準確度也受訓練樣本的影響，因此只能作為研究的輔助工具使用，學者在比對多重史料后進行的嚴密論證仍舊具備核心價值。

其三，人工智能技術可與量化方法結合，擴展法律史研究的可能性。具有統計學色彩的量化方法無疑是對傳統史學方法的變革。首先，可借助量化方法對史料進行辨?zhèn)巍＿@種形式的辨?zhèn)螀^(qū)別于史料學、文獻學，借由某種形式的計算完成。其次，量化方法還可幫助揭示歷史中潛在的因果關系。以金觀濤、劉青峰的研究團隊為例，其一改從思想史的角度研究觀念，通過建立數據庫、運用數據挖掘的方式尋找表示特定觀念的核心關鍵詞，對其意義進行統計分析，由此發(fā)現中國近現代觀念的起源和演變，及其與社會行動之間的關系。在觀念與行動之間的因果關系之外，歷史中還存在多重因果關系，量化方法能夠利用數據對多種假說進行驗證，從而提出更為真實的假說。不過當前法律史學的方法訓練仍以傳統方法為主，且量化方法存在技術壁壘，因而法律史學界在專業(yè)研究中使用量化方法的作品仍屬少數。目前在中國用量化方法研究法律史的大多是經濟史出身的學者，其研究給清代命案、妻妾買賣等法律史問題帶來了新視角和新方法。對于法律史學者而言，量化方法仍是一片有待開發(fā)的藍海。

人工智能為使用量化方法研究法律史提供了技術可能。一方面，量化需要將數據進行結構化處理，存在技術門檻，而且利用計算機處理數據需要大量人力，與法律史學界“單打獨斗”的模式不符。如在對比中西方的不同訴訟檔案時，以定量方法劃分制度屬性、進行標準化賦值和多維比較，可提高制度的可比性和說服力。然而，檔案在語言、格式、敘事風格等多方面的差異，要求研究者進行翻譯精校和人工數據標注等工作，需要較多人力與時間。人工智能的引入在一定程度上破解了上述困境，智能翻譯和自然語言處理等方式有助于提升量化效率，減少人力需求，使研究者能夠在更短時間內完成數據處理和關聯發(fā)現。另一方面，在量化中引入人工智能還有助于突破主觀的局限性，挖掘更多的研究主題。在以往的量化研究中，人工標注容易產生主觀偏差。當前有學者基于監(jiān)督機器學習的自然語言處理方法對《清實錄》進行了數據處理，發(fā)現在量化處理數據的過程中引入人工智能，不僅大幅提高了量化數據的覆蓋范圍，而且以結合預訓練和監(jiān)督學習的方式實現高精度、無偏差的量化，避免了人工處理的主觀性、前見性。此外，陳鈺琪等學者的研究團隊利用Transformer的嵌入模型在歷史文本中進行心理測量，并建構了中國歷史心理學語料庫，嘗試以模型模擬古人作問卷測試，展現心理反應。此類模型未嘗不可用于法律史研究中，例如，通過嵌入模型分析《刑科題本》或地方司法檔案，提取出法律條文適用與裁判邏輯背后的心理傾向，實現對影響裁判者作出判決的情感因素更為科學的考量。

三

AI如何革新法律史教學？

當今法律史之發(fā)展，研究與教學乃一體兩面，如何以人工智能實現法律史教學的革新，同樣值得探究。2017年國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中強調，人工智能與法學學科專業(yè)教育要交叉融合。近十年來，各大法學院校對如何將人工智能與法學教育結合、培養(yǎng)現代化法治人才進行路徑探索。通過設置數字法學的二級學科，開設數據法學等新課程，在傳統法學課程中引入自動駕駛等智能時代下的法律問題，法學教育的人工智能化取得了一定進展。然而，與民法、刑法、勞動法等應用法學相比，法律史與平臺用工等人工智能帶來的法律應用問題相距甚遠；與同屬理論法學的法理學、憲法學等學科相比，法理學與憲法學尚可就人工智能是否具有主體地位等理論問題展開討論，以史為綱的法律史學科卻難以加入。但是，人工智能與法學教育的結合并非僅包括上述層面，人工智能對法學教學方式的變革同樣值得探索。在法律史教學中，完全可以嘗試引入人工智能技術，探索不同于以往文本研讀和課堂講授等形式的新教學方式。

