为律师构建 AI：Legora CTO Jacob Lauritzen 谈无 trace 评测与百万单元格表格审查

← 阅览室潜在空间为律师构建 AI——Legora CTO Jacob Lauritzen

无 trace 的评测、百万单元格的表格审查，以及按小时计费作为商业模式出现的裂痕Basil Chatha11月2日·75 分钟阅读

在本期节目中，我们与 Legora CTO Jacob Lauritzen 对话，此前几周他们刚刚宣布以 88 亿美元估值完成 5.5 亿美元 E 轮融资。我们聊了为律师构建 AI 智能体需要什么，以及其他构建智能体的人能从这项工作中学到什么。

Legora 起步于斯德哥尔摩的一间地下室，最初产品很简单：ChatGPT、瑞典法律和一个搜索工具。Jacob 此前已经带着自己的创业公司经历过 YC，当时他帮助 Max Junestrand 完成了 Leya（现为 Legora）的申请。他后来以工程负责人身份加入，现在是 CTO。

如今，该智能体可以起草和编辑 Word 文档、一次性审查数千份合同，并在律师、其客户和其他智能体之间协调工作。公司在 4 月突破了 1 亿美元 ARR，距离产品发布不到 18 个月，目前拥有超过 1,800 家客户。它在 3 月以 55.5 亿美元估值融资 5.5 亿美元，随后在 10 月又以 88 亿美元估值融资 5.5 亿美元。其最新收购 Wexler 是今年以来的第五笔。

我们问 Jacob：当你无法看到客户数据时，如何评测智能体；哪些任务仍然需要更好的模型；法律工程师和前置部署工程师如何分工；以及为什么按小时计费作为一种商业模式正在被颠覆。

在 YouTube 上观看完整对话 →

在 YouTube 上打开视频 ↗

按小时计费发生了什么变化？

当 Jacob 第一次读到 Leya 的 YC 申请时，他只有一条反馈：人们已经尝试构建法律科技一百万次了，但从未成功。如果律师按小时计费，变得更快就意味着赚得更少。他们为什么要买一个这样的工具？

他说，改变的是律所面临的压力。在美国，像小型审查这样的常规工作已经在转向固定项目收费。有些律所免费做这些工作，以留住客户。钱流向了并购、诉讼以及与客户相处的时间。

我们问，这是否意味着律所将不再需要律师助理和初级律师。Jacob 说，这不是 Legora 看到的情况。一名优秀的初级律师今天比两年前更有价值，因为他们能完成的事情多得多，就像工程领域一样。

跳转到计费模式讨论 →

无法访问客户数据的评测

大多数团队通过阅读 trace 来改进他们的智能体。Legora 一条都读不了。用户上传的几乎所有内容都是机密，其中很多属于律所的客户，而不是律所本身。

因此，评测团队必须重建客户所做的那类工作。三名工程师和三名律师构建 RL 环境，以模拟客户所做的工作。一个例子是一个包含 10,000 份文件的数据室，智能体在其中进行尽职调查，并且必须生成一份能捕捉到正确危险信号的报告。团队按业务领域和任务将结果绘制在热力图上。新模型往往在某些类型的法律工作上变得更好，而在另一些上变得更差。

团队从一个约 100 名法律工程师的人才池中抽调人员：这些律师曾在大所工作三到四年，通常还拥有计算机科学学位。在生产环境中，Legora 将失败归类为 10 到 20 种已知失败模式，并在功能开关后面运行低成本的基于 LLM 的检查。

这些限制也决定了 Legora 可以使用哪些基础设施。一切都在 Azure 上运行，因为 Legora 起步时，律所不接受 AWS 或 GCP，而微软已经通过 365 成为获批供应商。

跳转到无 trace 的评测 →

更聪明的模型仍然重要的地方

Legora 在很长一段时间里抵制模型选择器，最终才让步。Jacob 的观点是，律师不应该必须决定一份合同是 Sonnet-high 还是 Opus-mid 任务。Legora 的工作是在质量、成本、延迟、治理和区域可用性之间找到最佳可用的权衡。

他估计，模型已经能很好地处理约 60% 的法律工作。对于这些任务，现在的问题是成本和延迟。跨百万 token 合同的复杂分析和编辑仍然需要更多智能。

Legora 已经开始针对法律研究等狭窄任务对开放权重模型进行后训练，但没有训练自己的前沿模型的计划。在起草方面，Jacob 觉得 Fable 和 Opus 过于冗长。Astra 更简洁。为了解决幻觉问题，智能体写下的所有内容都会获得一个引用，该引用会在源 PDF 中高亮一个边界框，向下多层。

跳转到模型讨论 →

几个构建模块，众多产品

上任六个月时，Jacob 向团队展示了一张 300 斯巴达人的幻灯片，并宣布 Legora 将永远保持在 20 名工程师。现在它有 100 名，他说这仍然感觉太小。他现在的工作是构建一个系统，让团队只需交付少数几样东西，客户就会感觉自己得到了很多。

团队围绕几个基础构件构建产品：用于存放文件的项目、智能体、表格审查和列表。列表是一个灵活的 Notion 风格数据库，带有触发器和自动化功能。智能体可以创建和读取列表，而对列表的更改可以启动智能体。Intake 是一个 Slack 机器人，可将请求转化为列表上的工单。

表格审查是业界竞相模仿的那一个，连名字都照搬。每一行是一份文档，每一列是一个问题。放入 10,000 份雇佣合同，然后询问终止期限、知识产权转让条款和遣散条款。它最多支持一百万个单元格，但一开始只显示 10 行，这样你可以在运行其余部分之前先修正提示词。

法律工程师无需编写代码，即可在这些基础构件上配置新产品。甚至 Wexler 的事实智能产品也运行在相同的构建模块上。

跳转到基础构件讨论 →

法律工程师优先，前置部署工程师其次

Legora 大约九个月前在纽约聘用了其首位前置部署工程师：Di Qi，一位曾两次创办 YC 公司的创始人，曾在 Meta 从事搜索工作。法律工程师像高级用户那样配置产品，不编写代码。前置部署工程师编写进入生产环境的代码，构建与律所 CRM 或文档管理系统的集成，并将他们学到的东西反馈到核心产品中。他们仍然不接触客户数据。

当一家大型、深度参与的大客户签约时，Legora 会指派法律工程师与其合作，并在项目需要时增加一名 FDE。Jacob 预计，一年之内将有一组轮换的 FDE，他们与客户共处几个月，构建客户所需的东西，然后继续前进。

跳转到前置部署讨论 →

这将走向何方

Jacob 认为，两年内大型企业将通过 Claude Cowork 等工具使用 Legora，而律所则直接在 Legora 内部工作。他不认为实验室会像对待编程公司那样切断 Legora 的访问。对于一笔 4 亿美元的并购交易，他认为人们仍然会想要 Legora。

跳转到预测 →

节目笔记

Legora——面向律师的协作式 AI 平台，Jacob 是 CTO。

Jacob Lauritzen——Jacob 的 LinkedIn。

Legora 的 E 轮融资公告——5.5 亿美元，估值 88 亿美元，ARR 超过 2 亿美元。

“智能体需要的不仅仅是聊天”——Jacob 在 AI Engineer Europe 2026 上的演讲。

“将 AI 连接到数十亿份法律文档”——Jacob 与 turbopuffer 的 Simon Eskildsen 的 AI Engineer 演讲。

Legora 如何在 Modal Sandboxes 上运行 2,000 个并行智能体评测——Legora 评测运行背后的基础设施。

Legora 收购 Qura——Legora 于 4 月收购的斯德哥尔摩法律研究初创公司。

Legora 正在收购 Wexler——这家伦敦初创公司从大型诉讼文档集中提取和验证事实。

Claude for Legal——Anthropic 的法律连接器和插件，这是实验室是否会进军法律领域的背景。

AIE Europe 复盘 + 智能体实验室论点——Swyx 在开头提到的智能体实验室操作手册。

时间戳

• 0:00 冷开场 • 0:40 认识 Legora CTO Jacob Lauritzen • 1:05 从斯德哥尔摩地下室里的弱者起步 • 1:54 Legora 如何从用瑞典法律调教 ChatGPT 成长为法律智能体 • 4:12 从助手到智能体的转变 • 5:23 Legora 使用哪些模型，以及为何增加模型选择器 • 7:48 当今的模型对律师来说够好吗？ • 8:20 九个月前智能体做不到的事 • 9:18 在模拟世界和 10,000 份文件的数据室中测试智能体 • 10:07 评测团队和 Legora 的 100 名法律工程师 • 11:03 当评测似乎不值得做时，以及一次发布如何将引用率从 70% 提升到 99% • 12:18 五到十年后法律实践可能是什么样 • 14:18 律所合伙模式会存续吗？ • 16:40 律师助理和初级律师会怎样？ • 18:00 计费工时以及早期法律科技为何未能达标 • 19:39 现在钱流向哪里 • 22:44 Legora 如何用自己的产品进行收购尽职调查 • 23:59 瑞典和美国律所有何不同 • 26:12 当你无法读取 trace 时的产品指标 • 27:41 转述 trace 并将失败缩小到 10 或 20 种类型 • 28:42 为什么数据隐私促使 Legora 将所有内容运行在 Azure 上 • 30:04 开放权重模型和模型套利 • 30:55 转录模型以及 Legora 为何不使用 ElevenLabs • 33:33 智能体、表格审查、项目和 Word 加载项 • 34:24 律师如何使用表格审查 • 35:51 为什么电子表格有效，以及你从前 10 行中学到什么 • 37:53 法律受理机器人在 Slack 中如何工作 • 39:11 智能体如何创建列表，列表如何启动智能体 • 40:15 在相同的组件上构建产品并收购 Wexler • 42:37 前置部署工程师在 Legora 做什么 • 43:52 法律工程师和前置部署工程师如何让大客户顺利上手 • 46:43 前置部署团队未来一年的下一步 • 47:24 为什么 Legora 抵制构建 API • 49:26 智能体能成为 API 吗？ • 50:12 300 斯巴达人幻灯片和保持在 20 名工程师的计划 • 51:32 没人要求 Legora 下的赌注 • 53:05 为法律研究后训练开放权重模型 • 54:05 搜索、检索和后期交互 • 54:51 什么造就了优秀的法律智能体框架，以及为什么起草取决于搜索 • 56:25 哪个模型写出最好的草稿？ • 57:03 幻觉和 Legora 的引用系统 • 57:41 律师会检查引用吗？ • 58:19 对于百万 token 的合同，用 MapReduce 还是一个大的上下文窗口？ • 1:00:16 获取匿名化示例，以及为获取数据而收购律所的想法 • 1:01:53 为什么 Jacob 不建议使用默认嵌入 • 1:02:44 律师会在 Legora 中工作，还是通过 Claude 工作？ • 1:03:26 模型实验室会切断 Legora 的使用吗？ • 1:04:24 法学院与面向计算机科学专业学生的奖学金 • 1:05:28 在纽约、斯德哥尔摩和伦敦招聘 • 1:06:09 为什么大多数工作最终都会变成法律工作

