本书既阐述基本理论，又演示实战案例，还提供开箱即用的GPTs工具。本书具体包含以下内容：首先，探讨ChatGPT对法律界的冲击，以及律师等从业者的不同反应，进一步分析AI技术对行业的影响和发展趋势。接着，简要介绍ChatGPT的技术原理及应用场景。随后，详细讨论如何将AI力量融入律师职业路径，构建专业律师成长的新飞轮。接下来，分别讨论如何将ChatGPT（GPTs）应用于渠道与案源、检索与研究、案件分析，以及法律文书撰写与合同审核，实现部分日常事务自动化执行。之后，提供复盘和知识管理的方法论与工具，不仅适用于律师，还可令其他知识工作者从中获益。最后，从安全角度出发，讨论大模型的私有化部署及如何提升回答可靠性，为对大模型持审慎态度的读者提供进一步保障。并且展望未来，为新时代感到迷茫的读者提供一些参考思路。

前言
第一部分 冲击：横空出世的ChatGPT
第1章 惊诧：被AI搅动的行业
1.1 ChatGPT：新时代的标志
1.1.1 AI与法律：历史背景
1.1.2 ChatGPT的诞生：技术革命
1.2 法律行业的即时反应：震惊与好奇
1.3 普通律师的心态变化：从抵触到接受
1.3.1 从质疑、轻视到初步认识
1.3.2 逐步理解与应用
1.3.3 应用提升并发现问题
1.4 律师如何应对：从传统到变革
1.4.1 传统实践方式面临的挑战
1.4.2 接受新技术：转型与融合
第2章 格物：技术革新，ChatGPT崛起
2.1 背后的技术：理解ChatGPT的工作原理
2.1.1 基础技术解析
2.1.2 ChatGPT的特色与优势
2.2 跨越界限：AI技术在法律领域的应用
2.2.1 法律研究与分析
2.2.2 优化客户服务
2.3 未来展望：技术发展对行业的长远影响
2.3.1 持续的技术创新
2.3.2 法律行业的预测与趋势
第3章 正心：新挑战下律师的变与不变
3.1 职业路径的改变：机遇与挑战
3.1.1 职业发展的旧路径：增长飞轮
3.1.2 职业发展的新路径：ChatGPT影响增长飞轮
3.1.3 职业发展的拦路虎：调节回路
3.1.4 惊险一跃：突破调节回路
3.2 客户服务的演变：期望与实际
3.2.1 AI时代客户期望的改变
3.2.2 基于AI提升服务效率与质量
3.3 法律实践的变革：效率与伦理考量
3.3.1 法律实践的循环与调节回路
3.3.2 ChatGPT对社会和谐的正面影响
3.3.3 ChatGPT对社会和谐的负面影响
第4章 诚意：塑造律师的新角色
4.1 优化工作流程
4.2 重构元认知
4.3 深度掌控AI
第二部分 融合：AI时代的人机协作方式
第5章 渠道与案源
5.1 渠道管理子系统
5.1.1 渠道信息表
5.1.2 咨询信息表
5.1.3 发布渠道信息表
5.1.4 概念表
5.1.5 我的文案表
5.1.6 爆款文案表
5.2 引入ChatGPT
5.2.1 筛选扩展案源的最佳渠道
5.2.2 打造个人品牌知名度
5.3 律师获取案源的黄金圈规则
5.4 选择专业领域来拓宽案源
5.5 小结
第6章 检索与研究
6.1 法律问题研究子系统
6.1.1 裁判文书信息表
6.1.2 裁判实践决策树表
6.2 引入ChatGPT：对“违法解除”案例的研究
6.3 小结
第7章 案件分析
7.1 案件分析子系统
7.1.1 提示词构建表
7.1.2 案件分析表
7.2 引入ChatGPT
7.2.1 对劳动争议案件的分析
7.2.2 与ChatGPT进行不设限的法律探讨
7.3 小结
第8章 法律文书撰写与合同审核
8.1 法律文书管理子系统
8.1.1 法律文书模板表
8.1.2 法律文书表
8.2 引入ChatGPT
8.2.1 民事起诉状的撰写
8.2.2 合同审核
8.3 小结
第三部分 升级：知识管理与认知提升
第9章 渐进式复盘
9.1 复盘子系统
9.1.1 场景表
9.1.2 想法表
9.1.3 任务或事件表
9.2 导入ChatGPT
9.2.1 复盘：怎么了？为什么？怎么样？
9.2.2 提取：这件事怎么办
9.3 流程生长：由最佳实践组成的动态决策树
9.4 小结
第10章 渐进式知识管理
10.1 知识管理子系统
10.1.1 法律法规表
10.1.2 法条表
10.1.3 假设的重构表
10.1.4 文案初稿表
10.2 引入ChatGPT
10.2.1 探究假设背后的隐喻
10.2.2 知识输出：通过快捷指令定时生成新文章
10.2.3 隐性案源开发
10.3 小结
第四部分 再思：准确性与隐私
第11章 隐私性：部署私有大模型，提升隐私数据安全
11.1 获取大模型
11.1.1 大模型选择
11.1.2 Hugging Face
11.2 部署私有大模型
11.2.1 安装LM Studio
11.2.2 部署大模型
11.2.3 与大模型进行对话
11.3 部署为服务
11.3.1 使用LM Studio启动服务
11.3.2 使用curl调用测试
11.3.3 使用Python调用测试
11.4 用内网穿透工具把服务暴露到公网上
11.4.1 花生壳的下载与安装
11.4.2 内网穿透的配置
11.5 在手机端调用私有大模型
11.6 小结
第12章 准确性：通过RAG增强可靠性
12.1 RAG与知识图谱
12.1.1 什么是RAG
12.1.2 怎样实现RAG
12.1.3 什么是知识图谱
12.1.4 使用多维表格模拟知识图谱
12.2 RAG+知识图谱，改善ChatGPT回答质量
12.3 小结
第13章 再出发，率先拥抱新时代
13.1 机器智能的未来
13.2 人类智能的未来
13.2.1 人类智能的边界
13.2.2 集体智慧的融