法学院AI赋能教育教学示范案例|从“单向讲授”到“机生共探”：AI提示词与人机协同赋能法律职业伦理课程建设

案例课程：《法律职业伦理》

授课教师：虞新胜

当人工智能进入法学课堂，真正困难的并不是“是否使用AI”，而是如何让AI进入法律职业伦理这样一门理念抽象、价值密集的课程，让学生在课前知道查什么、课中知道怎么辩、课后知道怎么改，从“记住伦理原则”走向“推导并运用伦理理念”。

图1 学生利用扣子（Coze）智能体链接查找课程资料：统一的AI学习入口

一、痛点：法律职业伦理教学需要的不是更多讲授，而是更有方法的引导

法律职业伦理课程具有典型的“理念抽象、情景多变、判断交织”特征。学生既要理解“以事实为根据，以法律为准绳”“以人民为中心”的理念，又要结合不同情景去落实这一理念：正确处理个人利益与人民利益、公共利益与当事人利益、国家利益与个人利益的关系；既要坚持动机与后果的统一，也要分析环境与事实的影响。

难点在于，理念难以直接“讲授”给学生。教师不仅要设计出体现人民至上的规范，更要引导学生自己推导出这一理念。而理念往往与事实纠缠在一起：学生容易把“事实是怎样”直接当作“应当怎样”，跨不过实然与应然之间的鸿沟；实证可以检验人们持有什么道德信念，却不能直接证明伦理原则本身应当被接受。

更重要的是，生成式AI已经进入学生学习过程。学生并不是不会使用AI，而是经常不会“善用AI”：提示词过于笼统、输出结果不加核验、把AI当作答案来源而非学习伙伴。课后复习时，学生容易出现“找不到资料、接不上任务、问不出问题、改不动报告”的断点。

二、目标：构建“理念推导—AI提示词—机生互动—反思平衡”的教学支持体系

本案例的目标，是在不另行开发大型平台的前提下，依托扣子（Coze）智能体与通用大模型，把法律职业伦理课程从“单向讲授”升级为“机生共探”，使AI进入理念推导、案例分析与价值判断训练的真实环节。

该目标强调“低成本、可维护、可复制”。知识点不变、育人理念不变，改变的是学生接触知识的方式：在教师端，AI辅助备课与案例更新；在学生端，AI辅助资料检索、辩论探究与汇报展示；在评价端，AI辅助形成性反馈。

本案例的建设逻辑：

一个理念主线：通过典型案例分析，引导学生自主推导“以事实为根据，以法律为准绳”“以人民为中心”的法律理念，在规范与事实的往返中实现共性与个性的融合。

一套提示词脚手架：把课程知识点转化为角色化、任务化、格式化的AI提示词，覆盖课前调研、课上辩论、小组汇报与课后设计全流程。

三类互动场景：人机生互动备课、正反辩论式讲解、AI辅助翻转课堂。

一个闭环：课前AI调研—课上提示词探究—小组比拼展示—课后方案设计与迭代改进。

三、实践路径：以提示词为脚手架，让AI进入伦理判断的推理过程

（一）课前：人机生互动备课，AI调研知识点的应用场景

课前，师生共同向AI精准投喂指示词。学生以“大三法学学生”的角色向AI提出法官伦理方面的问题，要求AI按照“一级标题、二级标题、内容”的格式输出不少于1000字的回答；教师据此把握学生的兴趣点与困惑点，把备课从“凭经验备”转向“带着真实问题备”。课程还通过扣子搭建智能体学习入口，学生利用扣子链接检索课程资料与知识点的应用场景，把分散的资料变成连续的学习路径。

图2 学生通过扣子智能体对话检索课程资料，接续学习任务

（二）课上：把知识点转化为AI提示词，正反辩论式讲解

课堂上，教师把“法官坚守义务论”“法官也要考量社会后果”等知识点转化为AI提示词，请AI“运用正反辩论的方式”讲解知识点：正反两方观点均需紧扣知识点核心，每方观点配2至3个具体、有说服力的论据，语言表达通俗易懂，辩论过程保持客观中立，仅呈现不同视角的合理性与局限性。学生在辩论呈现中直观看到：义务论划定“人是目的、罪责自负”的底线，功利主义考量社会预防与风险分配，二者互相约束、互为边界。