文字记录

自动转录自修订版；姓名和措辞可能存在错误。

0:00 人们一直在问我们关于 Mythos 之类的问题，尽管我认为现实中很多法律工作并不需要 Mythos 级别的智能。律师助理，没了。对。初级律师，没了。我不需要他们。这其实并不是我们看到的情况，而且我们遇到过一个引用不正确的问题，所以我们就想，下一个模型版本就解决了。它从大约 70% 提升到了大约 99%。就像我们什么都没做，然后，很好。至少你是在做一笔，你知道，4 亿美元的并购交易。你会想要 Legora。我们会在公司余下的历史中只保持 20 名工程师，然后，我们会打败所有规模大得多的对手。我们现在有 100 名工程师，感觉我们还是太小了。但我正在尝试的一件事是，我们的产品中有多少可以只是智能体，而不是其他所有东西。好。我们现在在演播室，特邀嘉宾是 Legora 的 CTO Jacob Lauritzen。我念对了吗？Lauritzen？没关系。对。没关系。我不是西班牙人。怎么……这是丹麦语。对。没错。它有什么特殊的历史吗？就是……没有。就像 son，son of。之子。就像你有 son 和……对。所以是 Lauritz 之子。这就是我的名字。不错。我们之前在这里那里有过交集。 你你在 AIE 讲过几次，而且很明显，Legora 是历史上增长最快的法律科技之一。对。而且你在开场前说了一些我觉得很有意思的话。你说你们的起源非常欧洲。嗯。尽管很明显你们正在纽约和旧金山扩张。你们的文化感觉有什么不同？我认为我们从根本上可能对自己在做的事情非常谦逊，因为我们从一开始就一直是弱者。没有人相信斯德哥尔摩地下室里的一家小初创公司会，你知道，战胜这个巨大的庞然大物，它在美国远远领先于我们。所以我认为我们一直是弱者，所以我们一直非常谦逊。我们一直不得不为生存而战。我认为这是我们随着也变得越来越……随着我们进入美国并在美国有更多存在而不得不学习的东西，就是要更勇敢一点，并且，告诉世界我们有多棒，因为这……我认为对我们中的一些人来说，这并不自然。

1:30 我想先过一遍你们的产品，因为我觉得对于很多这类法律产品，你知道，它们有点像被保密起来，就像，你知道，对。你不应该展示它。对，如果你能谈谈，比如产品长什么样，也许还有，你们是怎么走到那一步的？比如，哪些产品迭代让你们到了今天？我觉得那会非常有意思。对。当然。一切开始的方式是带瑞典法律的 ChatGPT。好。里面有个搜索工具。那就是字面意义上的全部。所以那就是我们的起点。我们从法律研究开始，这基本上是世界上一个巨大的市场，律师花大量时间弄清楚有哪些先例案件看起来像这个，法律先例是什么，比如，这是不是，你知道，之前的人在这些情况下做了什么？这极其重要。所以这一直是我们产品的一部分。基本上，我们是从一个智能体开始的，你可以提问，它会查询法律。那是一个非常简单的开始。然后从那开始，它扩展了。所以它在扩展，比如智能体能做什么？它现在会，你知道，非常好地起草很多东西。它会编辑 Word 文件。它会，你知道，把你的文件移走，整理一切，运行非常复杂的分析，我们还给它加了一堆功能。我们的一个功能叫表格视图，现在这个名字正在行业内被使用，我们很高兴看到 Claude for Legal 用我们的术语来描述他们正在构建的东西。我们得谈谈那个。我们得谈谈那个。 这本质上就是一种批量提取和批量审查许多许多许多协议的方式，你在尽职调查和融资等时候会这么做。

3:00 所以那是其中一部分。就像我们帮助律师更高效得多、好得多地完成工作。然后除了做工作之外，我们现在也比一年前更多地帮助编排工作。所以我们有不同种类的，我们有一个叫列表的东西，对我们来说有点像 Linear。我们有受理，这是一种与客户协作的方式，我们还有门户，这也是一种协作方式，你知道，律师对律师、客户对律师、律师对智能体、智能体对智能体，也许吧。我们在那里花了很多时间，因为就是……坦白说，你十年前或者也许甚至今天与律师合作的方式真的很痛苦，而且老实说，有很多空间可以用好得多的方式来做这件事。所以那些就是，我认为的两件事。它是做工作，也是编排工作。你们什么时候开始做或构建智能体的？所以，我的意思是，我们都……我们基本上经历了从助手到智能体的转变。对。我们这么叫。对吧？我猜那个智能体……我不知道。我想说大概一年前。对。所以对了解 YC 2023 的人来说，这是一个粗略的时间线。是的。我知道你是你是 '24 的 YC 创始人。

4:30 YC 24。对。我是 YC '23 的。对。Legora 是 '24。好。然后……所以有……这算是，稍微在……在智能体真正起飞之前。没错。然后，使用模型显然改变了一切。是的。我是说，你知道，从某种意义上说，今天，你知道，我们预览了产品。看起来确实……嗯，预览。我们搞了个私下的活动。嗯，我们会在 YouTube 上放个视频。它基本上就是给律师用的 ChatGPT。对。对吧？就像，非常，非常公允地说，但侧边栏有很多不错的自定义工具，比如表格视图，比如受理，我真的很喜欢，还有一堆其他的。没错。就是这样。它就是同事或者 ChatGPT，只是对法律工作来说真的、真的很好用。还有……对。那个……那个工作流，比如，给内部公司法务用的，比如，那些找法规的人。对。所有这些。我们可以多聊聊那边的产品。对。你们底下用的是什么模型？比如，能聊聊吗？我是说，我们根据任务用一堆不同的。对吧？那就是……然后律师看不到那个。你们……还是智能体？对。嗯，我们在这上面来回讨论过。对。就像其他人一样，我觉得。在智能体里，主模型有个模型选择器，但有些工具我们用不同的模型，比如表格视图，还有，我们试着……我觉得我们发现最有效的是细分问题，然后在我们细分任务时进行路由。但我们现在确实在智能体里有个选择器。嗯。说实话，我不确定它会不会一直留在那儿。所以……对。

6:00 对。我是说，我对此有点背景，因为我是 Cognition 的顾问。对。当我加入时……你知道，我关于什么是智能体实验室的论点的一部分是，智能体实验室，你知道，理想情况下是一个领域特定的 GPT 包装器。对。对吧？就像，我们……我们是领域专家。我们会关注你。我们会比前沿实验室多得多地服务你的需求，我们会根据我们的判断给你前沿实验室里最好的。对。所以我们的工作是替你决定，因为你不是……你的工作不是……没错。我们会一直把你保持在帕累托前沿上。对。并确保它一直很棒，你不必深入所有细节。因为，比如，我……的其中一些事……正是说到这点，如果你去找律师问他们，哦，你要根据这个先例起草这份合同，你觉得这是 Sonnet 高还是 Opus 中等的任务？其实，他们不会知道。就给我……我有这个模型。就，确保它能用。我们的时薪是一千美元一小时。没错。就像……让它能用。所以，是的，我最初就是带着那个来的。就像，哦，对。这就是 Devin 做得不一样的地方。现在我们模型选择器里有五个东西，包括 Fable 和 Opus。对。Astra。是的。而且人们想试试那些花哨的新模型。对。你……是一样的吗？我我觉得是。我觉得大概……在法律领域肯定比在编程领域少得多？工程。对。但肯定有人会想马上要表一，而且，你知道，人们问我们关于 Mythos 和所有那些。对。对。尽管我觉得，现实地说，很多法律工作不需要 Mythos 级别的智能。对。有

7:30 完全正确。就像，我觉得，基本上，你就像，好。我们会给你选项。你……你要求这个。没错。但你的额度会消耗得快 10 倍。对。我本来会很想……我们抗拒引入它很久了，最后我们……我们就有点妥协了。我们说，好。如果你想要这个级别的控制。对。你知道，那我们就给你。对。所以你觉得模型已经，比如，和律师需要的一样好了？比如，没必要让它们变得更好了？这是个……我觉得是能力分布。所以，比如，大概有 60% 的工作。对。我们现在能做得很好，而且你知道，从现在起，就是成本和延迟的事。但还有剩下的部分，尤其是，比如，非常复杂的分析，我们仍然需要更多智能。然后我觉得还有工作范围那种。就像，那是我们现在有的工作，但还有 Fort Lauderdale 的工作，因此大概会随着智能扩展。对。我想象得到。早期，比如，你们刚开始的时候，我猜，转向智能体。嗯。或者构建智能体，比如，你们用的是什么……比如，你们用的是什么模型？我猜大概是 Opus 4.6 之类的？那会是……对。Sonnet 4.6，Opus 4.6 大概是对的。那时候智能体，比如，不擅长什么？现在它们擅长多了，尽管才过了，比如，九个月？子智能体委派是其中之一，我们现在让它运行得很好，比如，用于扇出式检索查询。现在对我们来说效果极好。以前那很难。我们基本上追踪…… 所以我们有一个专门做评测的团队，我们会追踪模型在不同业务领域的表现，这些领域算是法律的分组，以及所有这些领域中的不同任务。所以我们基本上有一张很大的热力图，然后我们能看到它们的变化，通常它们会在大多数方面有所提升，但实际上有很多模型发布是某些方面提升了，而其他方面却退步了。好吧。而这实际上比你想象的要常见得多。

