Legora CTO Jacob Lauritzen 谈为律师构建 AI Agent

在本期节目中，我们在 Legora 两周前宣布以 88 亿美元估值完成 5.5 亿美元 E 轮融资后，与 Legora 的 CTO Jacob Lauritzen 进行了对话。我们聊了为律师打造 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个地下室，最初的产品很简单：ChatGPT、瑞典法律和一个搜索工具。Jacob 在帮助 Max Junestrand 申请 Leya（即现在的 Legora）时，已经带着自己的创业公司经历过 YC。他后来以工程负责人的身份加入，现在是 CTO。

如今，该智能体可以起草和编辑 Word 文档，一次审查数千份合同，并协调律师、他们的客户以及其他智能体之间的工作。公司在 4 月份 ARR 突破 1 亿美元，距离发布不到 18 个月，目前拥有超过 1,800 家客户。它于 3 月以 55.5 亿美元估值融资 5.5 亿美元，随后又在 10 月以 88 亿美元估值再融资 5.5 亿美元。其最新收购的 Wexler 是今年以来的第五笔收购。

我们向 Jacob 提出了这些问题：在看不到客户数据的情况下如何评估智能体、哪些任务仍需要更好的模型、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这一商业模式正在被颠覆。

按小时计费模式发生了什么变化？

Jacob 第一次读到 Leya 的 YC 申请时，只给出了一条反馈：人们已经尝试过无数次做法律科技，但从来都不成功。如果律师按小时计费，效率提高就意味着收入减少。他们为什么会购买这样一个工具？

他说，变化在于律所面临的压力。在美国，像小型审查这类常规工作已经开始转向固定项目收费。有些律所甚至免费做这些工作以留住客户。钱转向了并购、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 Legora 看到的并非如此。如今一名优秀的初级律师比两年前更有价值，因为他们能完成多得多的工作，就像工程行业一样。

在无法访问客户数据的情况下做评估

大多数团队通过阅读追踪记录来改进他们的智能体。Legora 却一条都读不了。用户上传的几乎所有内容都是机密的，而且其中很多属于律所的客户而非律所本身。

因此评估团队必须重现客户所做的各种工作。三名工程师和三名律师构建 RL 环境来模拟客户的工作。一个例子是一个包含 10,000 个文件的数据室，智能体在其中执行尽职调查，必须产出一份能捕捉到正确风险信号的报告。团队按业务领域和任务把结果绘制成热力图。新模型往往在某些类型的法律工作上变得更好，在另一些上则变差。

团队依靠一个约 100 人的法律工程师储备库：他们是在大型律所工作过三四年的律师，通常拥有计算机科学学位。在生产环境中，Legora 把失败归类为 10 到 20 种已知的失败模式，并通过功能开关运行低成本的基于 LLM 的检查。

这些限制也决定了 Legora 可以使用哪些基础设施。一切都运行在 Azure 上，因为当 Legora 创立时，律所不接受 AWS 或 GCP，而微软通过 365 已经是获得批准的供应商。

更聪明的模型仍然重要的地方

Legora 在很长一段时间内抵制模型选择器，最终还是妥协了。Jacob 的观点是，律师不应该去判断一份合同是 Sonnet-high 还是 Opus-mid 级别的任务。在质量、成本、延迟、治理和区域可用性之间找到最佳权衡，是 Legora 的职责。

他估计，模型目前已经能很好地处理大约 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需要更强的智能。

Legora 已开始针对法律研究等窄任务对开放权重模型进行后训练，暂无计划训练自己的前沿模型。对于起草，Jacob 觉得 Fable 和 Opus 太啰嗦，Astra 更简洁。为解决幻觉问题，智能体写出的所有内容都会附带引用，逐层深入地在源 PDF 中高亮显示一个边框区域。

几个构建模块，多个产品

上任六个月后，Jacob 向团队展示了一张 300 名斯巴达勇士的幻灯片，并宣布 Legora 将永远保持 20 名工程师的规模。现在它有 100 人，而他说这仍然感觉太少。他现在的工作是搭建一套体系，让团队只需发布为数不多的几样东西，客户却感觉收获颇丰。

团队围绕几个原语进行构建：存放文件的项目、智能体、Tabular Review 和列表。列表是一个带触发器和自动化的灵活的 Notion 风格数据库。智能体可以创建和读取列表，列表的变更可以启动一个智能体。Intake 是一个 Slack 机器人，把请求转化为列表上的一条工单。

Tabular Review 是那个被整个行业照搬的产品，连名字都没改。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，询问终止通知期、知识产权归属条款和遣散费条款。它支持多达一百万个单元格，但一开始只有 10 行，这样你可以在运行其余部分之前先调整好提示词。

法律工程师在这些原语上配置新产品，无需编写代码。就连 Wexler 的事实智能产品也运行在同样的构建模块上。

法律工程师第一，前线部署工程师第二

Legora 大约九个月前在纽约聘用了它的第一位前线部署工程师：Di Qi，一位两次创办 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，不写代码。前线部署工程师编写代码进入生产环境，构建与律所 CRM 或文档管理系统的集成，并把学到的东西反馈到核心产品中。他们仍然不接触客户数据。

当一个大型的、参与度高的客户签约时，Legora 会指派法律工程师与他们合作，并在项目需要时增加一名 FDE。Jacob 预计一年内会有一支轮换的 FDE 团队，他们与客户坐在一起几个月，构建客户所需的东西，然后转往下一家。

未来的方向

Jacob 认为，两年后，大型企业将通过 Claude Cowork 之类的工具使用 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。对于一笔 4 亿美元的并购交易，他认为人们仍然会想要 Legora。

节目笔记

Legora —— 面向律师的协作式 AI 平台，Jacob 是其 CTO。
Jacob Lauritzen —— Jacob 的 LinkedIn 页面。
Legora 的 E 轮融资公告 —— 融资 5.5 亿美元，估值 88 亿美元，ARR 超过 2 亿美元。
“智能体需要的不只是聊天”——Jacob 在 AI Engineer Europe 2026 上的演讲。
“将 AI 连接到数十亿法律文档”——Jacob 与 turbopuffer 的 Simon Eskildsen 在 AI Engineer 上的演讲。
Legora 如何在 Modal Sandboxes 上运行 2,000 个并行智能体评估——Legora 评估运行背后的基础设施。
Legora 收购 Qura——Legora 在四月收购的斯德哥尔摩法律研究初创公司。
Legora 正在收购 Wexler——这家伦敦初创公司可以在大型诉讼文档集中提取并验证事实。
Claude for Legal——Anthropic 的法律连接器和插件，也是各大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策略。

时间戳

• 0:00 冷开场
• 0:40 认识 Legora 首席技术官 Jacob Lauritzen
• 1:05 从斯德哥尔摩一间地下室的无名小卒起步
• 1:54 Legora 如何从带瑞典法律的 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，以及为什么增加了模型选择器
• 7:48 今天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 在模拟世界和拥有 10,000 份数据室文件中测试智能体
• 10:07 评估团队和 Legora 的 100 名法律工程师
• 11:03 当评估看似不值得做时，以及一次发布将引用率从 70% 提升到 99%
• 12:18 五到十年后法律实务可能的样子
• 14:18 律师事务所的合伙人模式会存续吗？
• 16:40 律师助理和初级律师会怎样？
• 18:00 按小时计费，以及为什么此前的法律科技不尽人意
• 19:39 钱现在流向哪里
• 22:44 Legora 如何用自家产品进行收购尽职调查
• 23:59 瑞典和美国律师事务所的差异
• 26:12 在无法阅读轨迹时的产品指标
• 27:41 转述轨迹并把失败归纳为 10 或 20 种类型
• 28:42 为什么数据隐私让 Legora 把一切都跑在 Azure 上
• 30:04 开放权重模型与模型套利
• 30:55 转录模型，以及为什么 Legora 不用 ElevenLabs
• 33:33 智能体、Tabular Review、项目与 Word 加载项
• 34:24 律师如何使用 Tabular Review
• 35:51 为什么电子表格有效，以及从前 10 行能学到什么
• 37:53 法律咨询机器人在 Slack 中如何工作
• 39:11 智能体如何创建列表，列表又如何启动智能体
• 40:15 基于同样组件构建产品并收购 Wexler
• 42:37 Legora 的前置部署工程师做什么
• 43:52 法律工程师和前置部署工程师如何为大客户上手培训
• 46:43 未来一年前置部署团队的下一步计划
• 47:24 为什么 Legora 抵制构建 API
• 49:26 智能体能成为 API 吗？
• 50:12 “300 名斯巴达勇士”幻灯片和保持 20 名工程师的计划
• 51:32 那些没人要求 Legora 做的押注
• 53:05 针对法律研究对开放权重模型做后训练
• 54:05 搜索、检索与后期交互
• 54:51 什么才是好的法律智能体框架，以及为什么起草依赖搜索
• 56:25 哪个模型写出的草稿最好？
• 57:03 幻觉与 Legora 的引用系统
• 57:41 律师会核查引用吗？
• 58:19 处理百万 token 合同，用 MapReduce 还是单个大上下文窗口？
• 1:00:16 获取匿名化示例，以及买下律所获取其数据的想法
• 1:01:53 为什么 Jacob 建议不要默认使用嵌入
• 1:02:44 律师会在 Legora 里工作还是通过 Claude？
• 1:03:26 模型实验室会切断 Legora 吗？
• 1:04:24 法学院与面向计算机科学专业的奖学金
• 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成为法律工作