從法律史教師的角度出發(fā)，人工智能可以代替教師完成瑣碎的工作，提高教師課前準備的效率。教學是培養(yǎng)未來之才的關鍵之道，在力求建設教育強國的時代，教學質量更顯可貴。然而，在當前的考核體系下，高校教師往往需要進行年度綜合性考核、科研考核與教學考核。如果教師在完成制作課件等知識含量相對欠缺的任務上花費太多不必要的時間，則會舍本逐末，使教學質量和科研成果大打折扣。若有人工智能的幫助，在課前準備環(huán)節(jié)，教師完成教案后即可借助Kimi、Napkin等PPT制作工具智能生成課件，其本人僅需對細節(jié)作調整，無須再花費時間做排版工作。利用元典問達、AlphaGPT等依托大模型技術的智能系統，法律史教師也可快速尋找到便于進行古今對比的法律條文及案例。壓縮備課時間后，教師得以更為潛心地打磨授課的核心邏輯與內容，與人工智能實現專業(yè)分工，由“全才”向“專才”轉變。

從學生的角度出發(fā)，適用人工智能有助于初期法律史的學習，對人工智能生成內容的反思也有益于批判性思維的培養(yǎng)。既然法律史有“史”的一面，則基礎的歷史知識必不可少。此處之“基礎”，首先為法典頒行時間等基礎史實，此自不待多言。其次，法律史學習以原典閱讀為依托，這也是為何多所院校堅持以讀書會或研讀班的模式進行教學。中國法律史原典的排布通常是從右至左、從上至下，以繁體寫作，加之古文言簡意深，閱讀頗需花費一番功夫。法律史中“法”知識的一面，則以歷代罪名、刑名、法律程序等為表征，輔以法律的實際運行、法律文化、立法指導思想等加深理解。為此，學生在法律史學習之初往往不知從何處下手，缺乏古文的閱讀訓練又導致對法律史文本有理解障礙。這些基礎知識與技巧方法自然是法律史專業(yè)學習之必備，但在入門之初，借助人工智能可幫助學生對法律史有初步的了解，不至于畏難而退。例如，人工智能的句讀劃分、術語解釋降低了原典閱讀的難度，對官制、罪名等專業(yè)術語內涵的流變與對比使整體的學習脈絡更為清晰，對某一法律史問題在古今中西的呈現則能夠打通學習思維的時空局限。當前，國內多所高校的法學院皆創(chuàng)辦了LL.M.項目，向全球招收學習中國法律的留學生。相較于其他中國法學學科，外國學生在學習中國法制史時面臨的語言障礙更大，因為中國傳統的很多制度、官職、法律思想等都難以在英文中找到對應的單詞。人工智能一方面可以完成較為切合的語言翻譯，另一方面也可以利用留學生熟悉的本國法律概念作為認知橋梁。例如，人工智能可以引導留學生類比“情理”與“衡平”，幫助留學生跨越語言障礙，更為深刻地理解中國傳統法律文化的邏輯。此外，對于法學院校外的其他社會“學生”，人工智能亦提升了法律史知識的可得性，從學生到各行各業(yè)的從業(yè)者，皆可使用生成式人工智能就法律史問題進行提問，獲得較為準確的回答。更重要的是，人工智能可以結合案例、圖片進行回答，增添了法律史知識的趣味，更便于知識在公眾間的內化與傳播。將法律史知識向社會公眾進行下沉式傳播，未嘗不是提高法律史影響力，進而化解學科危機的一種方式。