9:00 比如，其中一些任务是什么？比如，你熟悉你们是怎么跑这些评测的吗？那些不同的子细分领域，我猜，是你们关注的吗？是的。所以，比如，有各种不同的框架类的东西。所以我们基本上有不同的，比如，世界，本质上就是 RL 环境，就像是，这里有一个……因为律师总是或多或少在项目中工作，所以就像是，这里有一个 1 万份文件的数据室，你在做尽职调查，最后，一份 GRIP 报告长这样，比如，它包含所有这些危险信号，而且，比如，它不包含那些奇怪的东西，而且，比如，我们希望它简洁，等等等等。这大概就是我们构建它的方式。所以有不同的任务，其中一部分是起草报告。比如，草稿看起来好吗？它包含所有正确的内容吗？措辞合理吗？分析合理吗？还有寻找危险信号的部分，比如在那之前的分析，所以我们可以稍微把它细分一下，这就是我们跑评测的方式。有意思。等等。你们的评测团队是什么样的？比如，你们会雇律师来做这个吗？是的，是混合的。我们有工程师，然后我们有律师，是一个团队。 所以现在大概有三个工程师和三个律师，然后我们有一个我们称之为法律工程师的人才库，也就是那些在大型律所工作了三四年的人。通常，也许他们有计算机科学学位，而且非常懂技术，然后他们来找我们……因为他们想帮助改变这个行业。

10:30 他们是大型律所里的 IT 吗？还是不是。他们是大型律所里的律师。他们是大型律所里的律师。有计算机科学学位。是的。我的天。这是一个维恩图，那个……是的，正是。那是我们最难招的人，但他们也是巨大的力量倍增器，因为我们可以借助他们做评测的事情和产品开发，就像你有一个 100 名专家的池子，他们每天使用产品，每天和客户交谈，而且，比如，他们亲身经历并一直经历着这些，我们就借助他们来做评测的事情，并且，比如，帮助我们塑造产品，这是巨大的优势。我很好奇，比如，这个团队是你们创立的吗？评测在某个时候是从助理智能体团队发展出来的。我觉得有一段时间，直到最近，说实话，它并不真的值得，因为所有模型都在变好。所以就像是，我们是想花大量时间做非常复杂的评测，还是只想构建……因为构建更好的框架能带来很多收益，而且倾向于认为一切都会变好，而一切确实就变好了。嗯。但是，是的，比如，每两三个月，你就会得到一个不同的模型。是的。正是。我是说，我们让它通过。对吧？正是。我是说，我们遇到过一个问题是，比如，它引用不正确，所以很难跟上，然后就像是，下一个模型发布就解决了，它从 70% 变成了，比如，99%。 就像是，我们什么都没做，然后，比如，太好了。是的。也许真正的工作是，你知道，保持所有数据私密，让它可标记、可排序，添加新功能，比如表格视图。那是，你知道……你是指超越 ChatGPT 之上吗？是的。但显然，现在你们也在做评测。我猜你们对开放模型的使用也在增加。我们可以谈谈那个。所以，是的，我不知道我在这里说什么，除了，比如，你知道，工作是什么？工作也许不是……在早期，它不太是去做评测，因为那主要是向律师展示模型能力。

12:00 是的。很大一部分就是弄清楚，有了所有这些，法律行业在五年、十年后会是什么样子。比如，编程也许领先一两年，我们可以稍微参考一下，但是，比如，基本要素是什么？人们如何工作？如果不是一个 200 封邮件线程、比如五个 Word 文件来回传，你们如何协作？比如，那看起来像什么？而那甚至不一定纯粹是 AI。那只是，比如，构建一个好得多的产品体验。是的。并确保你做到它时带有，比如，审计日志和数据保留以及所有那些在受监管行业中真正重要的东西。然后还有 AI 部分，也就是，比如，让工作更快更好，以及主动智能体，当东西进来时做出反应，这样你就不必，你知道，启动一切。所以我觉得很多工作就是弄清楚我们认为五年后会是什么样子。如果，你知道，模型能力持续提升，如果价格持续下降，我们能做什么？你能登录进去，它就像一个指挥中心，就像是，你需要对智能体最近一直在做的这五件事做出反应，并且，比如，审查和检查并改进系统？也许那就是我们要去的地方，或者它就是我们正在去的地方。是的。是的。我本来想问，比如，你能更深入一点谈谈那个吗？比如，是的，几年后法律行业会是什么样子？

13:30 我得先说明，我不知道。我是说，谁真的知道呢？但我认为我们可以多参考编程领域。我认为所有律师都会比之前高效得多。他们能够以更低的成本、更高的质量完成更多工作。我认为这个职业本身、工作本身都会大幅改善。会更多……我认为律师会把更多时间花在他们当初成为律师时想做的事情上，比如弄清楚什么是正确的风险画像、什么是可管理的风险、什么是……他们所有的判断、战略判断，以及与客户合作，他们会做更多这些，而少做很多那种，比如，翻遍大量文件去找关键证据，或者做所有这些琐碎、超级烦人的工作，很多律师一直在做这些。你觉得合伙制模式会发生什么？比如，你觉得它会保留下来，还是，会发生什么？我对此……其实我上周刚认真想过这个问题。是的。就是合伙制模式……我不想讲太多细节，但是，比如，合伙制模式之所以存在，某种程度上是因为这些公司唯一拥有的资本类型就是人力资本。所以，比如，不像我们，或者像软件工程公司，或者制造业之类的。你有实物资产，或者某种随着时间积累的无形资产，它们向股东支付回报。但如果你在专业服务这样的行业工作，咨询公司之类也是一样，你所有的价值都在你的人身上，而你并不能真正拥有人力资本。你知道，你不能……你知道，奴隶制已经废除了。不能拥有人，但可以租用他们。 你可以付钱给他们。所以合伙制本质上是一种结构，让人力资本成为公司的所有者，这样他们就会留下来。是的。这会改变吗？我不……它不一定非得改变，但我认为我们真正想和律师一起做的，其实是希望律师能够……律所能够建立某种无形资产、某种持久资本，而且，比如，你可以建立一个学习你工作方式的系统。

15:00 现在很多律所会想，比如，嗯，有前律所的做法，我们可以把它编纂成文，我认为可以，我们可以建立一个系统，不管它是自我改进的知识图谱还是什么，还有先例文件和文档，其中有一种能产出非常好的成果的工作方式，那可以成为他们的知识产权。所以这是一种把人类专业知识和判断编纂进系统的方式。我认为那是……现在我只是完全在漫谈，但比如，那是我们想要帮助赋能的事情。那这会改变合伙制模式吗？因为激励不同了。在合伙制模式中，你只需要带来更多客户，而你不想把带来客户的时间拿去编纂你的信息，基本上是这样。嗯。因为，比如，你会从，你知道，吃你杀的东西，或者完成这个幸运步骤之类的机制中获得回报。那需要稍微改变。我们需要想出一种激励结构，让合伙制……合伙人有动力去编纂东西，为……为公司建立资产，但现在没有，因为一旦他们离开合伙制，他们就不会从自己建立的资产中获得任何回报。

16:30 是的。所以有一个……是的。我认为整个商业模式……我们拭目以待吧。是的。是的。现在这一切都存疑。是的。我实际上的另一个看法……你知道，所以在合伙制层面，那像是……行业的高端。其实，我的看法更多是关于低端。对吧？是的。那里发生了什么？律师助理没了。是的。对吧？比如，初级律师没了。我不需要他们。比如，那其实不是我们看到的情况。所以，是的，它是……我认为它是……我知道。你会说我们在工程领域看到这种情况吗？是的。所以初级工程师真的有点完蛋了。你几乎必须一出……从大学退学时就已经完全成熟，否则你……你不会成功。我觉得我不是……我为了喜剧效果有点夸张。但是，比如，是的，我认识很多律师。他们从律师助理做起。他们去法学院，所有这些。对吧？而现在他们不……他们不被需要了。他们真的就是不被需要了。是的。是的。是的。它是……合伙制模式会发生什么，比如金字塔结构，这很有意思。我认为总的来说，很多律师，你仍然需要你的……你需要下一代。至少对工程来说，我的想法是，你今天有一个好工程师，他们的价值甚至比两年前高得多，因为他们能产出多得多的东西，比如，他们很优秀。我认为法律领域也是一样，如果他们优秀，他们实际上能做很多非常好的工作。所以我认为更多的是，真正优秀的律师或初级律师价值高得多。是的。一直都是这样。对吧？是的。似乎甚至更……但它是，是的，它甚至更加两极分化。

19:30 那钱是从哪儿赚的？是……因为在战略业务里。对。我觉得你们聊的很多内容都特别集中在并购上，比如，那就是所有钱所在的地方，一个很简单的例子。哦，好。好。诉讼也是。大业务仍然在那里，而且非常有价值。所以他们会花……律师会把更多时间花在那里。客户关系，也超级重要。像CRM那样？不。就是花更多时间和客户在一起。比如，很多律所会，或者说历史上基本上就是免费做事情，只是为了维持和客户的关系。对。对。所以现在他们可以这么做，但不必在这上面损失很多钱。我以为我以为我只是……我得付钱给律师，就为了让他当我的朋友。就像，在这个对。不就是那个预聘费的事吗？对。对。那个……那是你告诉过我我可以免费做？就像对。你只需要找到合适的律师。对。行吧。酷。或者Latent Space得发展得大得多。我不知道。对。对。我们在努力。你知道吗？对。所以……好。所以所以所以你是说，你知道，显然，战略业务和所有这些高附加值的东西仍然在那里，但我们的法律费用并没有下降。但你也说过律师助理不受影响，或者，像，他们只是在转移。而这也是我们在……在Cognition身上担心过的事。就像对。人们担心那种措辞，比如，我们会取代你的初级工程师，因为没人喜欢那种说法。但实际上，是的，像，其中一部分确实会发生。其他初级工程师拥抱它，他们变得更有生产力，这正是你刚才说的。所以我想，像，这个角色或者这个正在……的工作有没有一个新术语？ 也就是在你的客户中获得了 traction 的那个？