文字实录

由修订版自动转录；人名和措辞可能有误。

0:00 大家都在问我们关于 Mythos 的种种，尽管我认为现实中的很多法律工作其实并不需要 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。但我们实际观察到的情况并非如此，我们曾经遇到一个问题，比如它引用不规范，然后我们说：下一版模型就解决了。它从大约 70% 提升到大约 99。我们什么都没做，就这么好了。至少你在做一个，你知道的，4 亿美元的并购交易，你会想要 Legora。我们打算在公司整个历史中都只保持 20 名工程师，而且我们要打败所有比我们大得多的对手。我们现在有 100 名工程师了，感觉自己规模太小了。我正在尝试的一件事是：我们的产品有多少可以就只是智能体，而不是所有其他的东西。好的。我们今天在演播室迎来了特别嘉宾，Legora 的 CTO Jacob Lauritzen。我读对了吗？Lauritzen？没关系。是的。没事。我不是西班牙人。这个……是丹麦人的姓。对。没错。这个姓氏有什么特别的来历吗？它就是……没有。就是“之子、之子”。之子。就像你有 son 和……对。所以是 Lauritz 之子。那是我的名字。不错。我们时不时会碰面。你在 AIE 演讲过几次，而且显然，Legora 是有史以来增长最快的法律科技公司之一。是的。你在节目开始前的准备环节里说过一句话，我觉得非常有意思。你说你们的根基非常欧洲。嗯哼。尽管显然你们正在纽约和旧金山扩张。你觉得你们的文化有什么不同？我认为我们从根本上可能对所做的事情非常谦逊，因为从一开始我们就是弱者。没有人相信一个在斯德哥尔摩地下室里的小创业公司能够超越这个在美国遥遥领先于我们的庞然大物。所以我们一直是弱者，因此一直非常谦逊。我们一直不得不为自己的生存而奋斗。我认为随着我们变得越来越……随着我们进入美国并且在美国的业务越来越多，这也是我们不得不学会的东西——变得更大胆一点，告诉世界我们有多优秀，因为……我想对我们一些人来说，这并不是与生俱来的。

1:30 我其实想先从你们的产品讲起，因为我觉得很多法律类产品总是遮遮掩掩的，你知道吧，好像不应该给人看。如果你能谈谈产品长什么样，以及你们是怎么走到今天的？比如，是哪些产品迭代让你们达到今天的位置？我觉得这会非常有意思。当然可以。一切的起点是一个内置了瑞典法律检索工具的 ChatGPT。好的。就这么简单，这就是全部。我们从法律检索开始，这基本上是一个巨大的市场，律师们要花大量时间去搞清楚：有哪些类似的先例案例？法律先例是什么？在这种情形下，以前的人是怎么做的？这一点极其重要。所以这一直是我们产品的一部分。基本上，我们最初是做一个智能体，你可以提问，它会去查询法律。那是一个非常简单的开端。之后它不断扩展。扩展体现在智能体能做的事情上。现在它能非常出色地起草很多内容，能编辑 Word 文件，能帮你把文件挪走、整理一切，能运行非常复杂的分析，我们还给它加了更多功能。我们的一个功能叫 tabular view（表格视图），这个名字现在已经在行业内被使用了，我们很高兴看到 Claude for Legal 在他们构建的产品中采用了我们的术语。这个我们必须聊聊。必须聊聊。它本质上是一种批量提取和批量审查大量协议的方式，这在尽职调查或融资的时候会用到。

3:00 这是其中一部分。也就是说，我们帮助律师更高效地完成工作，效果好得多。而在完成工作之外，我们现在也在协助编排工作，比一年前的程度高了很多。我们有不同的产品，比如一个叫 lists 的功能，对我们来说有点像 Linear。我们还有 intake，一种与客户协作的方式，还有 portal，也是一种协作方式，律师对律师、客户对律师、律师对智能体，甚至智能体对智能体。我们在这上面花了很多时间，因为……坦白说，十年前甚至今天你与律师合作的方式真的非常痛苦，说实话有很大空间可以用好得多的方式来做。所以我觉得主要有两件事：一是完成工作，二是编排工作。你们是什么时候开始做智能体的？这么说吧，我们基本上经历了从助手到智能体的转变。对，我们这么称呼它。智能体……我说不好，大概是一年前吧。对。好，这是一个大致的时间线，帮助大家理解，YC 2023。是的。我知道你们是 '24 届的 YC 创始人。

4:30 YC 二十四期。对。我是 YC '23 的。对。Legora 是 '24 的。好。然后……所以……这差不多是在……在智能体真正爆发之前。没错。然后，用模型显然改变了一切。是的。我的意思是，你知道，从某种意义上说，今天我们做了一次产品预览。看起来……嗯，预览。其实是一次私下演示。嗯，我们会在 YouTube 上放个视频。它基本上就是面向律师的 ChatGPT。对。对吧？这么说很公平，但侧边栏里有很多不错的自定义工具，比如表格视图、案件信息录入——我很喜欢那个——还有其他一些功能。完全正确。它就是这样的。它就是一个同事，或者说 ChatGPT，只不过针对法律工作做得特别特别好。然后……嗯。它面向的工作流程，比如企业内部法务，或者查找编码法规之类的人。对。所有这些。产品细节我们可以多聊一些。嗯。你们底层用的是什么模型？能谈谈吗？我们根据任务的不同用了很多种不同的模型。对吧？那这些对律师来说是不可见的。你们……还是对智能体？嗯，我们在这件事上反复纠结过。对。我觉得和其他所有人一样。在智能体里，主模型有一个模型选择器，但某些工具里我们用了不同的模型，比如表格视图之类的。我们试着……我们发现在细分问题、并在细分任务时进行路由是最有效的方式。但我们现在在智能体里确实有一个选择器。嗯。说实话，我不确定它会不会一直保留在那里。所以……对。

6:00 是的。我的意思是，我在这方面有一些背景可以说说，因为我是 Cognition 的顾问。是的。我加入的时候……你知道，我对于什么是智能体实验室的核心论点是：理想的智能体实验室，就是一个面向特定领域的 GPT 套壳。是的。对吧？就像，我们来……我们是领域专家。我们会关注你的需求。我们会比那些前沿实验室更能满足你的需求，并按照我们的判断，把前沿实验室最好的一面带给你。是的。所以我们的职责就是替你做决定，因为你不用……你的职责不是……没错。我们会始终让你保持在帕累托前沿上。是的。并确保一切时刻都很棒，你不必深入所有细节。因为，就我经历过的那些事……正好接着你这个点说，如果你去找一位律师，问他：哦，你要根据这个判例起草这份合同，你觉得这是一个适合 Sonnet 高配还是 Opus 中配的任务？实际上，他们不会知道。直接给我用这个模型就行。只要确保它能用。我们的时薪是每小时一千美元。没错。就是这样。能用就行。所以，是的，我最初就是带着这个想法来的。当时我想，哦，对，这就是 Devin 的不同之处。而现在我们的模型选择器里有五个选项了，包括 Fable 和 Opus。是的。还有 Astra。是的。而人们想试用那些炫酷的新模型。是的。你……是一样的吗？我觉得差不多。我觉得这在……法律行业里肯定比在编程领域里少得多？是工程。对。但确实有人会想第一时间用上表一，而且你也知道，很多人都在问我们关于 Mythos 的事，各种各样的问题。是的，是的。尽管我认为，实际上很多法律工作并不需要 Mythos 级别的智能。是的。

7:30 没错，就是这样。我觉得，基本上你就像在说，好吧。我们会给你这个选项。是的，是你要求的。但你的额度消耗速度会比他们快 10 倍。是啊。我本来很想……我们很长时间里都在抵制引入这个功能，最后还是妥协了。我们就想，好吧。如果你想要这种程度的控制，是的，那我们就给你。是啊。所以你觉得模型已经达到律师需要的水平了？就不需要变得更强了吗？这是个……我认为这是一个能力分布的问题。所以，大概有 60% 的工作，是的，我们现在就能做得很好，而从现在开始，这就是成本和延迟的问题了。但剩下的部分，尤其是非常复杂的分析，我们仍然需要更强的智能。而且我认为还有工作范围的问题。这就是我们现在拥有的工作，但随着智能的提升，工作范围可能也会扩大。是的，我能想象。早期，你们刚开始转型的时候，嗯，转向智能体，或者构建智能体的时候，比如……你们用的是哪些模型？我想大概是 Opus four six 之类的？那应该是……嗯。Sonnet four six，Opus four six 大概就是那时候。那时候的智能体，有哪些做得不好的地方？虽然才过了大概九个月，但现在已经好很多了？子智能体委派是其中之一，现在我们在扇出式的检索查询方面已经做得非常好了。现在对我们来说效果极佳。以前这很困难。我们基本上是持续追踪……我们有一个专门做评估的团队，所以我们追踪所有模型在不同执业领域（也就是法律的不同子领域）以及各种任务上的表现。所以我们基本上有一张很大的热力图，然后我们可以看到它们的变化，通常它们会改进大部分内容，但实际上有很多模型发布是在某些方面提升，而在另一些方面退步的。好的。这种情况其实比你想象的要常见得多。

