Legora CTO 解析无法查看数据时如何构建与验证法律智能体

Legora 在完全无法访问律师客户工作数据的隐私约束下，通过构建模拟客户工作流的测试环境来训练和验证其法律智能体。CTO Jacob Lauritzen 指出当前模型已能完成约 60% 的法律工作，剩余部分需更智能的模型处理，且团队利用三工程师配三律师的配置建立了类似强化学习中“世界”的仿真测试场。这种架构使得 Legora 能在不触碰原始数据的前提下，通过模拟场景评估 Agent 表现，解决了法律科技领域最核心的数据隐私与模型验证矛盾。

具体实践中，Legora 采用了一种独特的引用验证机制：在一次发布后，模型的引用准确率从 70% 跃升至 99%，而无需修改底层逻辑，仅靠系统迭代即实现质量飞跃。此外，团队坚持全栈运行于 Azure 以保障数据安全，并拒绝使用 ElevenLabs 等外部语音服务。产品层面，Tabular Review 功能允许律师在单表中审查万份合同，且 Agent 具备协调律师、客户及子 Agent 的能力，甚至被用于公司自身的并购尽职调查。尽管早期曾计划维持 20 名工程师规模，目前团队已扩展至 100 人，但仍感人手不足。

推论上，这种“无数据可见”的验证范式可能成为高合规行业（如医疗、金融）部署 AI 的标准参考，而非仅依赖传统日志监控。事实是 Legora 已通过模拟环境和引用率提升证明了技术可行性；推断是未来法律科技竞争将转向谁能更高效地构建低成本仿真测试环境；猜测是随着模型能力逼近人类专家，律所合伙制及计费小时模式将面临结构性挑战，但具体时间表尚不明确。