21:00 你是说那个超级 AI 加持的初级法务？我还没找到什么说法。也许我们该造一个。不就是法务法务吗？那是我们的……而且现在也成了一个行业术语。对。对。CSJD。没错。对。对。对。对。也许那就是……还有另外一些人最适合做这类事情。我觉得那个带贬义的词“肉身代理”，就是你坐在机器前面，输入别人让你输入的东西，然后你重复机器让你说的话。对。但是，像，我确实觉得一个非常好的肉身代理就像……嗯，你很了解 agents，你也很了解 Legora，对。而且你知道怎么，像，这是我的工具箱，你知道，每个行业都有工具箱，对。而且我可以用我的工具去做你需要我做的事。但我想那你就不是真正的代理了。对吧？你实际上只是在做有意义的工作。对。就像我不再……像，你知道，嗯，我会聊表格审查，因为那……那是一个经常发生的事。我有数百、数千、数百万、数……数千。我想我们单个能处理多达一百万个单元格。在单个……那很厉害。对。我们应该聊聊那个表格和窗口化。对。至少，你知道，我，像……我在处理一个大案子。我有一百万份文件。我把它输进去。通常，我会扔一对……扔，像，一队律师助理锁在房间里。在那里，所以，像，凌晨4点。像，那不需要发生。对吧？因为现在他们可以提取它，你可以去重新提示一切。嗯。所以，像，对，我想现在我不需要律师助理做那个了，但是，像，一个好的、像，超级 AI 加持的律师助理会做别的事。

22:30 你知道吗？是的。对。没错。不管是什么。他们可以做更多事情，或者，像，把更多时间花在他们，你知道，以前没时间做的事情上。或者实际上睡个觉，谁知道呢？不。我有个问题。所以你们收购了一家公司，Qura。对。是这么念的吗？不。你们用自己的产品做了那笔并购？对。我们一直这么做。那怎么运作的？像，你能稍微谈谈吗？对。不。那运作得很好。我们经常这么做。我们的法务团队是……我是说，intake 是和我们的法务团队一起搭建的。因为现在，我们有一个 Slack 工作流，每个人都把他们的东西扔进去，然后他们说，这很烦人。对。对吧？而且低效，所以就像，太好了。我们应该用 Legora 来做这个。对。你能稍微谈谈那个吗？像，你知道，那个流程是什么样的？对。当然。所以它是……我们自己做了很多尽职调查，因为我们可以用表格审查和其他工具来做。我们仍然有外部律师进来，嗯。来，像，评估某些风险，或者，像，你知道，有……所以 Qura 很简单，因为它全在瑞典，但是，你知道，我们在加拿大做过一个，在澳大利亚做过一个，所以，像，澳大利亚的工资单。好。我们要不要让人更战略性地看看这个？所以在那里，我们仍然会用律师做战略部分，他们实际上可以当 sparring partner，在，像，如何弄清楚如何以正确的方式构建这个方面帮我们很多。但很多更琐碎的东西，我们实际上可以自己做。所以，像，很多早期的事情我们会发现，而且我们有过这样的情况：我们发现了一些东西，那是个危险信号，然后我们就踩了刹车。你能稍微谈谈其中任何一个吗？不，我想可以。好。 早期，你说过你们……你们早期的客户是瑞典的？嗯。比如瑞典的律所？对。你觉得和瑞典律所合作，跟和美国律所合作有区别吗？嗯。就是这类情况？而且你们主要合作的是那种很大很大的律所。对吧？

24:00 嗯，我们也……小律所也有。哦，我们一开始确实是从非常非常大的律所起步的，但50名律师的律所也能获得很多价值。对。那你有没有看到，跟瑞典的律所合作有区别吗？有。跟美国的律所比，也许甚至……嗯。我不知道，亚洲的律所？对。对。我觉得欧洲的律所行动得稍微慢一些。美国的律所非常积极，行动非常快。我觉得在美国公司里，这件事在他们的议程上也排得非常高，比欧洲公司更甚，我觉得。这就像是一件战略性的、超级重要的事。我们需要在这里做很多事。美国公司总体上，无论是企业还是律所，也都有高得多的意愿去定制构建东西。这几乎是他们所有人都想做的事。就像，嘿，我们想和你们一起构建这个巨大的东西，然后以任何方式把它结构化，而欧洲人则更像是，我们就直接用现成的，那他们想自己构建的东西有什么例子？集成到他们自己的……比如，有些客户构建自己的CRM、自己的文档管理系统以及自己的各种东西，他们想构建那个，然后他们想构建触发器，比如你在Salesforce里做一次审查，出于某种原因它会被送到某个人那里，他们做点什么，然后它进入Legora，然后再回去。而且有…… 所以那是简单的一端，还有一些极其雄心勃勃的，比如他们想和我们一起构建一个全新的产品，而我，你知道，我们其实做不到那个。对。对。但这绝对是一件事，就是美国公司真的比欧洲公司更想自己构建。

25:30 而欧洲公司则像是，嘿，你知道，他们会给你产品建议或者……对。当然。我是说，我们和所有这些公司都有很好的合作。对。所以他们会说，嘿，这个很烂，这个很棒，我们想要更多这个，然后我们就直接构建一个能做到那个的产品。好。所以他们不觉得自己的业务面临某种生存威胁？我是说……而美国公司则觉得有，或者……我不知道那是不是他们想要定制构建而非不定制构建的原因。我觉得他们双方都知道这对他们律所的成功和企业的成功极其重要、极其关键。所以他们……两者都极其重要。我觉得只是实现它的方式不同。好。另一个问题，我觉得也许你想提出来的是，比如产品指标。比如，你怎么知道，你知道，我们在这里确实在做一件好事？对。对。你怎么考虑这个？我猜那也和评测有关。所以我们有我们非常在意的常规产品指标。人们在我们产品里花很多时间吗？他们似乎从中获得很多价值吗？他们续约吗？他们经常回来吗？对于企业软件来说，我们的数字非常好，比如我们的DAU/MAU，以及，你知道，每月在产品里花费的小时数都极高。然后我们还做一些……我们也做在线评测，就是试着大致弄清楚，我们在这里解决了问题吗？ 只是用非常便宜的LMS地址，试着就有一个在线指标，然后我们也可以在做新东西的推广时用它。我们可以直接按功能开关来比较，好，它有没有改进，或者有没有灾难性地下降？因为实际上有一件可能有趣、但对我们业务来说很困难的事是，我们基本上不能看任何trace。我们不能看任何数据，因为全都是超级机密的。而这，像，合作起来极其令人沮丧，因为你基本上不知道人们在做什么。所以就像，这里有一个agent，它能做这么多惊人的事，而我完全不知道人们实际在做什么。赞助你的赞助商广告放在这里，触达正在构建下一个时代的AI工程师。

Latent Space的读者正是那些在交付agent、模型和基础设施的人。咨询赞助这个位置：business@latent.space →

27:00 我本来以为你们跟那家律所签了某种协议，然后他们会说，哦，但愿如此。是啊。但愿如此。不。但问题是，他们手里的很多数据甚至都不是他们自己的。对吧？那是他们客户的数据。哦。而且这些数据超级机密，所以我们不能看。所以基本上，我们有一个评测团队，试图去近似推测我们认为每个人都在做什么，然后把它构建进评测集里。哇。所以这真的就是这门生意里一个超级烦人的怪毛病。你能做改写吗？比如说，ChatGPT 有个斜杠反馈之类的东西。嗯哼。它能直接完整地设定它的完整轨迹。嗯哼。但显然，那对你们来说……那是不可能的。嗯哼。但你可以用 LLM 来改写，比如从这些真实的东西出发。对。造一个合成的东西，差不多足够接近，但把所有名字都换掉，把所有细节都换掉，但仍然……对。是啊。我们不能……这里……我是说，总归有一个范围，对吧，比如如果你一路改写下去，改到只剩三个值，然后你从中选一个，那显然没问题。如果你只是把名字去掉，那也许行，也许不行。是啊。就像，我们一般会选最安全的方式。是啊。因为，就像，我们尽可能限制自己，因为我们知道，应该完全没有任何风险。是啊。但有些情况是这样的，好吧，我们知道失败模式大概就是这10种或20种，所以我们可以把它归类到其中一种，那就是……对。一个有用的信号。我们也可以把它归类到任务类型和业务领域，然后我们就有一个大致概念了。这是我们一直试图想办法聪明地去做的事情。

28:30 另外，在隐私方面，我猜，即便是两年前，要让律所接受这件事也一定难到离谱。是的。但是，就像……对。他们怎么看待自己的数据被发送给 Anthropic 或者……是啊。是啊。是啊。那一定是个大问题。我们所有的基础设施都在 Azure 上。是啊。主要就是这个原因，因为，就像，我们刚开始的时候，律所的人会说，AWS？不行。就像……是啊。绝对不行。不信任 AWS。是啊。是啊。现在不一样了。不。但当时……有亚马逊、谷歌。我们不能信任他们来处理我们的数据，所以我们……基本上，我们不得不把所有东西都托管在微软上，因为他们已经在用 365 了。哦，所以他们现在能接受微软了？正是。因为他们已经为所有文档、所有 Word 文件之类的东西做完了各种安全审查等等。所以，就像，微软在他们眼里是已批准的供应商，所以我们不得不把所有东西都托管在 Azure 上，而过去几年这种情况变了。所以，就像，现在人们明白了，好吧，我们需要上云，我们需要做这一整套事情。那时候还有更多人在谈论本地部署。那种说法也完全消失了。人们明白，你就应该在云上做，而且它是安全的，而且可能比你现在做的还更安全。是啊。所以这变化很大。但我当时……而且说到底这才三年，所以，就像，这实际上……是啊。这……是啊。是啊。这是个巨大的转变。这……这……这……这很好。我是说，我为你们高兴，但是，是啊。我是说，我不指望，你知道，律所……法律行业在过去十年里 somehow 一直无视这件事。是啊。是啊。我觉得我觉得我们需要 AI