9:00 比如，那些任务具体是什么？比如，你了解你们是怎么运行大量评估（evals）的吗？你们看的那些不同的子细分，大概是什么样的？对。其实有不同的框架方式。我们有不同的，基本上可以说是不同的“世界”，也就是 RL 环境，比如说，这是一个……因为律师总是以项目为单位工作，基本上是这样，比如这里有一个 10,000 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，并且不包含那些奇怪的东西，我们希望它简洁等等等等。我们大致就是这样构建的。所以有不同的任务，其中一部分是起草报告。比如，草稿看起来好不好？它是否包含所有该有的内容？措辞是否严谨？分析是否到位？还有找出危险信号的部分，也就是在那之前的分析，所以我们可以稍微再细分一下，我们就是这样运行评估的。有意思。等等。你们的评估团队是什么样的？比如，你们会雇律师来做这个吗？对，是混合的。我们有工程师，也有律师，组成一个团队。目前大概有三位工程师和三位律师，然后我们还有一个我们称之为“法律工程师”的人才池，也就是那些在大所工作过三四年的人。通常他们可能有计算机学位，非常懂技术，然后加入我们……因为他们想帮忙改变这个行业。

10:30 他们是大型律所的 IT 吗？还是不。他们是大型律所的律师。是大型律所的律师，还拥有计算机学位。是的。天哪。这是一个维恩图……对，没错。这就是我们最难招的人，但他们也是巨大的力量倍增器，因为我们可以让他们做评估工作和产品开发——你有一百位每天都使用产品、每天都要见客户的专家，而且他们亲身经历并且一直身处其中，我们就让他们做评估工作，帮我们打磨产品，这真是一大优势。很好奇，这个团队是你们创立的吗？评估工作在某个阶段从助手智能体团队中发展出来。我记得直到最近之前，说实话，做这事不太值得，因为所有模型都在变好。所以我们是要花大量时间做复杂的评估，还是直接去构建……因为构建更好的框架、押注于一切都会改善，能带来的收益太多了，而一切也确实在改善。嗯。但是，没错，每两三个月就会有一个新模型。是啊。没错。意思是，我们直接把它跑一遍，对吧？没错。我们曾遇到一个问题，引用格式不对，导致很难跟进，结果下一次模型发布就解决了，从 70% 提升到 99% 左右。就相当于我们什么都没做，挺好的。是啊。也许真正的工作在于，让所有数据保持私密、可以打标签、可排序，以及添加像表格视图这样的新功能。那是那个……你是指在 ChatGPT 之上的？是的。但显然，现在你们也在做评估了。我猜你们对开放模型的使用也在增加。我们可以聊聊这个。所以，是的，我不太确定我想说什么，除了——工作到底是什么？早期，这份工作主要不是做评估，因为主要是把模型的能力暴露给律师。

12:00 是的。很重要的一部分就是想清楚，有了这一切之后，法律行业在五年、十年后会是什么样子。编程可能领先一两年，我们可以稍微参考一下，但基本要素是什么？人们如何工作？如果不再是一封有 200 个来回、带着第五版 Word 文件的邮件线程，那协作会是什么样？这甚至不一定纯粹是 AI 的问题，而是要打造好得多的产品体验。对。并且要确保在受监管行业里做到审计日志、数据留存以及所有那些非常重要的东西。然后才是 AI 的部分，也就是让工作更快更好，让智能体主动响应 incoming 的事情，这样你就不用什么都自己去启动。所以我认为很多工作就是想清楚五年后会是什么样子。如果模型能力持续提升，价格持续下降，我们能做什么？是不是可以登录到一个指挥中心，它告诉你：你需要响应智能体最近在做这五件事，然后去审查、检查、改进系统？也许那就是我们要去的地方，或者我们本来就该去那里。是的。是的。我正想问，能不能更深入地讲讲？比如，法律行业几年后会是什么样子？

13:30 我得先说明，我不知道。我是说，谁真的知道呢？但我觉得我们可以多看看编程领域的情况。我认为所有律师都会比以前效率高得多。他们能以更低的成本、更高的质量完成更多工作。我认为这个行业本身，这项工作本身，会大有改善。它会变得更加……我认为律师会花更多时间做那些他们当初成为律师时想做的事情，比如判断什么是合适的风险状况、什么是可管理的风险，诸如此类。他们的全部判断力、战略判断力，以及与客户合作的工作，他们会做更多这些，而少得多地去做那些翻阅海量文件来找关键证据之类的琐事，或者那些很多律师一直在做的低级又烦人的工作。你觉得合伙制会怎样？比如，你觉得这种模式会保留吗，还是会发生什么变化？关于这个……其实就在上周，我认真思考过这个问题。是的。就是合伙制……我不想谈太多细节，但合伙制之所以存在，是因为这类公司拥有的唯一资本类型就是人力资本。所以，它不像我们这样的公司，或者软件工程公司、制造企业之类的。你有实体资产，或者某种随时间积累的无形资产，它们会给股东带来回报。但如果你在专业服务这样的行业工作，咨询公司以及其他类似行业也一样，你所有的价值都在人身上，而你无法真正拥有人力资本。你知道的，你无法……奴隶制已经废除了。不能拥有人，但可以雇佣他们。你可以付钱给他们。所以合伙制本质上是这样一种结构：让人力资本成为公司的所有者，从而留住他们。是的。这会改变吗？比如，我不……它不一定非得改变，但我认为我们真正想为律师做的，我们其实是希望律师能够……希望律所能够建立某种无形资本、某种持久的资本，比如，你可以构建一个能学习你工作方式的系统。

15:00 现在很多公司都在想，嗯，有这么一种老牌律所的做事方式，我们可以把它编码固化下来，我觉得我们可以构建一个系统，无论是自我改进的知识图谱还是别的什么，还有判例档案和文档，存在一种能产出高质量成果的工作方式，而这可以成为他们的知识产权。所以这就是一种把人类的专业知识和判断力编码固化到系统里的方式。我觉得这……好吧我现在完全是漫无边际地瞎说了，但这就是我们想帮助赋能的东西。那这是否会改变合伙制模式呢？因为激励机制不一样了。在合伙制模式下，你只需要带来更多客户，而你不会愿意把拉客户的时间拿来编码固化你的信息，基本上是这样。嗯哼。因为，你知道，你的回报来自多劳多得、赚更多钱之类的那套逻辑。这需要稍微改变一下。我们需要设计一种激励结构，让合伙人……让合伙人有动力去把知识固化下来，为公司构建一项资产，但目前并非如此，因为一旦他们离开合伙制，他们从自己构建的资产中得不到任何分红。

16:30 是啊。所以有一种……对。我觉得整个商业模式是……我们拭目以待吧。是啊。是啊。现在一切都成问题了。是的。我另一个真正的观点是……你知道，在合伙制层面，那是这个行业的顶端。嗯哼。实际上我的观点更多是针对底层。对吧？对。那边发生了什么？律师助理消失了。是的。对吧？就像，初级律师也消失了。我不需要他们了。就像……实际上我们看到的并不是这样。所以，是的，确实是……我觉得是……我知道。你会不会说我们在工程领域看到了这种情况？是的。初级工程师基本上是没戏了。你基本上得从大学……毕业时就完全成品，否则你就……你混不下去。我感觉自己……为了喜剧效果我说得有点夸张。但是，嗯，是的，我认识很多律师。他们从律师助理做起，然后去读法学院，等等这些。对吧？而现在他们不需要了。他们真的就是不被需要了。是的。是的。是啊。合伙制模式会发生什么很有意思，就是那个金字塔。我认为总的来说，很多律所，你仍然需要……你需要下一代。至少在工程领域，我的看法是，今天一名优秀的工程师，他们的价值甚至比两年前更高了，因为他们能产出多得多的东西，他们很优秀。我认为法律行业也是一样，如果他们足够优秀，就能做出大量非常出色的工作。所以我觉得更准确的说法是，真正优秀的律师或初级律师的价值高了很多。是啊。这一直都是如此，对吧？是啊。看起来甚至更甚。但是，是啊，两极分化更加严重了。

18:00 是的。我其实对这一点很好奇。你看，整个法律行业基本上就是按小时收费的。嗯。所以是的。你知道，如果现在每个项目都能更快完成的话，是不是会便宜很多？就像……这其实……说来有趣。我当时在读 Max 的 YC 申请材料，帮他把项目推进 YC。那时候它还叫 Leya。这是我当时的一个疑问。我当时就想……我还好奇，Leya 是丹麦语里什么词吗？不是，是瑞典语。瑞典语？不，它其实什么意思都没有。有这么件事……好吧。好吧。有个特别搞笑的故事……我记得早期有一家西班牙报纸报道我们，写的是 Leya，然后他们解释说这个缩写代表“高效的尤达法律助手”（legally efficient Yoda assistant）。为什么是尤达？是啊，我也不知道。我当时就想，为什么要……你看，幻觉不只来自大语言模型。不是吧。我觉得记者也会产生幻觉。不过，说正经的，这名字没有任何含义。申请是他写的。他写了……对。我当时给他的反馈是：你知道，人们已经试过无数次了。法律科技从来就没成过气候，因为律师根本没有动力去……他们为什么要提效？提效了赚的钱就少了。这完全说不通。但我认为律师们之所以真的想采用这些工具，是因为他们意识到了局势的严峻性。他们知道，整个商业模式和其他一切都在承受压力，他们必须改变，因为竞争压力实在太大了。计费模式本身，我认为也会改变。我们已经……我们已经看到了，尤其是在美国，很多工作实际上是按项目收费，而不是按小时收费，特别是这个光谱中偏低端的那类工作，比如各种审查之类的。说实话，有些工作是免费做的，有些则是按固定价格收费。那么问题来了……

