Building AI for Lawyers - Jacob Lauritzen, CTO of Legora

TL;DR · AI 摘要
Legora通过AI代理重构法律行业工作流,实现1亿美元ARR并颠覆传统计费模式,其评估方法在无客户数据情况下模拟法律工作场景。
核心要点
- Legora AI代理可同时处理10,000份文件并生成风险报告
- 法律行业计费模式转向固定项目费,传统计时收费正在消失
- 评估团队通过模拟客户工作环境构建RL训练环境
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- 构建法律AI代理
- 产品功能
- 文档处理
- 批量合同审查
- 跨角色协调
- 评估方法
- RL模拟环境
- 热力图分析
- 失败模式分类
- 行业影响
- 计费模式变革
- 初级律师价值提升
- 数据隐私挑战
金句 / Highlights
值得收藏与分享的关键句。
Legora在无客户数据情况下,通过构建10,000文件数据室模拟尽职调查场景
美国律所将基础工作转向免费固定费用,利润向M&A和诉讼转移
初级律师价值提升200%,因其能完成过去需要两年经验律师的工作量
为律师构建AI - Jacob Lauritzen,Legora首席技术官 — Latent Space
在这一期节目中,我们与Legora首席技术官Jacob Lauritzen进行了对话,这发生在他们几周前宣布完成5.5亿美元E轮融资(估值88亿美元)之后。我们讨论了构建律师AI代理所需条件,以及其他开发代理系统的团队可以从这项工作中学习的经验。
Legora最初在斯德哥尔摩的地下室起步,产品非常简单:ChatGPT、瑞典法律和一个搜索工具。Jacob在帮助Max Junestrand申请Leya(现为Legora)的YC申请时,自己已经经历过YC孵化。之后他加入公司担任工程负责人,目前是首席技术官。
如今,该代理系统可以起草和编辑Word文档,同时一次性审查数千份合同,并在律师、客户和其他代理之间协调工作。公司于4月实现了超过1亿美元的年度经常性收入(ARR),距离推出不到18个月,目前已有超过1800名客户。3月公司以55亿美元估值融资5.5亿美元,10月又以88亿美元估值再融资5.5亿美元。其最新收购Wexler是今年的第五次收购。
我们询问Jacob如何在无法查看客户数据的情况下评估代理系统,哪些任务仍需要更好的模型,法律工程师与前线部署工程师如何分工,以及为什么计时收费的商业模式正在被颠覆。
在YouTube上观看完整对话 →
在YouTube上播放视频 ↗
计时收费模式发生了什么变化?
当Jacob第一次阅读Leya的YC申请时,他给出了一条反馈:人们尝试过无数次构建法律科技产品,但从未成功。如果律师按小时收费,提高效率反而意味着收入减少,他们为何要购买会降低收入的工具?
他指出变化源于律所面临的压力。在美国,像小型审查这样的常规工作已经转向固定项目费用。一些律所甚至免费提供此类服务以留住客户,资金则流向并购、诉讼和客户互动时间。
我们询问这是否意味着律所将不再需要助理律师和初级律师。Jacob表示Legora并未观察到这种现象。优秀的初级律师如今比两年前更有价值,因为他们能完成更多工作,这与工程领域的情况类似。
跳转至计时收费模式讨论 →
在无法访问客户数据的情况下进行评估
大多数团队通过阅读追踪数据来改进代理系统。但Legora无法读取任何追踪数据。用户上传的几乎所有内容都是机密的,其中大部分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的工作类型。三名工程师和三名律师构建了强化学习环境,以模拟客户的工作流程。例如,他们创建了一个包含10,000个文件的数据室,代理系统需要在此环境中执行尽职调查并生成能识别正确风险信号的报告。团队会按业务领域和任务类型在热力图上绘制结果。新模型通常在某些法律工作上表现更好,而在其他方面表现更差。