30:00 来踢每个人一脚，让大家明白我们需要稍微改变一下做事方式。好。好。那么，还有，现在开源模型变得非常好了。嗯哼。所以，是啊，你们怎么考虑这件事，关于……是啊。我们考虑的就是，就像你说的，让我们的客户一起跟上帕累托前沿。是啊。还有，就像，所有模型的地图，它们擅长什么、延迟、成本、治理以及区域可用性，我们怎么在所有这些维度上做优化？所以，有些开放权重模型在某些任务上很棒，那我们就在那些任务上用它们。有些我们会做后训练，还有些就直接用前沿模型。是啊。你称之为模型套利。是啊。你有不同的偏好。你对此做过一些研究，年初的时候你还坚定地站在 Anthropic 这边。是啊。Grok 进步很大。是啊。你想举一个例子吗，一个整体排名不高，但你想为它大声叫好的模型，说它出人意料地好？是啊。我觉得不是整体好。Gemini，早期 Gemini 中的一个，是啊，在某些类型的转录上极其出色。是啊。还有说话人归属。所以我们实际上用它来做转录。你们有……你们为什么要做转录？Granola？我们没有……我们实际上可能会做一个会议相关的东西。是啊。但这只是，就像，语音转文字、文字转语音、语音转文字，就像任何其他有这个功能的应用一样。而且我们实际上也会转录文件。如果你上传听证会记录之类的……哦。我们会把它们转录出来，转成文本，这样我们就能对它做所有分析。不用 ElevenLabs。不用 ElevenLabs，因为 DPA 的原因。跟数据处理协议一样，我应该说。 所以，我们的数据处理协议上列出的供应商非常少。是的。

31:30 因为我们只需要把它放在第一位。完全正确。我们需要对任何数据的去向保持极其严格。所以我觉得，不，这其实是 Gemini 和 OpenAI 这类平台的好处之一：你来找我们，我们拥有你需要的大部分东西，这实际上非常有价值。即使它不是最先进的也没关系。只要它对所有任务来说基本够用就行。是的。那谁还在乎呢？是的。就像，是的。不。绝对是这样。我其实还应该特别提一下微软的转录模型。他们可能想要 MAI-Transcribe？是的。好。它很棒。好。它比旧的 Gemini 更好。是的。是的。是的。他们确实取得了一些不错的成果。我不知道……甚至不知道，就像……我觉得，通常它们全都在 Arena 分数上排前二、前三、前四，这就够好了。是的。完全正确。而且就像，你拥有全部的治理能力，而且它超级可扩展，那这大概就够好了。是的。我想说的是，到了这个阶段，我们的……基本上语音转文字模型已经好到这种程度：你会觉得，哦，这里或那里错一个词，如果它出错了，那也……不？不？不。当然。就像，我做过很多次了。尤其是在法律领域，会有一些……我们遇到过这种情况，我觉得是……我忘了是不是在澳大利亚，法庭上对某个人有某种特定称呼，而它们会一直把它转写成 condom。哦。所以那里……是的。有些东西是你不希望出现在那里的。是的。但是……所以通常，你会在上面跑一层 LLM。是的。然后你提取一些关键词，再用这些关键词重新跑一遍转录模型。嗯哼。 就像，这大概就是我到目前为止的工作流程。是的。但是，是的，如果你……如果你只是在任何大规模场景下做过这件事，你就会在任何不属于日常普通对话的领域里发现大量大量的转录错误。

33:00 是的。绝对是这样。如果里面有某种术语，是的。那就会很难办。是的。就像，我觉得 Whisper 和 ElevenLabs 仍然会把 Claude Code 转写成 Cloud Code。是的。而且，就像，这……是的。我实际上遇到过这种情况。非常常见。是的。所以，就像，这就是你判断它的方式。还有，就像，有很多地方需要改进。是的。绝对是这样。我确实想稍微讲一下智能体产品这一侧。所以我们已经讲了一些顶层的东西。对吧？我们已经提到了 job tabular review。嗯哼。我们提到了 jobs intake。是的。而且你还有一些我们甚至还没涉及的其他东西。但我只想讲那两个大的，我们姑且这么叫，就像，是的。是不是……说它们是两大产品公平吗？智能体和表格审查？还有我们的……以及项目。大概是的。是的。还有我们的 Word 插件。好。也是某种……因为那个……很多人是在 Word 里面工作的，所以我们的 Word 插件是一个巨大的……还有 Outlook 插件也是。是的。所以我只想讲那些每个人都必须知道的大产品。是的。所以表格审查基本上就像是扇出，就像对每份文档大量地……你可以对所有文档问同一个问题。完全正确。在表格上。是的。然后来回操作。然后可以……是的。一百万很 impressive。有什么……还有其他工程方面的考虑或性能方面的事情吗？比如，什么……这件事难在哪里？在我们做那个之前，你能不能先讲一下，比如，对律师来说用户体验是什么样的？然后，就像……好。 其实，是想用表格视图吗？是的。是的。就像，他们在用表格审查做什么？是的。然后我们可以再深入讲那个。

34:30 当然。是的。是的。所以他们……通常是……我的意思是，一个很好的例子就是尽职调查，对吧，就像，我们需要审查所有雇佣合同、所有供应合同、所有各种各样的合同。所以雇佣合同，你把 10,000 份雇佣合同放进去，然后你……就像，每个单元格是一份雇佣合同？每一行是一份雇佣合同。然后对于单元格，你基本上是提问。所以，就像，第一个问题……第一个……不，抱歉，是按列。所以第一列可能是，终止期是多长？然后它就会为每一份都填好。是三十天或者不管是什么。下一个问题是，是否有知识产权转让条款或者别的什么。下一个是，比如，多少，你知道，如果我们解雇他们需要付多少钱，或者不管是什么，比如他们拿多少薪水？然后它就会把整个都填好。你也可以直接让智能体来做这件事。就像，如果你把 10,000 个文件丢进智能体，然后说，对这个做尽职调查，它就会启动一个表格审查，把所有的都跑一遍，等它完成，然后分析结果，接着它可以标出，比如，危险信号。好。这个……CEO 拿了高得离谱的薪水，或者有某种奇怪的奖金结构。好。然后，就像，显然，我们需要看看那个，然后智能体可以据此起草一份备忘录发给客户，或者它可以只做审查，然后让，你知道，律师、用户，就说，好，我们来看看这个，这些是危险信号。还有协作幻灯片，你可以在上面评论，让其他人看，等等。 那你为什么选择那种，比如说，电子表格的形式呢？是的。它就是好用太多了……它用起来超级简单……在里面操作。真的很容易就能快速总览正在发生什么，也很方便审阅。所以我们产出的所有内容也都带有指向源文件的引用，因此你基本上可以非常轻松地审阅。如果你只是想确认一切都没问题，你还可以，比如，高亮单元格，把这些标记为已审阅之类的，这些是被标记出来的，你可以评论和协作。这比我们试过的任何其他形式都容易得多。是的。

36:00 我得说，电子表格这种形式在某些领域很有吸引力，但不知怎么的并没有真正扩散开来。嗯。我……我觉得这很奇怪。比如，Clay 是 GTM 那边的另一个例子，你知道，以电子表格非常出名。是的。你们……我真的不知道还有谁在做大型电子表格 AI 这种东西。没有。没有。之前有过，比如，V7，好像尝试推出过……有，比如，sheets，有……即使在金融领域，我也真想不出一个做电子表格的顶尖名字。那真的非常……是的。不。我同意。我觉得这是一个很棒的……如果你有扇出，你做完全相同的事情，然后你……你在提取东西，它真是一个很棒的形式，能让你理解正在发生什么。你有没有发现，比如，你必须导出到 Excel，还是说人们乐意待在你的电子表格里？人们乐意待在那里。你们用 AG Grid 还是自己的……我们确实用 AG Grid。AG Grid。那似乎是领先的那个。我是说，他们做这个已经，我不知道，十五年了。是的。是的。而且他们知道怎么……是的。所以……好。是的。我是说，我对这个……那个电子表格的角度很满意。我是说，我觉得从工程角度唯一另一件有趣的事就是扇出。是的。工程师们也许能……他们很有能力理解权衡，比如，好吧，在你对一百万份文档使用扇出之前，也许先在，比如，两份上测试一下。

37:30 嗯。是的。而且……是的。是的。在你大干一场之前，这行得通吗？是的。他们会那样做吗？是的。他们会的。我们的表格视图实际上会先跑前 10 行。是的。就检查一下。对吧？是的。这说得通吗？它有没有向我们展示我们以为它会展示的东西？是的。那真是……那真的很好。哦，而且对人们来说，当人们构建这个时，对他们来说，在前 10 行上快速迭代真的很好，直到，比如，他们有了……他们得到了想要的结果，然后他们就可以放手大干。是的。我很乐意继续讲下一件事，intake，也就是你们的 Slackbot。是的。是的。每个人都有 Slackbot。你们的有什么不同？所以我们的就是专门针对法律的，我们这个东西的情况是，它实际上并不……它可能也……我们……我们可能也会构建一个只是智能体界面的东西，但它实际上是专门用来基本上启动一个智能体，然后该智能体把任务加到我们的列表里。所以我们有这个列表功能，就像 linear 一样，对于……你知道，那是最接近的对应物，所以它会把它加到一个特定的 intake 列表里，然后律师和智能体可以进入 Legora，就像，好，这些就是，你知道，人们作为我们的律所或者作为大公司里的法务团队发给我们的东西。我们可以为它们启动智能体，我们可以在上面协作，然后我们就可以把它们标记为完成，然后它就会被发回 Slack。所以它更像是一个……它不只是启动一个智能体，它更像是一个，我不知道，店面式的东西，就像，嘿，这是工单，我想让这个东西被审阅。好。现在它不……它回来了。没人需要改任何东西，法务团队就坐在 Legora 里，比如，管理智能体和那里的一切。 我觉得这类东西的数据结构真的很有意思，因为它基本上就是收件箱，对吧，用来接收所有这些查询，而这些查询有可能转化成某个东西、转化成别的东西、转化成……而且，比如说，我我不知道。把所有这些和其他所有功能集成起来难吗，还是你们干脆不担心这个？