19:30 赚钱的部分呢？是……因为在战略性工作上。对。我感觉你们谈的很多内容都是并购（M&A），好像钱都集中在那里，这是个很简单的例子。哦，好的。好的。诉讼也是。主要的大业务还在那里，而且非常值钱。所以他们……律师会把更多时间花在那上面。客户关系也超级重要。像是 CRM 那种？不是。就是多花时间和客户相处。很多律所，或者说历史上基本都是免费帮客户做事，只是为了维系客户关系。嗯。对。所以现在他们还是可以这么做，但不用为此亏很多钱了。我还以为……我只是……我还必须付钱给律师才能让他做我的朋友。就像……对。这不就是预付顾问费那回事吗？对。对。那……你是说你可以免费帮我做？对啊。你只要找对律师就行了。行吧。挺不错。或者 Latent Space 得做大很多倍。我不知道。嗯。对。我们在努力嘛。你懂的。好。那……好，好，好，所以你是说，显然，战略性工作和所有这些高附加值的工作依然存在，但我们的律师费并没有降下来。不过你也说律师助理没有受影响，或者说他们只是在转变。这也是我们在……在 Cognition 那边也担心的事情。嗯。人们担心像“我们会替代你的初级工程师”这种表述，因为没人喜欢这种说法。但实际上，是的，确实有一部分会发生。而另一些初级工程师则拥抱它，变得更有生产力，这正好就是你刚才说的。所以我想问，这个正在获得客户认可的新角色或新职位，有没有新的叫法？

21:00 你是说那个 Super AI poll junior legal？我还没找到。也许我们该造一个词。是不是 legal legal，那是我们的……而且现在也是一个行业术语了。对。对。CSJDs。没错。对。对。对。对。也许那就是……还有那些最适合做这类事情的人。我觉得“肉代理”这个贬义说法，就是你坐在机器前，把别人让你输入的东西打进去，然后把机器让你说的话复述出来。是的。不过，我认为一个非常好的肉代理其实就像是……嗯，你对智能体非常了解，你对 Legora 也非常了解。是的。而且你知道怎么，比如，这是我的工具箱，你知道，每个行业都有自己的工具箱。是的。我可以用我的工具来完成你需要我做的事情。不过我猜那样的话你就不是一个代理了，对吧？你其实是在做有意义的工作。是啊。这就好像我不再……比如，你知道，我想谈谈表格审查，因为那是……那是经常发生的事情。我有几百、几千、几百万，几……几千。我们最多处理一百万个单元格，我记得。在一个单一的……那很厉害。是的。我们应该聊聊那个表格和窗口化。是的。至少，你知道，我……我在处理一个大案子。我有一百万份文件。我把它输入进去。通常，我会派……派一个团队的法律助理锁在房间里。干到凌晨四点。那样的事情其实不需要发生，对吧？因为现在他们可以提取出来，你可以重新对所有内容进行提示。嗯。所以，是的，我觉得现在我不再需要法律助理做那个了，但是，一个好的、深度拥抱超级 AI 的法律助理会去做别的事情。

22:30 你知道吗?是的。对,没错。不管是什么。他们可以做更多的事情,或者把更多时间花在那些以前没时间做的事情上。或者真的去睡个好觉,谁知道呢?没有。我有个问题。你们收购了一家公司,Qura。是的。是这么念吗?不是。你们是用自己的产品来完成这次并购的吗?是的。我们经常这么做。那具体是怎么运作的?能不能稍微讲一下?对。没问题。效果非常好。我们经常这么做。我们的法务团队……我是说,intake(案件接收)就是和我们的法务团队一起打造的。因为现在我们的做法是,大家在 Slack 工作流里把材料丢进去,然后他们觉得,这太烦了。对吧?而且效率低,所以就想,那我们用 Legora 来做这个吧。对。能稍微谈谈这个过程吗?你知道,那个流程是什么样的?好,当然可以。是这样……我们很多尽职调查都是自己做的,因为我们可以用 tabular review 等工具来完成。我们仍然会有外部律师进来,嗯,评估某些风险,比如……Qura 这个案子比较简单,因为它全在瑞典。但你知道,我们也在加拿大和澳大利亚各做过一起,比如涉及澳大利亚的薪资。好。那我们是否需要有人从更战略的角度来看这些?所以在战略部分,我们仍然会请律师,他们可以真正成为我们的陪练伙伴,在很多方面帮助我们,比如如何用正确的方式来设计交易结构。但很多更琐碎的工作,我们其实可以自己做。比如很多早期发现的问题,我们也确实遇到过发现了某个问题、像是危险信号,然后我们就踩了刹车的情况。能谈谈其中某个案例吗?不,我觉得可以。好的。早些时候你说过,你的早期客户是瑞典的?嗯。比如瑞典的律师事务所?对。你有没有发现和瑞典法律体系合作,和与美国律师事务所合作,有什么不同?嗯,诸如此类?而且你们主要是和大型律所合作,对吧?

24:00 嗯，我们也……规模较小的律所也是。哦，我们肯定是从非常大的律所开始起步的，但也有 50 名律师的律所，而且也获得了很多价值。是的。那你在和不同律所合作时，有没有发现什么差异，比如瑞典的律所？是的。和美国的相比，甚至嗯……我不知道，亚洲的？有。有。我觉得欧洲的律所行动要慢一些。美国的非常超前，行动特别快。我认为这个话题在美国公司的议程上优先级也很高，比欧洲公司更高。这就像是一个战略性的事情，超级重要，我们必须在这方面做很多工作。美国公司总体上，无论是企业还是律所，也都有更强的意愿去定制构建东西。这是他们都想做的事情，比如：嘿，我们想和你们一起构建一个巨大的东西，想怎么架构就怎么架构。而欧洲人则更倾向于：我们就直接用现成的产品。他们想自己构建什么样的东西？比如集成到他们自己的系统里……有些客户自建了自己的 CRM、自己的文档管理系统，还有各种自己的东西，他们想构建这些，然后还想构建触发器，比如你在 Salesforce 里做了一次审查，出于某种原因它发给某个人，那个人做了些操作，然后它进入 Legora，再回到原来的系统。而这还只是……这只是简单的一端，还有一些极其有野心的客户，比如想和我们一起构建一整套全新的产品，这个我们其实做不了。是的。是的。但这确实是一个明显的差异点，就是美国公司比欧洲公司更想自己构建东西。

25:30 而欧洲的那些公司就像是：“嘿，你知道的，它们会给你产品建议或者……”是啊。当然。我们和它们都有很棒的合作。它们会说：“嘿，这里不行，这个很棒，我们想要更多这样的东西”，然后我们就直接做一个能实现这些需求的产品。好的。所以它们并不觉得自己业务面临生存威胁？我的意思是……而美国那些公司会觉得有威胁，还是……我不确定这是不是它们想要定制构建而非非定制的原因。我觉得它们都知道这对公司成功、对企业成功极其关键。所以它们……这对两者都极其重要。只是实现方式不同。好的。另一个我觉得你可能想提的问题是产品指标。比如你怎么知道我们真的在做好事情？是的。你怎么看待这个问题？我猜这也和评估有关。我们有常规的产品指标，我们非常在意：用户是否在我们的产品上花大量时间？他们是否从中获得了很多价值？他们会续约吗？他们会频繁回访吗？作为企业软件，我们的数据非常好：DAU/MAU 比率，以及用户每月在产品上花费的时长都非常高。然后我们还会做一些……我们也做在线评估，大致搞清楚：我们到底解决了问题没有？用非常便宜的 LLM 评判器来建立一个在线指标，这样在发布新功能时也能用上。我们可以按功能开关做对比：是改善了，还是灾难性地下滑了？因为有一件事可能挺有意思，对我们业务来说很难的是：我们基本上无法查看任何追踪数据。我们无法查看任何数据，因为一切都是高度机密的。这让工作极其令人沮丧，因为你基本不知道用户在做什么。就好比：这是一个智能体，它能做很多了不起的事，而我完全不知道用户实际在用它做什么。

27:00 我本来以为你们和律所签了某种协议，他们说，哦，要是就好了。是啊。要是就好了。并没有。但问题是，他们拥有的很多数据甚至都不属于他们自己，对吧？那是客户的。哦。而且高度机密，所以我们不能看。因此，基本上我们有一个评测团队，试图近似推测大家都在做什么，并将其构建进评测集。哇。所以这只是业务中一个超级烦人的纠结点。你能做转述吗？比如，ChatGPT 有个 slash feedback 之类的功能。嗯哼。它能直接完整地设定其整个轨迹。嗯哼。但显然，这对你们来说是……不可能的。嗯哼。但你可以用一个 LLM 来转述，比如，从这个真实的东西出发。对。生成一个足够接近的合成样本，但改变所有名字、改变所有细节，不过还是……对。是的。我们没法……有……我是说，总是有一个范围，对吧，比如，如果你把内容转述到只剩比如三个选项，然后从中选一个，那显然没问题。如果只是去掉名字，那可能……可能不行。是的。我们通常选择最安全的方式。是的。因为我们尽可能严格地约束自己，因为你知道，不应该有任何风险。是的。但有些情况下是，好吧，我们知道失败模式大概就是这 10 或 20 种，所以我们可以把它归类为其中之一，那就是……是的。一个有用的信号。我们可以把它归类到技术……任务类型和执业领域，这样我们就有了大致概念。这是我们一直在努力以聪明的方式解决的事情。

