拆法学案例，功夫在两个词上：要件和争点。要件分析是把大问题切成一个个必须逐一检验的构成要件，争点归纳是找出双方真正会交锋的那一两个点。AI 做这两件事都很快，快到容易让人忘了核对——它列的法条可能有幻觉，它归纳的争点可能遗漏案例里埋的关键事实。用下面的流程，能取其快而不受其乱。
要件拆解从请求权开始
拿到案例，先确定分析路径：从谁的什么主张出发，找请求权基础——「谁得向谁依据什么主张什么」。把这个方向告诉 AI：「以甲对乙的损害赔偿请求为例，列出该请求成立需要满足的全部构成要件，逐项编号。」拿到要件清单后，让 AI 做第二步：「针对每个要件，指出案例事实中有没有对应的支持或否定信息，分别引用案例原文的句子。」这两步合起来，就是把案例事实往要件上「涵摄」的过程，AI 拆得快，但每一项对应是否准确，要你拿原文复核。
让 AI 列出争点清单
要件梳理完，让 AI 换个视角做争点归纳：「站在双方当事人的立场，各自最有利和最不利的论点是什么？哪些要件上双方会真正产生分歧？」输出通常是一张清单：无争议的要件、有争议的要件、争议的核心。检验争点找得准不准，有个简单办法——争点应该能改写成疑问句，比如「乙的损害与甲的行为之间因果关系是否成立」。如果 AI 给的「争点」写成了结论句，让它改写成需要论证的问句，这才是案例研习该有的形态。
法条与判例的核对流程
AI 给出的法条编号和内容，默认不可直接引用，这是用 AI 做法学作业的第一守则。正确流程是：让 AI 列出「可能相关」的法条与制度，注明它记得的条号和大意；你逐条到官方数据库或最新版法典文本核对——条号是否准确、条文是否现行有效、有没有被修正案改动。引用判例同样如此，AI 编造案号的情况并不少见，凡是准备写进作业的判例，都要在裁判文书库检索原文确认。把「AI 列清单、你来核原文」的分工固定下来，效率和安全就都有了。
争点归纳的常见偏差
对照 AI 的争点清单，留意三种典型偏差。一是只抓显性冲突，漏了隐含前提——比如案例里一句不起眼的「合同签订于三月」，可能决定适用新旧法的争点。二是把事实问题当法律问题：双方吵架的细节是事实层，该行为构成什么性质才是法律层，争点应落在后者。三是均匀用力：把每个要件都写成同样篇幅，看不出主次。发现这些问题后，让 AI 按重要程度重排争点、把每个争点标出「决定案件走向」或「附带讨论」的层级，再由你确认这个排序是否符合案例题的提问指向。最后再补一道工序：让 AI 针对每个争点写出「正反两方的论证提纲」，各两三行即可——这份提纲是成文的脚手架，写正文时正反都要给篇幅，才算完整的案例研习，只写一边通常拿不到高分。
本文仅介绍作业方法与工具用法，不构成法律建议，具体法律问题的判断请咨询执业律师或依据现行有效法律法规作出。
法学案例分析用 AI 查法条可靠吗
- 能让 AI 直接写案例分析正文吗？：可以起草但必须逐句核实法条与事实对应关系，且按学校规定声明 AI 参与；直接提交未经核对的稿子风险很高。
- 新旧法交替的案例 AI 处理得怎么样？：容易搞错时间适用关系，需要你明确告诉它行为发生时间，并自行核对当时有效版本的条文。
- 德日法系或普通法案例也能用这套流程吗？：框架通用，但普通法案例的重心在判例检索，AI 给出的判例引用更需逐条在数据库核验。