团队依靠约100名法律工程师,这些律师通常在大型律所工作3至4年,通常拥有计算机科学学位。在生产环境中,Legora将故障分类为10至20种已知故障模式,并通过功能标志运行基于低成本LLM的检查。
这些限制也决定了Legora可使用的基础设施。所有系统均运行在Azure上,因为Legora初创时,律所不愿接受AWS或GCP,而微软已通过365成为获批准的供应商。
跳转至无追踪数据的评估部分 →
Legora长期以来一直抵制模型选择器,直到最终妥协。Jacob认为,律师不应该需要判断一份合同是属于Sonnet-high还是Opus-mid级别的任务。这是Legora需要负责的,即在质量、成本、延迟、治理和区域可用性之间找到最佳平衡点。
他估计,目前模型已经能够很好地处理约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已经开始为法律研究等特定任务训练后训练的开放权重模型,但没有计划训练自己的前沿模型。在起草文件方面,Jacob认为Fable和Opus过于冗长,而Astra则更简洁。为了解决幻觉问题,代理生成的所有内容都会带有引用,突出显示源PDF中的边界框,且层级可达多层。
跳转至模型讨论 →
几个基础模块,众多产品
入职六个月后,Jacob向团队展示了一张300名斯巴达战士的幻灯片,并宣称Legora将永远保持20名工程师的规模。现在团队已扩展到100人,他仍觉得这个规模还是太小。他现在的工作是构建一个系统,让团队只需推出少量产品,客户却能感受到获得了大量价值。
团队围绕几个基础模块构建产品:用于存储文件的项目、代理、Tabular Review和列表。列表是一种灵活的Notion风格数据库,支持触发器和自动化。代理可以创建和读取列表,列表的更改可以触发代理。Intake是一个Slack机器人,能将请求转换为列表中的工单。
Tabular Review是行业中被广泛复制的产品,甚至名称都照搬。每一行对应一份文档,每一列对应一个问题。上传10,000份雇佣合同,提出关于终止期、知识产权归属条款和离职补偿条款的问题。它支持最多百万个单元格,但初始只提供10行,以便您在运行其余内容前调整提示语。
法律工程师可以在这些基础模块上配置新产品而无需编写代码。甚至Wexler的事实智能产品也是基于相同的构建模块。
跳转至基础模块讨论 →
优先法律工程师,其次部署工程师
Legora大约九个月前在纽约聘用了第一位部署工程师:Di Qi,一位曾两次获得YC资助的创始人,在Meta从事过搜索工作。法律工程师以高级用户的方式配置产品,不编写代码。部署工程师则将代码投入生产,构建与律所CRM或文档管理系统集成的功能,并将学到的内容反馈到核心产品中。他们仍然不会接触客户数据。
当有重要客户签约时,Legora会指派法律工程师与其合作,如果项目需要,还会增加一名部署工程师。一年内,Jacob预计会有轮换的部署工程师团队,他们会在客户处驻留几个月,构建所需功能后继续前往下一家客户。
跳转至部署工程师讨论 →
未来发展方向
两年后,Jacob认为大型企业将通过Claude Cowork等工具使用Legora,而律所则会直接在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的联系。对于价值4亿美元的并购交易,他预计人们仍然会需要Legora。
跳转至预测讨论 →
附注
- Legora — 专为律师打造的协作式AI平台,Jacob担任首席技术官。
- Jacob Lauritzen — Jacob在LinkedIn上的个人资料。
- Legora 完成 E 轮融资 —— 融资金额 5.5 亿美元,投后估值 88 亿美元,年度经常性收入(ARR)超过 2 亿美元。
- "代理系统需要的不只是聊天功能" —— Jacob 在 AI Engineer Europe 2026 大会的演讲。
- "将 AI 连接到数十亿法律文件" —— Jacob 与 turbopuffer 的 Simon Eskildsen 在 AI Engineer 大会上的联合演讲。