28:30 另外，在隐私方面，我猜，即使两年前，让律师事务所接受这件事肯定也是极其困难的。是的。但他们如何看待自己的数据被发送到 Anthropic 那边呢？对。对。对。这肯定是个大问题。我们的所有基础设施都在 Azure 上。是的。主要就是因为这个原因，因为我们刚起步的时候，律师事务所会说，AWS？不行。就像……是的。绝对不行。不信任 AWS。对。对。现在不一样了。不。但当时……有亚马逊、谷歌，他们觉得不能把数据交给这些人，所以我们……基本上，我们不得不把一切都托管在微软那里，因为他们已经在用 365 了。哦，所以他们现在能接受微软了？没错。因为他们已经针对他们所有的文档、所有的 Word 文件等等做过安全审查之类的工作了。所以在他们心目中，微软已经是经过认可的供应商了，所以我们不得不把一切都托管在 Azure 上，而这在过去几年里已经发生了变化。现在人们明白了，好吧，我们需要上云，需要做这些事情。当时也有很多人在讨论本地部署（on-prem）。这一点现在也完全消失了。人们明白，你就应该直接在云端做，这是安全的，而且可能比你现在做的还要安全。对。所以这方面变化很大。而且到……到现在也才三年时间，所以实际上……对。是的。对。这是一个巨大的转变。这是……这是好事。我是说，为你们高兴，不过，是的。我是说，我并不指望律所……法律行业在过去十年里一直在忽视这一点。对。对。我觉得我们需要 AI 来……

30:00 狠踢一脚，让大家都明白我们需要稍微改变一下方式。好。好的。那么，还有，比如，开源模型现在变得非常好了。嗯。所以，是啊，你对此是怎么考虑的？嗯。就像你说的，我们只是想让客户跟上，站在帕累托前沿上。是的。也就是在所有模型的地图上——它们擅长什么、延迟、成本、治理、还有地区可用性——我们如何在这些方面之间做优化？所以，某些开放权重模型对特定任务很棒，我们就会在那儿使用它们。有些我们会做后训练，有些就直接用前沿模型。是的。你管这叫模型套利。是的。你有不同的偏好。你在这方面做过一些研究，年初的时候你坚定地站在 Anthropic 一边。是的。Grok 进步很大。是的。你想举个例子吗？某个模型总体排名不高，但你却想点名夸一下它出奇地好？好的。我觉得不算总体上好。Gemini，早期某个 Gemini 版本，对某些类型的转录非常出色。是的。还有说话人归属。所以我们用它来转录……转录。是的。你们为什么要转录？Granola？我们没有……我们其实可能真会做一个会议相关的东西。是的。但这只是像语音对话、语音转文字、文字转语音，就像任何其他有这类功能的应用一样。而且我们确实也转录文件。如果你上传听证会之类的文件。哦。我们就会把它们转录成文字，然后我们就能对它做各种分析。不用 ElevenLabs。出于 DPA 的原因不用 ElevenLabs。也就是说，和数据处理的约定是一回事。我们的数据处理协议上供应商非常少。是的。

31:30 因为我们首先需要把它保留下来。没错。我们需要在数据流向的任何地方都保持非常严格的控制。所以我觉得，不，这正是 Gemini 和 OpenAI 的优势之一，它们就像是，你来找我们，我们拥有你需要的大部分东西，这其实非常有价值。即使它不是，比如，最顶尖的。只要它在所有任务上都大体够用就行。是的。那谁在乎呢？是的。就像……对。没错。我其实还应该提一下微软的转录模型。它们好像叫 MAI-Transcribe？对。好的。它很棒。好的。它比旧版的 Gemini 要好。对。对。对。它们做出了一些不错的成果。我不知道……甚至都不知道，比如……我觉得，通常，它们都在 Arena 分数上排前二、前三、前四，这就够好了。是的。没错。而且它有完整的治理体系，扩展性超强，那大概就够用了。是的。我想说的是，到了这个阶段，我们的……语音转文字模型基本上已经好到你会觉得，哦，这里或那里错了一个词，那算……不是吗？不是吗？不是。当然。比如，我做过很多这类工作。尤其是在法律领域，有一些……我们遇到过这种情况，我忘了是不是在澳大利亚，法庭上的某类人有个特定的称呼，而模型总是把它转写成了 condom。哦。所以……对。有些东西是你不希望出现在那里的。对。不过……所以通常，你会在它上面再跑一层 LLM。对。然后你提取一些关键词，再带着这些关键词重新跑一遍转录模型。嗯。这大概就是我目前的工作流程。对。不过，如果你……如果你曾经在大规模上做过这件事，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，完全正确。如果里面有任何行话，是啊。那就会很难。是的。比如，我觉得 Whisper 和 ElevenLabs 还是会把 Claude Code 转写成 Cloud Code。是啊。而且，就像……是的。我确实遇到过这种情况。很常见。是的。所以，就是这样，你能知道它。还有很大的改进空间。是的，完全正确。我想稍微谈谈智能体产品这一面。我们已经介绍了一些最顶层的东西了，对吧？我们已经提到了工作表格式审查。嗯哼。我们提到了工作事项接收。是的。你还有一些我们还没涉及的其他东西。但我只想介绍一下最大的两个吧，可以这么说。是的。是不是……说它们是最大的两个，这公平吗？智能体和表格式审查？还有……还有项目。大概是的。是的。还有我们的 Word 插件。好的。这也是……因为……很多人都在 Word 里工作，所以我们的 Word 插件是一个很大的……还有 Outlook 插件也是。是的。所以我只想介绍一下每个人都必须知道的那些大功能。是的。所以表格式审查基本上就像是在每份文档上进行大量的并行展开。你可以对所有文档问同一个问题。没错。在表格里。是的。然后来回迭代。然后可以……是的。一百万份很厉害。还有什么……还有其他工程上的考量或性能方面的问题吗？比如，这……这件事难在哪里？在那之前，你能先讲讲律师的用户体验是什么样的吗？然后……好的。实际上，想用表格视图？是的。比如，他们用表格式审查在做什么？是的。然后我们可以深入讨论那个。

34:30 当然。是的。是的。所以它们……通常……我是说，一个很好的例子就是尽职调查，对吧，比如说，我们需要审查所有的雇佣合同、所有的供应合同等等。于是雇佣合同，你把 10,000 份雇佣合同放进去，然后……就是说，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，基本上就是提问。比如，第一个问题……第一个……不对，抱歉，是按列来的。所以第一列可能是，终止通知期是多久？然后它会为所有人填出来。是 30 天还是别的什么。下一个问题比如是，有没有知识产权转让条款之类的。再下一个比如是，如果我们解雇他们，我们要付多少钱，或者他们拿多少薪水？然后它会填满整个表格。你也可以直接让智能体来做这件事。比如，你只要把 10,000 个文件丢给智能体，说，对这个做尽职调查，它会启动一个表格审查，运行所有文件并等待完成，然后分析结果，它还可以标出红旗警告。比如，CEO 的薪水高得离谱，或者存在某种奇怪的奖金结构。那好，显然我们需要看一下这个，然后智能体可以据此起草一份发给客户的备忘录，或者它只做审查，然后让律师、也就是用户，来说：好，我们来看看这个，这些是红旗警告。还有协作幻灯片，你可以评论让别人查看，等等。那你们为什么选择电子表格这种形式呢？是的。它确实好用得多……用它工作非常方便。它能让你非常快速地了解整体情况并进行审查。我们产出的所有内容都带有指向源文档的引用，所以你基本上可以非常轻松地进行审查。如果你只是想确认一切都正确无误，你还可以高亮单元格，标记为已审查之类的，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 我想说，电子表格这种形态在某些领域确实有很大吸引力，但不知为何一直没有真正普及。嗯。我觉得……我觉得这很奇怪。比如，Clay 是另一家 GTM 方向的公司，大家都知道它的电子表格。是的。你们……我不太确定还有没有其他人在做大型电子表格 AI 的东西。没有。没有。曾经有，比如 V7，尝试推出过……有 sheets，还有……即使是在金融领域，我也没有一个做电子表格做得特别好的顶尖名字……是啊。不，我同意。我觉得这是一个很棒的……如果你有扇出（fan out），你做完全相同的事情，然后……你在提取内容，这种形态非常适合用来了解正在发生的事情。你们有没有发现，用户是必须导出到 Excel，还是说大家乐意就待在你的表格里？大家很乐意待在里面。你们用的是 AG Grid 还是自己开发的？我们确实用的是 AG Grid。AG Grid。它似乎是领先的那一个。我是说，他们做这个已经做了，大概，十五年了吧。是啊。是的。而且他们知道怎么……对。所以所以……好。是啊。我是说，我很看好这个……电子表格这个方向。我是说，我觉得在工程方面，对我来说唯一另一个有意思的就是扇出。是的。工程师也许……很有条件去理解其中的权衡，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，对，然后……对，对。在你抓狂之前它能完成吗？能。他们会这么做吗？会的。我们的表格视图实际上会先运行前 10 行。对，就是先检查一下，对吧？对。这样说得通吗？它展示的是不是我们预期的结果？对，这真是……真的很棒。哦，对人们来说，当他们构建这类东西时，先在前 10 行上快速迭代是非常好的做法，直到他们……得到想要的结果，然后就可以放手全量跑了。好的，我很乐意进入下一个话题——intake（需求接收），也就是你们的 Slackbot。对。对。每个人都有 Slackbot，你们的有什么不同？我们的只是专注于法律领域，而且我们的做法是……它其实不是……可能也是……我们……我们可能也会做一个纯粹作为智能体界面的版本，但它实际上是专门用来启动一个智能体，然后由它向我们的任务列表添加一项任务。我们有一个类似 Linear 的列表功能……你知道，那是最接近的类比，它会把任务添加到一个专门的 intake 列表里，然后律师和智能体可以进入 Legora，直接说：好吧，这些就是人们发给我们的事项——无论是作为一家律所，还是作为大型企业里的法务团队。我们可以为它们启动智能体，可以协作处理，然后标记为完成，接着结果就会被发回 Slack。所以它更像是一个……它不只是启动一个智能体，更像是……我不知道，一个店面之类的东西，就是：嘿，这是工单，我要审查这个东西。好，现在它……在这里，回来了。不需要任何人做任何改动，法务团队就待在 Legora 里管理智能体和所有事情。我觉得这类事物的数据结构非常有趣，因为它基本上就是收件箱，对吧，承载所有这些可能转化为某种东西、转化为其他东西的请求。还有……我不知道。把这些和所有其他功能整合起来难吗，还是你们根本不担心这个问题？