图3 教师课堂讲解：从“议程与核心议题”切入义务论与功利主义的交织说理

图4 课堂教学现场：围绕典型案例的人机互动与师生研讨

（三）典型案例贯穿：在疑难案件中推导伦理理念

课程以洪志宁故意伤害案（“蛋壳脑袋”规则）等疑难案例为载体，完整展示裁判推理链条：从条件说确认事实因果，到义务论驱动（尊重具体被害人的人格，肯定归责），再到功利主义考量（一般预防与风险分配）与义务论硬约束（罪责自负、罪刑相适应）的介入，最后经反思平衡校准，在定罪上回应社会预防的功利需求，在量刑上守住责任主义的义务论底线。学生在真实案例中体会“实证能检验道德信念、却不能证明伦理原则本身”的界限，并学会运用逻辑自洽、可普遍化、理性反思、反思平衡四个工具，检验因果证成过程的正当性。

（四）小组比拼：AI辅助实施翻转课堂

小组汇报环节由“线下照稿分享”升级为“AI辅助展示＋现场答问＋迭代修改”：小组利用AI工具制作知识点视频（DeepSeek生成逐字稿，删减修改后制作视频），其余小组借助AI从多角度设计问题当场提问，汇报小组当场作答，课后根据提问意见修改完善视频。学完关键知识点后，学生还利用大模型对比知识点、生成对比表格；组间抽签结对、互相出题，出题小组进行评价，教师作补充深化。

图5 学生小组开展AI辅助翻转课堂汇报

图6 学生在汇报中讲解裁判说理背后的伦理依据

（五）课后：方案设计与个性化评估反馈

课后，学生通过学习通完成方案设计和案例分析，并以图片、视频等形式提交平时作业。AI通过收集学习过程数据，分析学生的兴趣和能力，设计差异化学习路径；实时记录各小组项目进度与协作状态，识别瓶颈风险；生成能力图谱，实现关注思维发展、合作能力和问题解决策略的形成性评价。教师据此提供针对性指导，学生获得及时反馈以调整学习策略。

四、创新之处：让AI进入价值判断的训练过程，而非替代判断

第一，理念创新。案例把“如何引导学生推导出法律至上、人民至上的理念”这一教学难点，转化为提示词脚手架与矛盾点追问问题：学生沿着案例中的矛盾点不断深入追究，在事实与规范的往返中获得新的启示，把背后模糊的地方不断澄清。

第二，路径创新。案例不是把AI孤立地用于生成课件，而是贯通课前调研、课上辩论、案例推理、小组汇报与课后设计的完整链条，形成“资源—提示词—互动—反馈”的连续支持。

第三，机制创新。案例把AI使用规范显性化：论据需符合学科逻辑与常识，表达需通俗易懂，过程需保持客观中立，引导学生从“让AI给答案”转向“用AI逼近矛盾点、追问背后理念”，把AI从“代写工具”转化为“学习伙伴”。

第四，评价创新。案例以图片、视频和学习过程数据作为平时作业与评价依据，AI生成能力图谱，实现形成性评价，推动教学评价从单一考核转向多源证据分析。

五、教学效果：从被动听讲到主动追问

从课堂实施看，学生借助扣子链接和提示词脚手架，能够主动查找资料、对比知识点、寻找反面案例并追问“问题出在哪里”；小组汇报从“照稿宣读”转向“AI辅助制作视频＋现场答问＋迭代修改”，提问与答问的质量明显提升。学生沿着矛盾点不断深入追究，“把背后模糊的地方不断豁然开朗”，AI使用从自发、零散、结果导向，逐步转向任务导向和规范导向。

六、教学心得与下一步规划：AI赋能的关键，是让学生完成价值推导

本案例的实践表明，AI赋能伦理类课程的关键，不是让AI替学生判断，而是让学生在与教师、同伴和AI的反复问答中完成价值推导：实证可以检验人们持有什么道德信念，却不能直接证明伦理原则本身；打通实然与应然的，是反思平衡与理性反思。AI的价值，在于为这一推导过程提供可追问、可追踪的支持。

下一步，本案例将重点推进三项工作：第一，完善课程提示词专区，形成覆盖理念推导、案例检索、矛盾剖析与方案设计的提示词体系；第二，扩充疑难案例库，将更多典型案件纳入同类分析；第三，依托过程数据完善个性化评估反馈系统，探索“千人千面”的个性化学习路径设计。

七、推广应用价值：为价值密集型课程提供可复制的轻量化方案

本案例具有推广价值。法学以及医学伦理、AI伦理、工程伦理等价值密集型课程，普遍面临“原则抽象、情景多变、判断交织”的教学难题。该模式不要求教师成为平台开发者，也不依赖大型系统：教师可以从一套提示词脚手架、一个典型案例、一次小组比拼起步，逐步把AI嵌入课程全过程，形成可复制、可迭代的轻量化教学方案。