39:00 这……不，不难。我觉得我们有一些非常好用的原语。所以，比如，列表就是一个很棒的原语，因为它本质上是……它极其灵活。也像 Notion 数据库。是的。一个 Notion 数据库。它就像一个 Notion 数据库，所以你可以基本上按你想要的方式配置它，而我们当然投入了很多，让它超级可扩展、运行得非常好，你可以在上面设置触发器、自动化，它就像很棒的胶水，把所有东西粘在一起，因为这样你就可以基于列表在发生某事时启动一次智能体运行，然后它回来填充某个字段或者别的什么，添加新文档或者不管是什么，所以就像你可能用 linear 或某种任务管理工具来协调一堆编码智能体一样，我们可以用列表类似地做到。所以智能体可以创建列表，列表可以创建智能体，智能体可以读取列表，所以就像，智能体集群活了起来。是的。人们对此感到兴奋还是不知所措？你知道，就像，我我觉得是的。这基本上就是终端用户编程。你……你知道，你可以让人们设置疯狂的自动化。有些人对此超级着迷，他们变得，比如，比如，你知道，如果有，比如，是的。我们有意见领袖。是的。那值得吗？太复杂了吗？我们需要这种灵活性，即使我们实际上并不把它暴露给终端用户。 假设这一切都只在内部使用，那对我们来说就是一种非常快的方式，让我们能利用法务工程师，基本上极快地构建大量产品。所以你可以构建自定义的基金管理仪表盘。你基本上可以在列表上用自己的生成式 UI 把它搭出来，然后你就有了一个新产品，有些人会很喜欢它，我们还可以拥有一个由一堆专业化产品组成的市场，并且能超快地扩展，因为我们所有的法务工程师都能直接构建新的产品。如果他们正和客户在一起，哦，你想要你自己的？简单。我们给你修一个就行，所以这有点像 Legora 内部的 Lovable，而如果我们不想把它暴露出来，那也是我们构建自己自定义功能的方式。所以我们在英国又做了一次收购，叫 Wexler，他们在做事实智能，主要用于诉讼，也就是你为一场官司之类上传一百万份文档，然后我们用命名实体和日期之类的东西从中提取事实，等你有全部事实之后，你基本上可以把它们互相对照，看看哪些得到了印证，哪些是，怎么说呢，不一致。

40:30 他们，你知道，这极其强大，因为这样你还可以转录庭审，然后你就可以说，哦，他说了这件事，但实际上，这边的邮件说当时他并不在场。而且就像，如果你现场看到它，那真是酷毙了。是的。而且我们还可以构建在这个原语之上。所以，就像，我们基本上可以在这一个原语上构建很多非常酷的东西。这就是我们的思考方式。就像我们必须……随着公司规模扩大，我们就是必须解决太多事情，所以，所以我会大量思考我们如何构建一个核心原语，让我们能把它扩展到许多不同的终端产品，并创造出高度可定制的体验。好。所以你有……你有哪些核心原语？我们给大家再复述一下。这是一个核心的。是的。哦，它是核心可配置的。是的。项目。是的。基本上就是文件的容器、文件系统。是的。当然还有智能体，你可以启动它，并以非常不同的配置运行它。

42:00 顺便问一下，你们给这个智能体起名字了吗？没有。我们没起。没有。好。嗯。没有。你是说，比如我们叫它 Leya 之类的，还是说我们给它起了个名字？没有。嗯。嗯。Leya 会挺酷的。嗯。嗯。人们以前会把 Leya 当作一个有名字的实体来谈论。嗯。但是，嗯，我们不再那样了。好。也许我会把它恢复。可能会让人困惑。我不知道。所以列表，表格智能体审查，表格审查。这个，我们正在考虑的是，它实际上是不是……的一个实例。你可以把这个想得多细都行。对吧？但这些可能是最大的几个。嗯。嗯。所以我其实想稍微谈谈 FDE，因为这听起来有点像。嗯。那个，而且我觉得 Max 也稍微谈过一点。就是，好，当你引入一个新的大客户时，你想尽快让他们获得价值，这样，你知道，他们就会留下来。完全正确。留在 Legora。对。嗯。这是怎么演变的？你们什么时候开始那个前置部署团队的？所以我们招了第一个前置部署工程师。那也是我们第一次在纽约，也是 YC 创始人，大概九个月前？我不太确定。他们算法律工程师吗？不算。好。真正的工程师。但我们确实……这是我一直在思考的事情，就是，我们究竟如何大规模地实现这一点？我认为一个非常核心的事情是，我们如何赋能我们的法律工程师？我们如何赋能我们的高级用户和法律工程师，让他们以强大的方式定制产品？然后，当然，我们仍然会有前置部署工程师来帮忙，你知道，做所有自定义集成，以及范围界定和弄清楚什么是可能的，并把所有这些反馈到核心产品开发中。所以这大概就是我的想法。 这几乎像是第一道、第二道防线，而法律工程师应该能够定制很多东西并打造出色的体验。然后在他们做不到的地方，或者我们需要做核心产品变更或客户情况之类的，就让前置部署工程师也稍微在后面轮换进来，有时他们就直接做产品，有时他们会做。可以。

43:30 你能带我们走一遍一个例子吗？比如，好，你刚拿到这个新客户，第一步是什么？你们是不是就说，好，嘿，我们给你们安排了一个前置部署工程师，他们会去给你们构建。某种产品，那是怎么……所以这因客户而异，对吧？嗯。但如果是个大客户，而且他们非常投入，他们想要……他们有所有这些想做的事情的梦想，或者他们已经有……通常，他们已经尝试过构建某个东西但失败了，然后他们说，这就是我们……这是我们想解决的问题，那我们基本上会给他们配备法律工程师，可能还有一个前置部署工程师，取决于，你知道，他们的情况是什么，然后我们就会说，嘿，这些人会来，他们会让你成功。他们会和你们所有的律师坐在一起，教他们怎么用，并且弄清楚你们现在所有的流程，然后把它们构建进 Legora。其中一些只需要法律工程师，一些则需要前置部署工程师。那个分工是什么，我猜？如果你能稍微谈谈那个。法律工程师像高级用户那样配置产品。他们不写代码。嗯。嗯。 而前置部署工程师基本上就是把代码写进生产环境。我猜这就是那个……对。前置部署工程师在……通常有什么样的背景？他说，YC 创始人。对。创始人、普通工程师，

45:00 老的……对。对。D 是你的……对。没错。D 是我们的第一位。对。两家 YC 公司，还在 Meta 做过搜索。对。她很厉害。好，那门槛很高。她很棒。对。对。第一批落地美国的人。对。那他们为客户构建的工作流或东西，有哪些例子？还是你们有那种，哦，这些就是……你知道，有几个用例，基本上所有律所都会说，你知道，这是我们 FDE 进去后要做的第一件事。情况很不一样。好。有些核心工作流大家都有，我们可以直接在 Legora 里构建，可能是任何东西，比如我们这样处理这类 NDA 之类的。然后你只要激活它，这更像是为 Elise 做技能建设，真的。而大多数 FDE 的情况更像是，有些事我们还做不到，比如我们需要在某些原语上有更多灵活性之类的，或者我们有一个非常复杂的系统需要集成，然后他们就会去现场，针对我们的 API 构建集成，也许还会扩展我们的 API 之类的，让那件事跑起来。那法律结构在那里是怎么运作的？因为你说过你们自己甚至不能处理交易。对。对。那他们怎么参与客户项目？你是说律所怎么参与客户项目？怎么……抱歉。你们的 FDE 怎么参与客户项目？所以他们仍然不碰数据。 所以他们只构建系统。好。但有时他们也会像员工一样被入职。比如，他们可能会拿到笔记本电脑之类的。入职到律所？对。对。因为他们需要。有意思。这种情况不常发生，因为通常他们只是构建一个集成，然后差不多就能用了。但他们，对，如果需要的话可以。

46:30 我猜你们只会在客户达到一定规模时才让 FDE 入驻？对。对。好。这两个说得通。因为我们的 FDE 也能做核心产品。对吧？所以这就像是……一个持续的优先级排序问题。有没有规则，比如，我猜，是不是每个……就像，你知道，Palantir famously 有那种，你知道，四天在现场，一天回来给产品做贡献。有类似的东西吗？没有。我们没有。我……跟你们完全说实话，这在很多方面仍然还处于早期。我是说，你觉得它会走向哪里？也许未来一年？我确实认为它会变得更……也许不完全像 Palantir，但，我们……我认为我们会有一个更大的、持续流动的 FDE 群体，他们也许会在一个客户那里待两个月之类的，把这一件事构建出来，然后去下一个，等等等等。对。但我确实设想我们会带着法律工程师和前置部署工程师一起进场，去参与具体项目。对。API 业务其实很有意思，就像你说的，因为，你知道，那是你可以有的另一条规则，你会是 Legora 平台的 CTO 维护者。对。对吧？比如，我们会把 Legora 网页应用里的一切都作为 API 提供，对，然后你们就可以随便用什么。这是你们做出的承诺吗？ 或者，这不是我们现在承诺的事情。是的。我们确实有可以基于其构建的 API，但不是产品的全部功能面。有意思的地方在于，这就是策略吗？还是……而且显然，你知道，有些人会很喜欢，因为我不必学习新工具，我可以直接用现有的工具。对吧？然后我就，比如，安装 Legora，处理 Word 文档那些东西。除此之外，你知道，我确实认为，那你就得维护它。