39:00 这个……不，不是的。我觉得我们有一些非常好用的基础构件。比如，列表就是一个很棒的基础构件，因为它本质上……极其灵活。有点像 Notion 数据库。对，Notion 数据库。就像一个 Notion 数据库，所以你基本上可以把它配置成任何你想要的样子，我们当然也在投入大量精力让它具备超强的可扩展性并且运行得非常好，你可以在上面设置触发器、自动化，它就像一种绝佳的粘合剂，把一切都粘合在一起，因为这样你就可以基于某个列表在发生某事时启动一次智能体运行，然后结果返回来填充某个字段，或者添加新文档之类的。就像你可能会用 Linear 或某种任务管理工具来协调一群编程智能体一样，我们可以用列表做类似的事情。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，于是智能体集群就活起来了。是的。人们会为此兴奋还是感到不知所措？你知道，我觉得……对。这基本上就是终端用户编程。你可以让人们设置各种疯狂的自动化。有些人会因此超级着迷，他们变成……嗯，要是能有……对。我们有“网红用户”。这值得吗？会不会太复杂了？我们需要这种灵活性，即使实际上并不把它暴露给终端用户。假设这纯粹是内部使用，那对我们来说就是一种极快的方式，让我们的法律工程师快速构建大量产品。你可以构建定制的基金管理仪表盘，基本上可以在列表上用你自己的生成式 UI 搭建出来，然后你就拥有了一个会有一些人喜爱的新产品，我们还可以有一个由众多专门产品组成的市场，并且能以超快的速度扩展，因为我们所有的法律工程师都可以随时构建新的产品。如果他们在和客户开会，客户说：哦，你想要一个自己的？简单，我们马上给你定制一个。所以这有点像 Legora 内置了一个 Lovable。而如果我们不想把它暴露出去，那这也是我们构建自己定制功能的方式。我们在英国还收购了另一家公司 Wexler，他们做的是事实智能，主要用于诉讼，就是说你为一场官司上传一百万份文档之类的，然后我们从中提取事实，包括命名实体、日期等等，当你拥有所有这些事实后，基本上就可以把它们两两对照，看看哪些得到了印证，哪些存在分歧。

40:30 你知道，这非常强大，因为这样你还可以转录一场庭审，然后你可以说，哦，他说了这话，但实际上，这边的邮件显示他当时不在场。如果你现场看到，那真是酷毙了。是的。而且我们还可以基于这个原语继续构建。所以，基本上我们可以基于这一个原语构建很多非常酷的东西。我们就是这么思考的。就像是，我们必须……随着公司扩张，我们要解决的事情太多了，所以我经常思考如何构建一个核心原语，让它能扩展到许多不同的终端产品，并创造高度可定制的体验。好的。那么你有……你们有哪些核心原语？让我们再为听众复述一下。这是一个核心的。是的。哦，是核心的可配置的。是的。Projects。是的。基本上就是文件、文件系统的容器。是的。还有智能体，当然，你可以用非常不同的配置来启动和运行它。

42:00 顺便问一下，你们给这个智能体起名字了吗？没有。我们没有。没有。好的。是的。没有。你是说，比如，我们给它起名叫 Leya 之类的？没有。是的。是的。Leya 挺酷的。是的。是的。人们过去常把 Leya 当作一个有名字的实体来谈论。是的。但是，是的，我们不再这么做了。好的。也许我会把它捡回来。可能会造成困惑，我不知道。那么列表、表格化智能体审查、表格化审查。这些，我们正在考虑的是，它其实是不是……的某种实例化？你可以把这个概念想得多深都行，对吧？但这些大概是最主要的几个了。是的。是的。所以我其实想聊一聊 FDE，因为这听起来有点像……是的。那个，我想 Max 也稍微谈过。就是说，好的，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，你知道的，他们才会留下来。没错。留在 Legora。对。这后来是怎么演进的？你们是什么时候开始组建前线部署团队的？我们聘用了第一位前线部署工程师。那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。他们算法律工程师还是不算？不算。好的。是真正的工程师。但我们确实……这确实是我一直在思考的问题，就是如何精确地大规模实现这一点？我觉得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，以一种强大的方式定制产品？然后，当然，我们仍然会有前线部署工程师来提供帮助，你知道的，做所有的定制集成、范围界定、弄清哪些是可行的，并把这一切反馈到核心产品开发中。我大概是这么考虑的。这几乎就像一线、二线防御，法律工程师应该能够定制很多东西，打造出色的体验。而在他们做不到的地方，或者我们需要修改核心产品，或遇到客户的各种情况时，就让前线部署工程师稍微靠后介入，比如，有时他们只做产品，有时他们会和……

43:30 你们会带人走一遍例子吗？比如，好，你刚拿到一个新客户，第一步是什么？你们是不是就像，嘿，我们给你们派了一位前置部署工程师，他们会去给你们构建某种产品，具体是怎样的？这个其实每个客户都很不一样，对吧？是的。但如果是个大客户，而且他们参与度很高，特别想要……他们对想做的事情有很多设想，或者他们已经……通常他们已经尝试构建过某个东西但失败了，然后他们说，这就是我们……这就是我们想解决的问题，那我们基本上会为他们配备法律工程师，视情况可能还会派一位前置部署工程师，然后我们就会说，嘿，这些人会过来，帮你们取得成功。他们会和你们所有的律师坐在一起，教他们怎么使用，梳理你们现在所有的工作流程，并把它们构建到 Legora 里。其中一部分工作只需法律工程师完成，另一部分则需要前置部署工程师。那这个区分是怎样的？如果你能稍微聊聊这个。法律工程师像高级用户那样配置产品。他们不写代码。对，对。而前置部署工程师基本上是往生产环境里写代码。我想这就是那个……前置部署工程师在你们那里通常是什么样的背景？他说是 YC 创始人。对，创始人、普通工程师，

45:00 老兄，对。对。D 是你的……对。没错。D 是我们的第一位。对。两家 YC 公司的创始人，还在 Meta 做过搜索。对，她很棒。好吧，这门槛挺高。她很出色。对。对。美国第一批落地的人手。对。那么，这些人在为客户构建的工作流或东西有哪些例子？还是说你们有类似“哦，这些就是典型场景”的东西？你知道，有几个用例，几乎所有律所都会说，这是我们的 FDE 进场后要做的第一件事。情况很不一样。好。有一些大家都有的核心工作流，我们可以直接在 Legora 里构建，可以是任何东西，比如我们是这样处理这类 NDA 的等等。然后只需激活它，其实更像是为 Elise 做技能构建。而大多数 FDE 的工作更多是：有些我们还做不到的事，比如某些原语需要更多灵活性之类的，或者我们有一个非常复杂的系统需要集成，然后他们就会出去，针对我们的 API 构建集成，也许还会扩展我们的 API 来实现。那这里的法律结构是怎样的？因为你说你们自己甚至不能经手案件。对。对。所以，他们怎么参与客户项目？你是指律所，他们怎么处理客户项目？怎么……抱歉。你的 FDE 怎么参与客户项目？他们仍然不接触数据。他们只负责构建系统。好。但有时他们也会像员工一样被入职。比如，他们可能拿到一台笔记本电脑等等。像是在律所那样？对。对。因为他们需要。有意思。这种情况不常发生，因为通常他们只需构建一个集成，差不多就能用了。但如果需要的话，他们也可以这样做。

46:30 我猜你们只对一定规模的客户才会派驻 FDE？对。对。好。这两点都说得通。因为我们的 FDE 也可以参与核心产品开发，对吧？所以这就像……这是一个持续的优先级权衡问题。有什么规则吗，比如说，是不是每个……就像，你知道，Palantir 出了名的做法是，你在客户现场待四天，然后有一天回来为产品做贡献。有类似的规定吗？没有。我们没有。说实话，跟你们坦白讲，这很多方面还处于早期阶段。那你觉得它未来会走向哪里？比如未来一年？我确实认为它会变得更……也许不会完全像 Palantir 那样，但是，我们……我想我们会有一个规模更大、持续轮换的 FDE 团队，他们也许会在某个客户那里待上两个月左右，把这个东西做出来，然后去下一个客户，如此循环。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，去做具体的项目。对。API 业务其实很有意思，就像你说的，因为那是你可以扮演的另一个角色，比如成为 Legora 平台的 CTO 维护者。没错。对吧？我们会把 Legora 网页应用里的一切都作为 API 提供出来，然后你们想怎么用就怎么用。这是你们承诺要做的事吗？这不是我们现在承诺的事情。我们确实有可以接入开发的 API，但不是整个产品面。这正是我好奇的地方，这是策略吗？显然，有些人会喜欢这个，因为我不用学新工具，直接用我现有的工具就行，对吧？然后我只要……对。比如在处理 Word 文档的场景里装上 Legora。除此之外，你知道，我觉得那样你就得去维护它。