- Legora 如何在 Modal 沙盒环境中运行 2000 个并行代理评估 —— 解析 Legora 评估系统背后的基础设施。
- Legora 收购 Qura —— 这家总部位于斯德哥尔摩的法律研究初创公司,Legora 于 4 月完成收购。
- Legora 正在收购 Wexler —— 这家总部位于伦敦的初创公司专注于从大规模诉讼文件集中提取和验证事实。
- Claude for Legal —— Anthropic 的法律连接器和插件,这预示着 Anthropic 是否会进军法律领域。
- AIE 欧洲峰会复盘 + Agent Labs 前沿洞察 —— Swyx 在峰会开场时提出的代理实验室方法论。
• 0:00 冷开场 • 0:40 介绍Jacob Lauritzen,Legora公司的首席技术官 • 1:05 从斯德哥尔摩地下室的弱者起步 • 1:54 Legora如何从搭载瑞典法律的ChatGPT成长为法律代理 • 4:12 从助手到代理的转变 • 5:23 Legora使用的模型以及为何增加模型选择器 • 7:48 当前的模型是否足以满足律师需求 • 8:20 九个月前代理无法实现的功能 • 9:18 在模拟世界和包含10,000个文件的数据室中测试代理 • 10:07 评估团队与Legora的100名法律工程师 • 11:03 评估看似不值得时,一次发布将引用率从70%提升至99% • 12:18 未来五到十年法律实践可能的形态 • 14:18 律所合伙制模式能否存续 • 16:40 助理律师和初级律师的未来 • 18:00 计时收费制度与早期法律科技的不足 • 19:39 现在资金流向何处 • 22:44 Legora如何利用其产品进行收购尽职调查 • 23:59 瑞典和美国律所的差异 • 26:12 在无法读取追踪信息时的产品指标 • 27:41 重述追踪信息并将故障归类为10至20种类型 • 28:42 数据隐私促使Legora在Azure上运行所有服务 • 30:04 开源权重模型与模型套利 • 30:55 转录模型及Legora为何不使用ElevenLabs • 33:33 代理、Tabular Review、项目及Word插件 • 34:24 律师如何使用Tabular Review • 35:51 为何电子表格有效以及从前10行能学到什么 • 37:53 Slack中法律接待机器人的运作方式 • 39:11 代理如何创建列表以及列表如何启动代理 • 40:15 在相同组件上构建产品并收购Wexler • 42:37 Legora的前部署工程师职责 • 43:52 法律工程师与前部署工程师如何为大客户提供入职支持 • 46:43 前部署团队未来一年的规划 • 47:24 为何Legora抵制构建API • 49:26 代理能否成为API • 50:12 三百名斯巴达战士幻灯片及保持20名工程师的计划 • 51:32 没有人要求Legora做出的赌注 • 53:05 针对法律研究的后训练开源权重模型 • 54:05 搜索、检索与后期交互 • 54:51 优秀法律代理的关键特征及起草依赖搜索的原因 • 56:25 哪个模型能写出最佳草稿 • 57:03 幻觉现象与Legora的引用系统 • 57:41 律师是否会检查引用 • 58:19 使用MapReduce还是百万令牌合同的大上下文窗口 • 1:00:16 获取匿名示例及购买律所数据的构想 • 1:01:53 为何Jacob建议避免使用默认嵌入 • 1:02:44 律师是直接在Legora工作还是通过Claude • 1:03:26 模型实验室是否会切断Legora的供应 • 1:04:24 法学院与计算机科学专业奖学金 • 1:05:28 在纽约、斯德哥尔摩和伦敦的招聘 • 1:06:09 为何大多数工作最终都会成为法律工作
转录文本
从修订版自动转录;名称和措辞可能存在错误。