48:00 完全正确。就是……所以这一直是我的想法。这就是为什么我们尽量不去做。我们一直没有 API。我是说，我们大概六个月前才开始做 API 之类的。我们抗拒了很长时间，主要是因为，对，我就是不想……我们在产品上推进得太快了，我不想因为要为已经改过的数据模型维护旧版 API 而被拖慢。我是说，现在我们规模更大了，情况不同了，所以现在这是我们能承担的成本，但当我们只有 20 名工程师时，我们推进得太快，做不了这个。我必须指出这一点。对吧？就像，一般来说，所有公司都拥有一个平台团队和一个产品团队是好事，因为产品团队，你有一个，但只要平台不与产品过度绑定，你很容易再启动第二个。对。对。对。你知道，一个非常简单的例子就是网页应用和移动应用。对吧？或者，网页应用、移动应用、RTP，然后，你知道，随便什么，对。其他集成。那么你的 FDE 就只是整个平台的又一个客户端而已。对。而且我觉得，甚至智能体，你也可以这样想。有一个 harness 团队，或者一个……运行智能体的团队，然后你甚至可以…… 你可以围绕它构建产品，比如技能、自动化之类的。对。这就像是非常著名的亚马逊网络服务的规定。嗯。就像贝索斯说的，所有东西都要通过 API。不再有后门访问。你只向其他团队提供你向客户提供的同样的 API。嗯。如果你没有，你就去构建它。对。然后客户也能得到它。对。我觉得我觉得这也在稍微改变。现在很多很多 API……比如，我们正在尝试的一件事是，智能体能不能就是 API？我知道这听起来很奇怪，但是，对于其中一些东西，他们真正想做的是触发某些事情发生。对于其中一部分，它可以……你可以只是……我不是说我们正在这样做，但这是我脑子里在琢磨的一件事，那能不能就是，好吧，你触发智能体，让它去做这件事？比如，显然，这比你一直拥有的 API 效率低得多，就像，你知道的，但我在琢磨的是，我们的产品有多少可以只是智能体，而不是所有其他东西？

49:30 嗯，你知道，无界执行、成本和延迟。这就是……这就是……这是唯一的全部问题吗？这就是……对。然后我觉得还有确定性问题，比如，也许在100次中有2次，它会做出我们不想让它做的奇怪事情。我们稍后会谈到harness和模型微调。但我觉得这里有一个关于克制力的产品问题。嗯。关于你不做什么。对。因为你可以做所有这些，而且显然，存在优先级问题。比如，你是……更倾向于对大多数事情说不，然后只做少量的事情？还是不。实际上，我们想做更多事情，我们只是需要雇，比如，100个人？很长一段时间里，我非常强烈地支持第一种做法。我们就对所有事情说不，比如，保持工程团队……我想我以前说过这个，但是，比如，我们的一个演示中，在我加入Legora半年后，我调出了这张幻灯片，你知道，300斯巴达人，还有还有还有。对。电影里的，我说，我们公司余生就只会有20名工程师，而且，比如，我们会打败所有规模大得多的对手。我们现在有100名工程师了，而且感觉我们规模太小了。我本想那样做，但我觉得在现实世界中，我们处于，比如，激烈的竞争中，人们想要太多东西，就像，我可以做一个清教徒，只说，不，我们必须保持20个人，我们只能构建，你知道，随便什么，但那样我们就输了，而且，比如，人们会去别处。所以我们必须构建更多，因此我觉得我的工作是弄清楚如何构建一个系统，让我们可以构建很多，但实际上只……比如，让我们可以…… 客户感觉我们构建了很多东西，但实际上我们只构建了少数几样东西。这就是我现在对我工作的看法。

51:00 对。我是说，原语是对的，你知道吧？对。没错。我觉得那会非常……那真的很强大。做新产品测试，就是看看，比如，嘿，这里有没有，比如，任何吸引力，然后你就有点，比如……你就，比如，不。我们就专注于我们的主要事情，或者……我们还没有做……我是说，我们做过某些战略押注。对。但我们没有尝试过任何我们还没有很大信心的事情，主要是因为我们只是有，比如，足够……足够的需求。对。就像，我们想要所有这些事情，所以它并不……对我们来说，尝试像，嘿，什么……也许这个东西能行，并不太合理，因为，比如，有那么多人在为其他事情呐喊，所以我们主要构建那些，然后有时我们会不同意客户的意见，我们会说，实际上，我觉得这边这个东西在战略上会很有意义，然后我们还是会尝试去构建它。比如，对你来说有战略意义？对，没错。我们看到的那些是哪些？其中之一实际上是智能体。所以，比如，实际上没有人要求，比如，我想要……我想要我使用的助手有更多自主性，不用我问就做事，比如，没有人，从来没有人，但我们就是觉得，这绝对是行业的发展方向。这会让你能够做很多很酷的事情。协作是另一个，我们觉得，我们认为行业正在走向一个你可以在你工作的地方内部协作的方向，也就是在Legora里，而不是在，比如，电子邮件和短信里。所以，对，有少数几个这样的例子。

52:30 然后，怎么做……比如，一旦你说，好，对，我们希望你们用智能体，我猜，比如，在律所内部，你知道，他们得花很多功夫才能真正学会怎么做。对。所以这就是你有点，比如，说，嘿，FDE 进去教他们怎么……对。主要是法律工程师。哦，法律。别。对。这说得通。但他们，比如，有些人愿意的话叫他们前置部署法律工程师，但本质上就是这样。然后他们进去，对，帮忙，帮他们围绕智能体的能力来构建工作流程。你们之前说过，我想 Max 说过这个，但早期具体来说，你们并没有微调自己的模型。现在还是这样吗？对。所以直到我想现在过去几个月，我们都没有微调过任何模型，开源权重模型已经变得极其强大，所以对于某些任务，如果我们认为前沿模型在成本和延迟上能做到的，与我们认为后训练模型能做到的之间存在巨大差距，我们就会去做。法律研究就是一个很好的例子。就像你必须做……这是一个扇出检索问题，你可以通过那些查询非常快速、非常便宜、低延迟地做出一个非常有效的模型。所以具体来说，你们后训练它们是为了让它们更擅长？非常具体的。对。有边界的。没错。好。对。我们不是想，比如，训练我们自己的 Fable。对，比如，成为主智能体。我我不觉得那是个……我们赢不了那个，你知道，对比 Anthropic，大概率。在检索研究或 RAG 研究方面还有很多，比如说，要做。对。

54:00 那可能没那么光鲜。有时候甚至不是模型训练，就只是架构和流水线。你们和 turbopuffer 做过一个案例研究，但，比如，你知道，还有……比如，你们做晚交互吗？是的。绝对做。你们你们做那个。对。我们其实不做那个，但……你完全说得对，这是……所以团队里有一个人，Song，他……他就是特别在意搜索，他基本上老来找我，他说，哦，我们应该做这些事，比如，有这些新的嵌入模型，比如，我们可以做这个晚……还有晚交互。他其实跟 turbopuffer 团队谈过，让他们构建多向量，这样我们就能做这类事情，但，不，一般来说有大量容易摘的果子，甚至在模型之前，甚至老实说在 harness 里，比如，如果你只是想为我们的客户创造更好的输出，比如，有太多事情我们可以在训练模型之前做，而且有立竿见影的效果。对。比如，什么才算法律行业的好 harness，我猜？比如，你们在做，我猜，比如，你们自己的定制 harness。对。对。对。我们编辑文件的方式很重要。我们做分析的方式很重要。你做法律研究的方式全都烘焙在里面。所以就像，你可能遇到一个问题或看到什么，然后它知道怎么去做法律研究，弄清楚答案是什么、先例是什么。那都非常重要。然后，当然，还有围绕它的所有治理相关的东西。对。看起来搜索大概，你会说搜索是你们最在定制的、最重要的工具吗？因为如果你拉不进正确的信息，对。然后你就，对。 完蛋了。你完蛋了。这……对。我觉得这这这你们在搜索，比如，大量文档。还有分析。对。对。是搜索，是分析，大概还有起草。好。因为，比如，起草文字……起草巨型合同其实也不是特别简单。

55:30 比如，它哪里不简单？因为你得……假设你从零起草一份巨型合同，那你就得找先例，我们之前是怎么做的？我们需要这类条款A还是特定律所？他们之前是怎么做的？对。所以我就是那家律所，我正要起草一份巨型……随便什么。NDA很简单，但，比如，有些……有些合同要复杂得多，然后你得先找到正确的先例，因为，比如，律师不会就，比如，坐下来，比如，开始打字。他们会弄清楚我们在类似交易中用过哪些条款，而“类似”可以有很多不同含义。我相信你在搜索里也知道，可能是同行业、同类型公司、同样的随便什么。所以你得找出对的人，而且你可能有多份文档，然后你要试着弄清楚该从哪份文档里取哪部分，这其实并不简单。所以它本质上也是一个搜索问题。哪个模型最擅长起草？对。那我会说……昨天有人告诉我这个很完美。Fable和Opus绝对特别话多。我相信你们已经知道了。它们非常啰嗦。所以那不好。那通常不好。不。我注意到Astra在写作方面相当不错。Astra……对。写作相当不错。它简洁得多吗？你跑过，比如，100个不同的提示来，比如，对。确定。我们我们可……对。 我们可以我们可以我们可以做某些事情，但我觉得话多啰嗦其实对我们来说有点难做到。哇。所以这是……我觉得，你知道，我们看看。但Anthropic的下一个模型大概会在这方面好得多。Astra其实非常简洁。

