AI 法律助教在加纳——32K 次查询告诉我们的教育启示

加纳的法律教育面临一个结构性难题：判例法和立法文件数量庞大且分散，学生很难在有限的课程时间内掌握全部。一个 RAG 系统——从超过 1.2 万个判例和 1400 条立法文件中检索相关条文并用 LLM 生成回答——看起来是完美的解决方案。 Boateng、Badu 和团队开发的 Eskwai for Students 就是这样一个系统。它的核心是一个检索增强生成管道：当学生提问时，先检索相关的法律文本，然后把检索结果和问题一起送到 LLM 生成回答。回答被约束在检索到的法律文本范围内，理论上比直接问 ChatGPT 更可靠、更可溯源。 真正有意思的不是技术方案，而是数据。Eskwai 在 30 个月内服务了 3100 名加纳法学院学生，处理了 32,000 次查询。这提供了一个罕见的窗口，让我们看到全球南方法学学生如何使用生成式 AI 学习。 学生问什么类型的问题？论文提到了一些伦理关切。举例来说：如果学生用 Eskwai 来分析真实案件的可能判决结果——"根据加纳的判例法，这个案情大概会怎么判？"——那这个工具就从一个学习辅助变成了一个法律咨询系统。教育工具和执业工具之间的边界在 GenAI 时代模糊了。学生收集信息的行为，和律师寻求法律意见的行为，在技术层面看起来一模一样。 Eskwai 的设计者明确表示它不是一个法律咨询系统，而是一个教育辅助工具。但当你有了 32,000 次查询，并且学生真的在用你的工具分析真实案件时，这个区分就变得脆弱了。 不清楚的地方：回答质量评估——"帮助性"是用什么标准衡量的？准确率如何？RAG 检索到的判例是否经过了时效性筛选——旧的判例可能已被推翻。另外，如果学生问了一个超出加纳法律数据范围的比较法问题，系统怎么处理？ --- **参考文献** 1. Boateng, G., Badu, P., Agyeman-Budu, P., et al. (2026). *Eskwai for Students: Generative AI Assistant for Legal Education in Ghana*. arXiv:2605.15380 [cs.CL]. 2. Lewis, P., et al. (2020). *Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks*. NeurIPS. 3. Prins, C., et al. (2023). *AI and Legal Education: Ethical Frameworks for Generative Tools*. Journal of Legal Education.