0:00 人们一直在询问我们关于Mythos的一切,尽管我认为从现实角度来看,很多法律工作并不需要Mythos级别的智能。初级法律助理,被取代了。没错。初级律师,也被取代了。我不需要他们。实际上我们看到的并非如此,我们曾遇到一个问题,比如引用格式不正确,但下一次模型发布就解决了。它从70%直接提升到99%。我们什么都没做,结果就变得很好。至少你正在处理价值4亿美元的并购交易,你肯定会需要Legora。我们整个公司历史中就只有20名工程师,但我们会击败那些规模远超我们的公司。我们现在有100名工程师,感觉我们规模太小了。但我在尝试思考的是,我们的产品中有多少部分可以仅仅作为代理,而不是其他所有功能。好的,我们在这里的演播室里,有特别嘉宾雅各布·劳里茨恩(Legora首席技术官)。我念对了吗?劳里茨恩?没问题。是的,这可以接受。我不是西班牙人。怎么...这是丹麦姓氏。没错,正是如此。它有特别的历史吗?不,只是...“son of Lauritz”的缩写。儿子的儿子。就像你有儿子...是的。所以是劳里茨的儿子。这就是我的名字。不错。我们在这里那里有过交集。你曾在AIE上做过几次演讲,显然Legora是历史上增长最快的法律科技公司之一。是的。你开场时在预演环节说过的一句话我觉得非常有趣。你说你们的起源非常欧洲化。尽管显然你们正在纽约和旧金山扩展业务。你们的文化有什么特别之处?我认为我们本质上可能非常谦逊,因为我们从一开始就是局外人。没人相信这家位于斯德哥尔摩地下室的小型初创公司能击败那个在美国遥遥领先的庞然大物。因此我们一直以弱者姿态存在,所以一直非常谦逊。我们一直必须为生存而战。我认为随着我们进入美国并越来越多地在美国开展业务,我们也逐渐学会了要更加大胆,向世界展示我们的实力,因为这对我们中的一些人来说并不自然。
1:30 我想先谈谈你们的产品,因为我觉得很多这类法律产品都比较隐秘,对吧?你知道的,这些东西是不应该随便展示的。如果你们能谈谈产品具体是什么样子,以及你们是如何走到今天这一步的?比如产品经历了哪些迭代?我觉得这会非常有趣。没错,我们最初是从ChatGPT和瑞典法律开始的,里面有一个搜索工具,这就是我们最初全部的起点。我们从法律研究起步,这是一个巨大的市场,律师们需要花大量时间查找类似案例,确定法律先例,了解过去人们在类似情况下都做了什么,这非常重要。这一直是我们产品的重要组成部分。我们最初是从一个代理程序开始的,你可以向它提问,它会查询相关法律,这是一个非常简单的起点。从这里开始,产品功能逐步扩展,比如代理程序现在可以很好地起草文件,编辑Word文档,整理文件,进行复杂分析,我们还添加了很多其他功能。其中有一个功能叫做表格视图,现在这个术语已经被行业采用,我们很高兴看到Claude for Legal在他们的产品中使用了我们提出的术语。我们得聊聊这个功能,这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时非常常见。
3:00 这就是我们产品的一部分,我们帮助律师更高效地完成工作。除了完成工作本身,我们还比一年前更擅长协调工作流程。我们有不同模块,比如"列表"功能,对我们来说是线性处理的。我们还有"受理"功能,用于与客户协作,以及"门户"功能,也是一种协作方式,律师之间、客户与律师之间、律师与代理程序之间、代理程序之间都可以使用。我们在这些功能上投入了很多时间,因为说实话,十年前甚至现在与律师合作的方式都相当痛苦,有很多改进空间。所以我认为这两点非常重要:一是完成工作,二是协调工作流程。你们是什么时候开始构建这个代理程序的?嗯,我们基本上是从助手转向了代理程序,对吧?我们称之为"代理"。大概是一年前开始的。这是给理解YC 2023的人看的时间线。我知道你是YC '24的创始人。