48:00 没错，就是这样……这就是我一贯的看法，这也是为什么我们一直尽量不这么做。我们之前没有 API。其实我们大概六个月前才开始做 API。我们为此抵制了很长时间，主要就是因为，我不想……我们的产品迭代速度太快，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。当然，现在我们规模更大了，情况也不一样了，所以现在我们承担得起这个成本。但当我们只有 20 名工程师的时候，我们节奏太快，根本做不到。这一点必须指出来，对吧？一般来说，所有公司都应该有一个平台团队和一个产品团队，因为产品团队你有一个之后，只要平台跟产品绑得不是很死，就可以轻松再组建第二个。对，对，对。一个非常简单的例子就是 web 应用和移动应用，对吧？或者 web 应用、移动应用、RTP，然后再加上其他各种集成。这样你的 FDE（全栈开发工程师）对整个平台来说也只是又一个客户端而已。对。而且我觉得，就连智能体也可以这么想：有一个 harness 团队，或者说……负责运行智能体的团队，然后你甚至可以围绕它构建产品，比如技能、自动化之类的。对。这就是非常有名的 Amazon Web Services 强制令。嗯。贝索斯说过：所有东西都要通过 API，不再允许后门访问。你只能通过 API 向其他团队提供服务，而且必须是和提供给客户的同一套 API。嗯。如果你没有，就去把它做出来。对。然后客户也照样能用。对。我觉得这种情况也在发生一些变化。现在很多 API……比如我们正在琢磨的一件事是：智能体能不能就是 API？我知道听起来很怪，但对于其中的某些场景，他们真正想做的只是触发某些事情发生。对于其中一部分，你完全可以……我不是说我们真要这么做，但这是我脑子里一直在琢磨的事：能不能就直接触发智能体，让它去做这件事？显然，这比一直维护一个现成的 API 效率低得多，但我一直在琢磨的是：我们的产品有多少可以干脆就是智能体本身，而不需要其他那些东西？

49:30 嗯，你知道的，无界的执行、成本和延迟。那是……那是……那是唯一一大堆问题吗？那是……对。然后我觉得确定性方面，大概一百次里有两次，它会做出我们不希望它做的怪事。我们本来打算稍后聊聊 harness 和模型微调。但我觉得这里还有一个关于克制的产品问题。嗯。关于你不做什么。是的。因为你完全可以做到所有那些事，显然这里存在优先级问题。也就是说，你是……更倾向于对大多数事情说不，只做少量的事情？还是说，不，其实我们想做更多的事，只是需要再招大概一百个人？很长一段时间里我都非常坚定地持第一种观点。我们对所有事情都说不，保持工程团队……我之前应该说过，在我在 Legora 待了半年之后，我调出过一张幻灯片，就是电影里那三百个斯巴达勇士的画面，我说我们要在整个公司历史上只保持 20 名工程师，我们要打败所有比我们大得多的对手。我们现在有一百名工程师了，还觉得规模太小。我曾想那样做，但我觉得在现实世界里，我们处于激烈的竞争中，人们想要的东西太多了。我可以做一个纯粹主义者，说不行，我们必须只保持 20 个人，只能构建什么什么，但那样我们就会输，用户就会流向别处。所以我们必须构建更多，因此我觉得我的工作就是搞清楚如何构建一个系统，让我们能构建很多，但实际上只有……让我们能……让用户感觉我们构建了非常多的东西，但我们实际上只构建了少数几样。这就是我现在对自己工作的看法。

51:00 是的。我是说，“基础组件”这个说法很准确，对吧？对，没错。我觉得这会……这真的非常强大。去测试新产品，看看是不是真有需求，然后你就差不多可以说，不，我们还是专注做主打产品，或者……我们没有做过……我是说，我们做过一些战略性的押注，对。但我们从没尝试过我们本来就没有很大把握的东西，主要是因为我们的需求……需求已经够多了。对。就好像，我们想要的东西已经很多了，所以去尝试“嘿，也许这个能成”这种事对我们来说一直不太划算，因为有太多人在喊着要别的东西，所以我们主要就是在做那些。当然有时候我们会和客户意见不一致，我们会说，其实我觉得那边那个东西在战略上更有意义，然后我们还是会去把它做出来。是为了你们的战略吗？对，正是。我们看到的有哪些呢？其中一个其实就是智能体。也就是说，从来没有人真的提出过“我希望我在用的助手有更多自主性，不用我开口就去做事”，没有人这么说过，但我们就是觉得，这肯定是行业的走向。这会让你有能力做成很多很酷的事。协作是另一个例子，我们觉得行业会走向这样一种状态：你可以在工作的地方，也就是在 Legora 里面协作，而不是通过电子邮件和短信。所以，是的，这样的例子有几个。

52:30 那之后呢……比如，一旦你说，好，我们希望你们用智能体，我猜，在律所内部，他们要真正学会怎么用，得花不少功夫。是的。所以这时候你就会说，嘿，FDE 们进去教他们怎么用。对。主要是法律工程师。哦，法律。别是吧。对，这说得通。有些人也管他们叫“前驻法律工程师”，如果你愿意这么叫的话，但本质上就是那个。然后他们进去，帮客户围绕智能体的能力来构建工作流。你们之前说过——我记得是 Max 说的——早期你们并没有微调自己的模型。现在还是这样吗？是的。我们一直没有微调过任何模型，直到最近几个月，我认为开放权重模型变得非常强大了，所以对于某些任务我们会这么做——那些我们认为前沿模型在成本和延迟上的表现，与微调后模型能做的之间有巨大差距的任务。法律检索就是一个很好的例子。这本质上是一个扇出式检索问题，通过那些查询，你可以做出一个非常高效的模型，速度快、成本低、延迟低。所以具体来说，你们是对模型做后训练，让它们在……方面更擅长？非常具体的任务。对。有边界的。没错。好的。对。我们并不打算训练自己的 Fable……对。来当主智能体。我不觉得那是个……我们在那上面赢不了，你知道的，至少对 Anthropic 大概率是这样。不过仍然有很多，比如说，检索研究或者说 RAG 研究，要做。对。

54:00 这听起来可能没那么光鲜。有时候甚至算不上模型训练，只是架构和流水线之类的东西。你和 turbopuffer 做过一个案例研究，但是，你知道，还有……比如，你们做后期交互吗？是的，当然。你们做那个。是的。我们其实没有做，但是……你说得完全对，这确实……团队里有一个人，叫 Song，他……他真的非常在意搜索，他基本上总是来找我说，哦，我们应该做这些事情，有这些新的嵌入模型，我们可以做这种后期……后期交互。他还专门找 turbopuffer 团队谈，让他们构建多向量功能，这样我们才能做这类事情。不过，总的来说，在训练模型之前，甚至在测试框架里，都有很多唾手可得的成果，说实话，如果你只是想为我们的客户创造更好的输出，有很多能立刻见效的事情可以做，完全不用先训练模型。是的。比如，对于法律行业来说，什么样的测试框架才算好？我猜你们在做自己的定制框架。对。是的。是的。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内置在里面。所以，你可能会遇到一个问题或者看到什么东西，然后它知道如何去做法律研究，弄清楚答案是什么、判例是什么。这些都非常重要。当然，还有围绕这一切的治理方面的事情。是的。看起来搜索可能是……你会说它是你们定制的最重要的工具吗？因为如果你无法调取正确的信息……是的。那你就……完了。你就完了。这……是的。我觉得是……你们要搜索大量文档。还有分析。是的。是搜索、分析，可能还有起草。好的。因为起草……起草大型合同其实也不是件轻松的事。

55:30 那么,它哪里不简单呢?因为你得……比方说你要从零起草一份大型合同,那你就得先找先例:我们以前是怎么做的?我们需不需要 A 类条款,还是特定律所?他们以前是怎么做的?对,假设我就是那家律所,我正要起草一份很复杂的……NDA 很简单,但有些合同要复杂得多,你得先找到合适的先例,因为律师不会坐下来直接开始打字。他们会先弄清楚:在类似的交易里我们用过哪些条款?而

57:00 是的。是的。我猜他们都有一个和你沟通的 Slack 频道，你在告诉他们这些，对吧？就像，嗯，这对他们来说不是新闻。不。不。他们知道这一点。那么另一件我非常关心的事情是幻觉。嗯。他们会不会编造东西？所以我们有一套……引用系统，我们基本上会检查他们写的内容是否带有链接，这样用户就有了一个链接，可以点击，它会用一个边框高亮显示，比如在 PDF 或其他文件里，标出这些信息是从哪里来的，我们可以大致确保它所说的内容总是可以在某处被引用，甚至可以深入多层。比如，如果智能体基于一份表格审查写出了某些内容，你知道，它可以引用表格审查中的某个单元格或某一行，所以你实际上可以点击深入多层，一直向上验证。是的。你有没有发现律师们会去验证这些引用是否正确？起初，这有点像……某些其他工作，但现在……是的。没错。是同一回事。见鬼，就像那些编造的最高法院链接一样。他们不在乎。这种情况会发生。是的。没错。这种情况会发生。是的。我觉得这就像编程，你知道，有些工程师根本不在乎，直接把任务丢给智能体，而有些人则会坐下来逐个逗号地阅读。描述是一样的。就是有太多东西了，一个人怎么可能全都做完？对吧？是的。但我认为他们大概……就像我们在代码审查中知道要找什么一样。是的。比如，系统是什么之类的。我认为他们也知道，好吧，这是关键，这些是危险的……比如，这是重要的东西，让我再检查一下这些，而这些听起来合理，所以大概没问题。好的。有意思。就像你收到初级律师提交的东西一样，你做的事也是一样的，对吧？就像，我应该再检查一下这个，而这大概没问题。还有其他方面的，我们姑且称之为法律推理，或者说模型目前还不够擅长的法律前沿，你希望从下一代模型中得到什么？目前我想不到什么具体的。我认为长文档推理仍然很困难。长，比如一百万 token 的合同，基本上……你有一份巨大的合同。是的。然后你在整个文档中进行修改，这对今天的模型来说仍然是件难事。我记得你在上面改了所有这些东西，比如定义变了，然后顺序变了，等等。所以，最简单的方式是一次性输入所有内容，然后一次性输出。