人工智能模型的運作本質是在大量訓練數據的基礎上進行概率預測，在進行數據處理和模式識別時可能出現偏差，從而產生“幻覺”問題。不過對于“幻覺”，既可用特定指令要求其提供依據，更可積極地加以利用，培養(yǎng)學生的批判性思維。具言之，詢問人工智能某個案例始末或人物生平時，人工智能可能會混淆或杜撰信息，學生應查閱資料進行核實。此外，人工智能在解釋傳統法律時，也可能會不恰當地套用現代或西方的理論或觀念，產生文化誤讀，這也提醒學生在學習法律史時不要以今度古、牽強附會。2025—2026年秋季學期，清華大學法學院本科生的“中國法制史學”課程布置了一次人工智能與法律史結合的作業(yè)，請同學們以小組為單位，結合人工智能對一個中國法律史問題展開研究。從展示的結果來看，大部分學生在進行文獻與案例收集、綜述、法條梳理等前期準備時，皆發(fā)現生成式人工智能能夠快速和相對準確地梳理、分析、對比已有文獻和案例，但普遍存在“幻覺”問題，其推薦的文獻與案例需要人工溯源驗證。而進入到內容的實質分析步驟，人工智能更存在著去語境化、分析淺顯、價值評價單一等問題。例如，研究“原心定罪”的學生嘗試用人工智能統計《通典·刑》當中出現的“義”“心”“志”語詞，人工智能雖然完成了統計出現頻次的任務，但缺乏對這些字詞在不同語境中的區(qū)分與疏理；探討施劍翹刺殺孫傳芳案件的學生則指出，人工智能的分析具有“法律—政治”二元對立的傾向，同時缺乏對社會背景、施劍翹本人在輿論塑造方面的討論。在帶著法律史問題與人工智能多次對話的過程中，學生們不斷進行質疑，對答案作修正，從而使批判性思維與問題意識得以強化。提問與修正需要以精讀文獻、辯證思考為基礎，學生也因此更好地掌握了法律史的具體知識。

從師生與人工智能協同共進的角度出發(fā)，人工智能能助力傳統法律史課堂向多智能體課堂轉變。當前主要的課堂教學模式分為兩種，一為傳統的面對面式教學，二為以“慕課”等平臺為代表的網絡視頻教學。近期有關教育智能體的研究創(chuàng)新，或許會引發(fā)課堂教學模式的變革，形成線上多智能體課堂，學生與多智能體通過窗口進行互動。智能體的特點在于能夠感知環(huán)境并執(zhí)行任務，教學環(huán)境表現為復雜的課堂教學情境，任務則包括知識講授、思維引導、課堂互動與課后鞏固等。在知識講授層面，教師可上傳課堂講義、教材和其他教學資料等，形成自己的知識庫，創(chuàng)建導師智能體，及時關注每位同學的學習進度，進行個性化指導。助教智能體則在課堂進行的過程中實時關注評論區(qū)，隨時進行答疑，并負責課后的作業(yè)批改。在思維引導與課堂互動層面，具有不同學習風格的同伴智能體可以對老師的授課內容進行提問、質疑或總結。例如，清華大學試點推廣的MAIC課程配備了“顯眼包”“好奇寶寶”“筆記員”和“思考者”四種同伴智能體，分別負責活躍課堂氣氛、提問、分享筆記及引導課堂深入討論，打破了屏幕帶來的隔閡。在課后鞏固層面，可分設協作型智能體與對抗型智能體。協作型智能體作為學生的小組團隊成員，與其共同完成課后作業(yè)；對抗型智能體則作為學生的競爭者或質疑者，在觀點交鋒中幫助學生回顧課堂知識。法律史以過去的法律為研究與教學對象，若能在老師、助教、同學等基礎智能體之外設置諸類歷史人物智能體，模擬傳統或近代立法、司法等情景，可引導學生從不同社會角色、不同歷史時期的角度思考問題，形成“沉浸—體驗”式的學習環(huán)境。例如，在講授清末變法修律時，可設置“修訂法律大臣”智能體，使學生能夠與其直接對話，理解當時法律草案起草者的想法；在講授“楊乃武與小白菜”等法律史經典案例時，可引入“地方縣令”與“刑部官員”智能體，使學生能夠直接感受到在案件審理的不同階段、不同層級的斷案邏輯差別；在講授儒家與法家的法律思想時，可分別設置兩個學派的代表人物智能體，接受學生的提問，互相辯論。多智能體課堂的優(yōu)勢顯而易見，當學生與這些智能體互動時，其也從法律史的旁觀者成為親歷者。同時，智能體可以根據每個學生的發(fā)言判斷其對知識的掌握程度，從而對講解的難度和速度進行調整。