57:00 对。对。而且我我假设他们他们都和你有个Slack频道，你在跟他们说这些。对吧？比如，对。这对他们不是新闻。不。不。他们知道这个。然后另一件我真正在意的事是幻觉。嗯。他们会编东西吗？所以我们有一套……引用系统，我们基本上检查他们写的内容有没有链接，这样用户有个链接，可以点击，它会用边界框高亮，比如在PDF里或随便什么里，标出这个信息是从哪里来的，我们多少能确保它说的东西总能在某处被引用，甚至向下多层。所以，比如，如果智能体基于表格审查写了什么，你知道，它可以引用表格审查里的单元格或表格审查里的行，这样你其实可以点击向下多层，找到，你知道，一路向上验证它。对。你发现律师会，比如，验证这些引用对不对吗？最最初，这有点像别的一些工作，但现在……对。正是。是一回事。妈的，比如，幻觉出的最高法院链接。他们不在乎。那会发生。对。正是。那会发生。对。我我觉得这就像编程，你知道，有些工程师根本不在乎，就，比如，派智能体去干，还有些人会，比如，坐下来读每一个逗号。一样的描述。就是，比如，那么多，比如，一个人怎么可能做得到？对吧？对。但我觉得他们大概…… 就像我们在代码审查中知道要查找什么一样。是的。比如，系统是什么之类的。我觉得他们也知道，好吧，这就是那个东西，这些是红线……比如，这就是重要的东西，让我就，比如，再核对一下这些东西，而且，比如，这些听起来合理，所以大概没问题。好。有意思。就像如果你收到一个初级律师交来的东西，你做的也是同样的事，对吧？就像，我应该再核对一下这个，而且，比如，这大概没问题。还有别的要素吗，我们姑且称之为法律推理，或者说模型目前还不够好、而你希望下一代模型具备的法律前沿能力是什么？我现在具体想不出什么。我觉得长文档推理仍然很难。长，比如，百万token的合同基本上就是——你有一份巨大的合同。是的。而且，比如，你要在整份合同里做修改，这对今天的模型来说都是件难事。我记得你把这些地方全改了，然后，比如，定义变了，还有你……顺序变了，等等。所以，最简单的就是一次性搞定，你把所有东西都喂进去，然后一次性输出。

58:30 是的。你不那么做，你把它拆成块，然后编排编辑。是的。正是。正是。而这就是这个行业里参与起来很有趣的那些事之一。对吧？所以我们的Word插件，就像是，我们已经做了，你知道，我们做过MapReduce，我们改过，有过一个大版本，而且有过好几次一个大版本。就像，我们一直在改——是的。随着模型变化，我们围绕它搭建的脚手架。是的。我我我想说，我我我最近……我做很多新闻报道。嗯。显然是因为我做的事，而我最近从MapReduce转向了在这些上下文之间抛来抛去。这样更好。是的。但它也……它不一样。我是说，我们在搜索上遇到过这个问题，就是，你在一份巨大的合同里搜索某些东西，你可以对它做map reduce，但那样可能……如果你是在总结任何东西，那它可能会丢失一些重要的细微差别。对。本质上是在块与块之间，如果你只是把各个部分分别总结起来。所以这一直是个问题，就是，我们可以做两种搜索，我们也可以做另一种，就是，你需要在中间的不同步骤里进行推理。所以我在想一个真正好的例子。有些文档里，他们长篇大论地谈论某件事，比如，谈了两页左右之类的，然后每个单独的块不一定与搜索词或他们想弄清楚的东西相关，但合在一起就极其相关。所以，是的，这些就是，你知道，一些问题，就是……而且这一定很难，

1:00:00 就像你之前说的，要真正让模型在这方面变得更好，因为你甚至没法查看合同。对吧？正是。你们有没有问过他们，比如，嘿，你能不能——可以。生成一些与真实合同相似的示例合同？可以。所以我们有反馈，我们可以从他们那里收到反馈，而且如果他们真的很投入，对，正是。或者他们只是说，嘿，这个对我们来说超级重要，而且它运行得不好，然后我们就说，好，太好了。你能不能把文档和问题之类的匿名化，然后我们会……我们……如果我们能复现它，那我们就能修复它。对。我是说，所以这件事的一个版本就是你去收购一家律所。对。有些人正在考虑这么做。是的。但有一些……我们……那里有一些问题，就是他们的数据到底是不是他们自己的数据，还是客户的数据。所以如果他们的客户都走了，那也许就没问题。我其实不知道。有意思。对。但这是……是的。这是获取大量数据的一种方式。对。像谷歌就在收购Spiritualize。正是。对。收购了——对。他们收购了那个……对。对。就像，你知道，如果你有一家失败的公司，你还有你的Slack。你可以卖掉你的Slack。我觉得好像有一家YC公司会收购你失败的公司。是的，有。对。对。因为，就像，哦，我只想要真实的人在干活。正是。然后，对，所以就像——正是。把东西提取出来。正是。收购律所数据的问题在于……嗯，你能拿到所有输入，真实的输入，这很棒。输出就稍微难一些，因为你只拿到他们的最终结果，而且很难弄清楚，比如，方式……你基本上得逆向工程他们是怎么走到那一步的。 所以在我们的产品里，当我们从真实用户那里拿到真实的trace时，它的价值极高，但如果我们只拿到这个输出，而且我们不知道它是好是坏、是怎么产生的，那就有点困难了。

1:01:30 我们很快就要收尾了。我要给大家指出的最后一件事是，embeddings上还有很多alpha空间。如果你是一个RAG重度的工作……负载，你只是看MTEB然后拿个顶级模型，那你桌上留了很多没拿的东西，你应该看看Voyage或一些自定义embeddings。你深入过这个。对。所以基本上，不要用默认embeddings，就算是OpenAI embeddings、Gemini embeddings，都无所谓。定制你的embeddings。对。对吧？是的。你们你们你们会支持这个。是的。我觉得这是对的。我觉得这是对的。唯一一点是你需要确保你是多语言的。所以对我们来说，我们服务那么多语言，所以那是世界之王。对。对。正是。Mistral在这方面有帮助吗？没有。直到……嗯，直到现在，他们刚融了一大笔钱。对吧？所以也许——对。我们看看。你们最好——他们也融了一大笔钱。你们会成为你们的拥护者。就像我觉得我们需要更多模型公司来自……来自欧洲。是的。我只是想问你，比如，你对未来一年，比如，法律行业有什么预测？我们之前问过一点这个。对。我会把它改成你的第二个问题，也就是两年后，律师会在Legora里做他们的工作，还是会用Claude或TrejoC之类的其他工具，然后调用Legora，就像，你知道的，API？

1:03:00 对。对。对。对。我觉得两者都有。这真的取决于情况。我觉得如果你是一家大型企业，你可能会用Claude Cowork，然后你会……这……我觉得这类似于我通过Claude使用Linear的方式，但我仍然会去用Linear。我觉得企业会这么做。我觉得律所会直接用Legora。对。因为那更简单也更好。对。这有点让我想起医学领域的OpenEvidence。就像，你基本上就是法律领域的那个。对。对。正是。在编程领域，已经到了这样的地步：人们……实验室会因为你和他们竞争而切断你的访问，这已经发生过两次了。对。你觉得法律领域会发生这种情况吗？不。我不这么认为。我觉得因为，你知道，他们正在推出法律服务。对。对。对。他们确实在推。我不……我的意思是，我们显然经常和他们交流，但这也……就像，嘿。你们会……你们的销售代表会说不会。正是。他们不做决定。正是。那不是他们要做的决定。对吧？而且他们往往甚至不知道实际发生了什么。我不认为……我不认为情况是这样。他们在知识工作中，或者在一般意义上的企业知识工作中，有太多东西要覆盖，所以法律必须成为其中的一部分，就像数据分析必须成为一部分一样，还有销售、营销和财务。所以，他们必须在那里做好事情，但他们永远不会像我们做得这么深。而且我觉得如果Claude接一些小客户，小的，你知道，企业客户，他们通过Claude处理一些法律事务，那很好，那没问题。但如果你在做一笔，你知道，4亿美元的并购交易，你会想要Legora。 我有个不太相关的问题，但我很好奇，你们会去法学院，然后有点像让他们在课堂上教Legora吗？比如，那是怎么运作的？

1:04:30 对。这绝对是我们正在做的一个项目……我觉得我们已经开始了。我其实不太清楚我们具体进展到哪一步了，但我们确实希望法学院的人能对。学会使用Legora。比如，你看到法学院在大量改变他们的课程吗，还是不太会？我不知道。我我我其实不太清楚。有意思。我其实会换一种方式做。你们应该为法学院设立面向CS专业学生、面向工程师的奖学金。我们会覆盖你的……CS学位？对。我们会把你送进法学院？CS加上一些软件经验，对。我们会把你送进法学院。对。我们会覆盖费用。或者你做那种，比如，硕士……比如硕士加JD项目？对。他们不在乎那个硕士。对。嗯，意思是，因为有很多人本科没学CS，所以他们就读个硕士，只是为了有点像补上来。对。对。我我不知道。我不太常见到那种情况。对。对。人们会读JD MBA。那是有的。对。但JD加CS，我没见过。对。也有。对。对。对。好。总的来说，你知道，进展非常令人印象深刻。我的意思是，恭喜你取得的所有成功。比如，你还会保持这个节奏吗？比如绝对会。对。你知道吗？而且我觉得你们在旧金山、纽约招聘。我们在……对。工程方面，我们在纽约、斯德哥尔摩和伦敦招聘。对。至于所有其他职位，我们到处都在招。你们现在在纽约有多少人？100。大约100。好。那你们计划在纽约有多少人？在纽约？对。就比如，总体而言？就说，对，总体而言，总体而言。

1:06:00 很多。尽可能多。对。这这这很有侵略性。对。我是说，那……那就是公司法的老家，对吧，就，比如 确实是。对。中美洲的历史。所以，就像，对。我是说，我很期待你买下一家律所，然后，就像，你知道，成为…… 对。对。这这真是太令人兴奋了，去…… 我觉得，就像，你知道，每个行业，尤其是，比如，顶尖的，比如，医生、律师、程序员，你知道，他们都必须有，比如，你知道，两个或者智能体实验室，就，完全主导这个领域。我同意。所以你们有，比如，一个很棒的市场。对。很好。我也这么认为。而且我觉得它只会变得大得多，随着，比如，法律变化和变…… 对更多人变得更可及。对。另外，我觉得，比如…… 我是说，我们已经，比如，超级过度了，但是，比如，你们研究的问题非常…… 比如，前沿知识工作。你知道吗？对。它们…… 好。除非你真的是，比如，在做，比如纳维-斯托克斯。科学纳维-斯托克斯和科学。除此之外，比如，大多数工作，比如，基本上都收敛到法律。对。最终都是法律。对。招聘、金融、一切，我都得咨询我的律师。对。我知道。我知道。这就是为什么我觉得这是一件非常令人兴奋的事去做，因为现代社会在某种程度上靠法律运转。对。对。酷。好。就这样。谢谢。酷。谢谢。谢谢。

感谢阅读感谢阅读

保持稍微领先于曲线。