58:30 是的。你不那样做，而是把它拆分成块，然后编排编辑。对，正是如此，完全正确。这是这个行业里有趣的事情之一，参与其中很有意思，对吧？拿我们的 Word 加载项来说，就像是，我们已经做了，你知道，我们已经做了 MapReduce，我们改了，而且有一个很大的改变，而且有一个很大的改变发生了好多次。就是说，随着模型的变化，我们不断更换围绕它搭建的脚手架。是的。我要说，我我我最近……我做很多新闻报道，嗯哼，显然因为我的工作性质，我最近从 MapReduce 转向了在这些上下文之间来回抛递。这样更好。是的。但也有不同。我是说，我们在搜索上遇到过这个问题：你在一份巨大的合同里搜索某些东西，可以用 map reduce 来做，但如果你在做某种总结，直接把各个部分分别摘要再加总，可能会丢失一些重要的细微差别。对。也就是各块之间的内容会丢。所以这就成了一个难题：我们可以做两种类型的搜索，也可以做另一种，就是需要在中间的各个步骤里加入推理。我正在想一个好的例子。有些文档会在比如说两页左右的篇幅里详细讨论某件事，然后每一小块单独来看未必与搜索词或他们想搞清楚的问题相关，但合在一起就极其相关。所以，是的，这些就是一些……而且这肯定很难。

1:00:00 就像你之前说的，要真正让模型在这方面变得更好，因为你自己都看不了那些合同，对吧？没错。你们有没有向他们要过，比如说，嘿，能不能做一些和真实合同类似的示例合同？有的。所以我们有反馈机制，可以从他们那里收到反馈，如果他们参与度很高，对，就是这样。或者他们就说，嘿，这对我们来说超级重要，但效果不太好，然后我们就会说，好的，太好了。你们能不能把文件和问题什么的匿名化，然后我们……如果我们能复现问题，就能修复它。是的。我是说，其中一种做法是你去收购一家律所。对。有些人正在考虑这么做。是的。但这里有一些问题，就是他们的数据到底属于他们，还是属于客户。所以如果他们的客户都走了，那也许就没问题。说实话我也不确定。有意思。是的。但这确实是……是的。这是获取大量数据的一种方式。是的。比如谷歌收购了 Wiz。没错。是的。收购了……对，对。就像，你知道，如果你公司倒闭了，你还留着你的 Slack 数据，你可以把 Slack 卖掉。我记得好像有一家 YC 公司专门收购倒闭公司的资产。是的，确实有。对，对。因为就是那种，哦，我只想要真实的人做真实的工作。没错。然后，对，就是这样。没错。把东西提取出来。没错。收购律所数据的问题在于……嗯，你能拿到所有的输入，真实的输入，这很棒。但输出就有点难办了，因为你只拿到他们的最终结果，很难判断……你基本上得逆向推演他们是怎么得出这个结果的。所以在我们的产品里，当我们从真实用户那里获得真实的轨迹时，价值极高。但如果我们只拿到这个输出，却不知道它是好是坏、是怎么生成的，那就有点困难了。

1:01:30 我们快到结尾了。最后我想提醒大家的一点是，embedding 方面还有很多红利可挖。如果你的工作负载重度依赖 RAG，而只是看着 MTEB 排行榜挑个排名第一的模型，那你会错失很多东西，你应该看看 Voyage 或者一些定制化的 embedding。你已经深入研究过这个了。是的。所以基本上，不要用默认的 embedding，哪怕是 OpenAI 的 embedding、Gemini 的 embedding 都一样。要定制你的 embedding。对吧？是的。你们会支持这个的。是的。我认为这是对的。我认为这是对的。唯一需要注意的是，你得确保支持多语言。对我们来说，我们服务非常多的语言，所以这个世界在这方面是王者。是的。没错。Mistral 在这方面有帮助吗？没有。至少目前……嗯，他们刚融了一大笔钱，对吧？所以也许……拭目以待吧。你们最好加把劲。他们也融了一大笔钱。你们会是欧洲的冠军。我觉得欧洲需要多得多的模型公司。我正想问你，你对未来一年法律行业有什么预测吗？我们之前稍微问过一点。对。我会把问题改成你问的第二种形式：两年后，律师们是在 Legora 里完成他们的工作，还是使用 Claude 或 TrejoC 之类的其他工具，然后调用 Legora 的 API？

1:03:00 是的。对，对，对。我觉得两者都有。这真的取决于情况。我认为如果你是一家大型企业，你可能会用 Claude Cowork,然后你会……这有点像……我觉得这类似于我通过 Claude 使用 Linear,但我还是会去用 Linear。我想企业会这么做。我认为律师事务所会直接用 Legora。对，因为那更简单、更好。是的。这有点让我想起 OpenEvidence 之于医学领域。你基本上就是法律领域的那个。对。是的，没错。在编程领域，已经到了一个地步……实验室会因为你们和他们竞争而切断你们的合作，这已经发生过两次了。对。你觉得这种事会发生在法律领域吗？不会，我不这么认为。因为，你知道，他们也在推出法律服务。是的，是的，是的，确实如此。我不……我是说，我们显然和他们交流很多，但是……就像，嘿，你们会不会……你的销售代表会说不会。没错。他们做不了这个决定。对，那不是他们的目标。对吧？而且他们往往根本不知道实际发生了什么。我不认为会出现那种情况。他们有太多知识工作领域或者企业知识工作整体上的东西要覆盖，法律必须是其中一部分，就像数据分析、销售、市场营销和财务一样。所以，他们必须在这些领域做出好的产品，但他们绝不会像我们这样深入。我认为，如果 Claude 接一些小客户，小型的企业客户，他们通过 Claude 处理一部分法律事务，那很好，没问题。但如果你在做一笔 4 亿美元的并购交易，你会想用 Legora。我有个不太相关的问题，但我很好奇，你们会去法学院，让他们在课堂上教 Legora 之类的东西吗？这是怎么运作的？

1:04:30 是的。这绝对是我们正在推进的一个项目……我想我们已经开始了。其实我不太清楚具体进展到哪一步了，但我们确实希望法学院的人能学会使用 Legora。你有没有看到，法学院正在大幅改变他们的课程设置吗？还是说并没有？我不知道。这个我真的不知道。有意思。我其实会用另一种方式来做。你应该为法学院设立奖学金，面向计算机专业的人、工程师。我们会为你支付——学过 CS？对。我们就送你去读法学院？CS 加上一些软件工程经验。对，我们就送你去读法学院。是的，我们出钱。或者你可以读那种……硕士加 JD 的项目？对。他们并不看重硕士。对。意思是说，因为很多人本科没读 CS，所以就去读个硕士，算是补一补基础。对，对。我不太确定，我没怎么见过这种情况。是，是。有人会读 JD 加 MBA，这确实存在。对。但 JD 加 CS，我还没见过。有的。是，是，是。好。总的说来，你们取得了非常了不起的进展。祝贺你们取得的所有成就。你们还会继续保持这个节奏吗？肯定会。是的。你们还在旧金山和纽约招人。我们在……对，工程岗位我们在纽约、斯德哥尔摩和伦敦招人。对。其他所有岗位，我们在各地招人。你们现在纽约有多少人？100。大约 100。好。你们计划在纽约招多少人？在纽约？对，大概来说？我们就说，是的，总体来说，

1:06:00 很多。能招多少招多少。是的，这个计划很激进。是的。那可是……那里是公司法的大本营，对吧，毕竟……确实如此。对，美国法律史的中枢。所以，我很期待你们收购一家律师事务所，然后变成……是的，是的。这真的非常令人兴奋。我觉得，每个行业，尤其是顶级的那些，比如医生、律师、程序员，最终都会有两三家智能体实验室完全主导这个领域。我同意。所以你们的市场非常好。对。我也这么认为。而且我觉得随着法律的变化，让更多人能用上法律服务，这个市场只会变得更大得多。是的。另外，我觉得……我的意思是，虽然我们已经聊得很超时了，但你做的问题非常有……属于前沿知识工作。对。它们……好。除非你真的在做纳维-斯托克斯方程之类的东西。科学上的纳维-斯托克斯方程和科学。除此之外，大多数工作基本上都会归结到法律层面。对。最终都是法律问题。对。招聘、金融、一切，最后我都得咨询我的律师。是啊。我懂。我知道。所以我觉得这是一个非常值得做的方向，因为现代社会在某种程度上是靠法律运转的。对，对。好，就到这里。谢谢。好，谢谢。谢谢。