不過，當前智能體研究與應用的現狀也反映出了一些問題。其一，教學的內容需要確保準確度和高質量，若只依托通用大模型設置教學智能體，智能體可能會生成不存在的法律條文，誤導學生。因此，教學智能體的建構需要以知識庫為基礎，儲存關于學生的學習進度、知識薄弱點等數據，以及教材、閱讀材料等教學資源，并將智能體授課和答疑的范圍限定在知識庫的范圍之內，依靠檢索增強生成技術調用知識庫的相關內容。可以說，智能體能發(fā)揮的功效與知識庫建設緊密相連，而知識庫的內容依靠教師上傳和更新，在此意義上，課程的核心與方向把控依舊由教師負責。其二，通用大模型的訓練主要基于現代語料，因而現有的語義模型很可能用現代法律知識解釋傳統律文，或以現代的價值觀和法政邏輯回答學生的問題，難以打造真正的“沉浸—體驗”學習情境。故而，在創(chuàng)設智能體時必須限定其回答的范圍，并且在構建智能體Prompt（提示詞）之時予以強調，使“修訂法律大臣”“刑部官員”等智能體的回答更貼近歷史上的可能。其三，人工智能具有安全機制，通過識別敏感詞等方式過濾涉及暴力、血腥等有害內容，當學生向智能體詢問凌遲等酷刑的具體執(zhí)行方式，智能體有可能會因為觸發(fā)安全機制而拒絕回答。以上缺陷在不同層面上影響智能體的教學應用價值，還需人工智能專家與師生們的共同探索，實現更為有效的人機協同。

四

AI法律史何以致遠？

人類在工業(yè)時代便已領悟，技術在帶來便利的同時也導致工具理性盛行，社會面臨著多重風險。人工智能時代，新風險在新技術中孕育。當前，可被發(fā)現并需警惕的人工智能風險至少包括以下四種類型：其一，社會極化風險，并以就業(yè)結構性失衡、數字化加劇社會不平等為表現；其二，倫理與法律風險，涉及算法歧視、責任歸屬等難題；其三，技術黑箱風險，源自算法的不可解釋性與復雜性；其四，人的異化風險，即人類的主體地位受到威脅。人工智能技術迭代的速度致使社會風險加速更新，為此，社會也在不斷構筑多層防線，并探索以國家為主體的政策出臺、立法規(guī)制及以平臺為主體的算法自治方式。與此同時，社會各界也在嘗試使用人工智能規(guī)范，在高等教育領域，清華大學于近期正式發(fā)布《清華大學人工智能教育應用指導原則》，明確了人工智能在教育應用中的底線，并將教育應用劃分為教學與學術研究場景，反映了對人工智能應用積極而審慎的態(tài)度。此類指導原則的通用性雖使其難以針對性地指向包括法律史在內的某一學科，但無疑可提供方向上的指引。對于法律史而言，人工智能技術助增的工具理性可能降低法律史的人文溫度，其帶來的異化風險則可能導致法律史學者與學生在研究和教學中的主體性消亡。欲探尋AI法律史何以致遠，即法律史在人工智能技術迅速擴張的時代如何維持自身的價值與精神根基，必須首先深入至法律史學的三重功能，即發(fā)現、理解與批判之中，在保持法律史學人的人文風骨的前提下實現人機協同。

法律史學的第一重功能為發(fā)現，即以嚴謹的考證發(fā)現歷史的真相。何炳棣曾闡明其一生堅守的治史南針和步驟，即首先用周密平衡的理性思維去考證盡可能翔實多樣的相關史料，其后依照概念架構逐步分析、論辯、詮釋，最后達成綜合判斷。尤其是史學界存在多種通說，但“通”并不等于“真”。以《大清新刑律》的頒布為例，通說認為，法理派主張制定新刑律，禮教派反對新刑律，在制定過程中，禮教派阻撓新刑律的議決。然而，經多維史料比對，事實可能并非如此，反而是法理派為保證新刑律及時通過，以各種手段阻撓資政院議決。技術有時會給歷史的真相再添一層迷霧，清末之際，岑春煊便因一張偽造的其與康梁的合影而受開缺。當下，人工智能技術的“幻覺”問題已非新鮮之事，以人工智能語義模型判斷史料是否真實，也僅是一種概率推測，并不可直接信以為真。由是，對于人工智能挖掘或提供的史料線索，必須進行原始史料的溯源。同時，在要求人工智能檢索與某一觀點有關之史料時，可同時要求其尋找與之矛盾的史料，以免被困于算法的繭房之中。法律史學者還必須充分認識到，在所有史料數字化及各大數據庫實現共享之前，未經數字化的實體史料仍然具備不可替代性。換言之，人工智能的輸出并不等于歷史事實，對史料的閱讀、整理、比對、考據功夫仍是法律史學者不可或缺的能力。

法律史學的第二重功能為理解，即在史料考證的基礎上對某一問題作出詮釋。杜維運認為，史學方法上有幾個重要的階段，包括收集史料、考證史料以及消化史料。在消化史料階段，必須將史料融會貫通以撰寫歷史，既將歷史事件呈現給世人，稱為“歷史敘事”，又闡明歷史發(fā)展之軌跡與意義，稱為“歷史解釋”。敘事與解釋雖以史料為基礎，但如何整合史料，如何解讀史料中的空缺、歷史事件之間的聯系，則依靠學者對歷史的理解。理解與詮釋要尊重歷史之語境與規(guī)律，因而在中國的歷史主義詮釋傳統中，常常講究知人論世、設身處地。試舉一簡單小例，傳統中國視斬刑比絞刑更重，因身體發(fā)膚受之父母，但今人從痛苦程度上則傾向于相反的理解。在法律史研究與學習中，若學者完全依賴人工智能生成歷史敘事或進行因果分析，就缺乏將自身思想與情感投入歷史之步驟，喪失通過史料回到過去產生共情之能力，對法律史的解釋將面臨被算法的邏輯侵蝕的危險。在使用人工智能時，固然可以借助提示詞限定特定的歷史語境，例如明確要求人工智能基于某一律典的律文邏輯進行分析，但這需要人工智能經受過大量相關語料的訓練，而且算法解釋的不可見性也導致分析邏輯的不可查證。故必須明確，人工智能可助力史料泛讀與概括，可提升量化處理數據的效率，但深讀必須由人來完成，對法律史的理解和詮釋必須發(fā)揮人之想象，由是方可達至“了解之同情”，使對法律史之理解不被去語境化的算法所架空。

法律史學的第三重功能為批判，即無論是在做法律史研究抑或進行教學時，都必須具備批判性反思精神。分析法律歷史得失，在其中尋找規(guī)律、理解當下，是法律史研究的核心追求。在此過程中，不可避免會涉及價值判斷問題。人工智能的回答與判斷以訓練數據和模型為依據，而數據內含的偏見在數據篩選時無法完全排除，甚至可能在模型中受到固化或放大。在法律史領域使用人工智能，首先需要甄別使用過程中是否產生了官方史料偏見，忽視了法律多元性。官方史料相較于民間散落的契約、族譜、習慣法等史料更易于收集和進行OCR處理，后者的語言則更不規(guī)范，文字更難以識別，因此官方史料或許會被更多地用于人工智能的訓練當中，但其撰寫又不可避免地帶有國家偏向性。其次，也需反思人工智能是否更多地以精英視角進行分析，而相對忽視了女性等歷史邊緣人物的聲音。例如，抱告等傳統法律制度限制女性進入訴訟，即便女性出現在了公堂之上，其證詞和供詞在訴訟檔案中被記錄下來，也可能因書寫者的偏見及制度中潛藏的男權主義而并非以真實的樣態(tài)呈現。如果缺乏相關的提示，人工智能不一定能夠發(fā)現背后的偏差。最后，更需警惕人工智能不加區(qū)分地以近現代西方的標準對中國傳統法律進行評價。人工智能的訓練語料不會片面地只包括近現代西方或傳統中國一方的法律理論與制度，但由于算法“黑箱”，我們無可知曉其究竟調用哪方語料對中國法律史展開分析。若以西式標準對中國傳統之法律作評判，強化單一、西方中心的法律敘事，必然更為遠離歷史真實。故而在使用人工智能的過程中，法律史學人不可放棄提高獨立思考的能力。

由內觀之，法律史具備發(fā)現、理解、批判的三重功能；向外觀之，新時代欲建構中國法學自主知識體系，必須深入挖掘中華優(yōu)秀傳統法律文化。法律史在面臨學科性危機的同時，也肩負著中華法系復興的時代使命。而復興中華法系，既要推進基于其自身展開的研究與教育，也要增強其與世界的溝通，向外傳播中國傳統法治智慧，方可打破西方中心偏見，提高中華法系之影響。因而，人工智能時代欲保持法律史的人文內核，達至中華法系復興的目標，還需法律史學人提升主動性。此一“主動性”，首先指主動借助人工智能跨語言、跨文化的能力，推動中華法系的國際化傳播。例如，在中國傳統法律術語、條文、案件的跨語言翻譯，以及以數據建模揭示不同法律傳統在處理相似社會問題時的路徑等方面，均可利用人工智能，有效促進中外法律史研究的交流與對話。其次，“主動性”也包括法律史學人在人工智能建設中的參與性和積極性。盡管當下已有歷代石刻、地方志等專門數據庫，但以大規(guī)模、系統化、高標準標注的司法檔案、案牘等為核心內容的法律史數據庫稀缺，遠不能滿足研究需求。面對算法中可能存在的西方偏見，我們固然要以批判思維對待，但也要嘗試建設法律史的專門語料庫，將法律史本土知識轉化為高精度的、機器可學習的知識，促使人工智能模型基于中國傳統法治的內在邏輯展開分析，防止算法對中國傳統法律的片面解讀。而法律史學科的特殊性，決定了語料的標注、分類、編碼體系必須納入法律史專業(yè)學者。通過法律史學人的主動參與，推動以我為主的法律史知識重構，是新時代克服法律史學科危機，實現中華法系復興，增強中國在國際的法治話語權之道。

結語

在人工智能的時代浪潮中，法律史學科可以通過積極探索“AI法律史”，抓住法律史學科破除危機、實現自我重塑的契機。AI和法律史研究的結合不僅具備理論上的可行性，亦能在多方面助益法律史的教學與研究。法律史學科的價值，在于回應當下、理解當下，更在于建構未來。面對中國自主法學知識體系建構和中華法系復興的時代使命，法律史學者應以更具主動性的姿態(tài)，成為“AI法律史”的建設者。

但必須警惕的是，人工智能僅能作為法律史研究與教學的輔助工具，法律史學人方為主體。法律史傳統的文本細讀、史料互證以及歷史人文關懷的價值，不會因技術迭代而消亡。法律史學者的人格風骨與批判精神，更無法被技術工具取代。對主體性的堅守，正是對陳寅恪先生“獨立之精神，自由之思想”的呼應。陳先生對獨立精神與自由思想的追求，貫穿于其治史之道中，尤其是力求避免被任何先入為主的框架所束縛。當然，即便是人工智能亦難逃訓練數據中的偏見，但對此標準的追求也正是人之獨特性與能動性所在，并且在人工智能時代尤為可貴。在嚴謹考證的前提下，盡可能地持有批判精神，經過充分思考以發(fā)揮人類的想象力與同理心。如此，方可真正實踐好“AI法律史”，并達至“愛法律史”的境界，在新時代助力中華法系復興的實現。

-向上滑動，查看完整目錄-

《法治社會》2026年第2期目錄

【法學方法論】

1.法學方法論的體系覺醒

——基于對《法學方法與現代民法》的解讀

陳金釗

2.“意思表示真實”的語義解構與重述

——基于言語行為理論的分析

羅維鵬

3.指導性案例的規(guī)范性及其適用

——基于統一法律適用功能的視角

章詩迪

【刑事法治】

4.《刑事訴訟法》第四次修改背景下部分被告人認罪認罰案件分案審理的程序重構

周洪波、卜月曼

5.監(jiān)檢銜接案件中涉案財物的處理路徑探析

鄧矜婷、章程荃

【數字法治】

6.AI法律史論綱

陳新宇、劉穎

【學術專論】

7.農村集體經濟組織的現實甄別與適法性調整

宋志紅

8.結婚、離婚程序中的心智障礙者權益保護

申晨

9.個人所得實現的功能定位及其稅法判斷：基于綜合性所得概念的反思

閆海、馮碩

10.作為立法表達方式的“姿態(tài)”：概念、類型與評價

朱志昊

【行政法治】

11.行政協議訴訟共同被告規(guī)則的構造

徐肖東

12.論行政訴訟的標的

——以行政行為違法說為中心

王鈞民

《法治社會》（雙月刊）是在廣東省法學會長期編輯出版《廣東法學》內刊基礎上創(chuàng)辦的公開出版發(fā)行的法學學術理論刊物。辦刊宗旨為：立足廣東、面向全國，及時報道廣東及全國法學法律界最新研究成果，傳播最新法治信息，交流最新學術思想，促進法學研究成果的轉化應用，為我國社會主義法治建設和法學研究事業(yè)的繁榮發(fā)展服務，為建設法治中國、法治廣東服務。

點擊進入下方小程序

獲取專屬解決方案~

責任編輯 | 王睿

審核人員 | 張文碩 宋思婕

本文聲明 | 本文章僅限學習交流使用，如遇侵權，我們會及時刪除。本文章不代表北大法律信息網（北大法寶）和北京北大英華科技有限公司的法律意見或對相關法規(guī)/案件/事件等的解讀。