4:30 YC二十四。是的。我参加了YC '23。没错。Legora是'24。好的。然后……所以这里……这有点像是在……在智能代理真正起飞之前。没错。然后,显然使用模型彻底改变了这一切。是的。我的意思是,从某种意义上说,今天我们在产品预览中看到了一些东西。看起来……嗯,是预览版。我们有一个私密的演示。我们会把视频上传到YouTube上。基本上就像为律师定制的ChatGPT。没错。可以说,这非常贴切,但侧边栏有很多很棒的自定义工具,比如表格视图、案件受理功能,我非常喜欢,还有其他很多功能。没错,这正是它所呈现的样子。它就像同事助手或ChatGPT,但对法律工作特别有效。然后……是的。对于内部公司律师来说,比如那些需要查找编码规范的人,这些功能都非常实用。我们还可以进一步讨论这些产品。是的。你们在底层使用了哪些模型?能谈谈吗?我的意思是,根据任务的不同,我们使用了多种不同的模型。对吧?然后这些模型对律师是不可见的。你们或代理?是的。我们在这一点上反复讨论过。我想其他人也是一样。在代理中,有一个主模型选择器,但某些工具会使用不同的模型,比如表格视图。我们认为通过将问题细分并根据任务细分进行路由是最有效的。不过目前代理中确实有一个模型选择器。嗯。老实说,我不确定这个功能是否会一直保留。所以……是的。
6:00 是的。我的意思是,我之所以提到这一点,是因为我是Cognition的顾问。是的。当我加入时... 你知道,我关于代理实验室的论文观点是,代理实验室本质上应该是一个领域专用的GPT封装器。没错。对吧?比如,我们... 我们是领域专家。我们会关注你。我们会比Frontier Labs更充分地满足你的需求,并根据我们的判断,为你提供最优质的Frontier Labs成果。是的。我们的工作就是为你做决定,因为你的工作不是... 完全不是。我们会始终将你保持在帕累托前沿。是的。确保它始终保持卓越,你无需深入所有细节。比如,就我经历过的... 正如我刚才说的,如果你去请律师,让他们根据先例起草合同,你觉得这是sonnet high还是opus mid级别的任务?实际上,他们根本不会知道。只要给我这个模型。只要确保它能正常运行。我们的时薪是每小时一千美元。没错。就像,让它正常运行。所以,是的,我最初就是带着这个观点进来的。哦,对,这就是Devin与众不同的地方。现在我们在模型选择器中有五个选项,包括Fable和Opus。是的,还有Astra。是的。人们想要尝试这些新模型。是的。这个和之前的模型一样吗?我认为是的。我认为在法律领域,这比在编程或工程领域要少得多。是的。但确实有人会立即想要使用第一个表格,而且人们一直在询问我们关于Mythos的一切。是的。是的。尽管我认为,现实情况是,很多法律工作并不需要Mythos级别的智能。是的。确实存在
7:30 完全正确。我的意思是,基本上你已经明白,我们给你选择权。你提出这个请求时,我们确实会这样处理。但你的信用额度消耗速度会比他们快10倍。是的,我真的很想...我们曾长时间反对引入这个功能,但最终还是妥协了。我们说,好吧,如果你想要这种程度的控制权,那我们就给你。你认为这些模型现在已经足够好,不需要进一步改进了吗?比如,律师已经不需要它们变得更好了?这其实是一个权力分配的问题。我认为大概有60%的工作我们现在可以做得很好,从现在起,这更多是成本和延迟的问题。但剩下的部分,尤其是非常复杂的分析,我们仍然需要更多智能。此外,我认为还有工作范围的扩展问题。目前我们处理的是现有工作,但与佛罗里达州劳德代尔堡的合作,可能也会随着智能的提升而扩展。我想象,你们最初转向代理时,比如刚开始构建代理时,当时使用的是什么模型?大概会是Opus four six之类的?是的,Sonnet four six和Opus four six应该是对的。当时代理在哪些方面表现不佳?即使只过了九个月,现在它们在这些方面已经改善了很多?比如子代理委托功能,我们现在处理得非常好,特别是针对需要广泛检索的查询。这对我们来说现在效果极佳,以前却非常困难。我们基本上有一个专门做评估的团队,他们跟踪模型在不同法律实践领域(法律的子领域)以及各类任务中的表现。因此我们有一个巨大的热力图,可以看到模型的表现变化。通常它们会改进大部分内容,但事实上在很多模型版本中,有些方面有提升,而其他方面则可能停滞或进展有限。实际上,这种情况发生的频率比你想象的要高得多。
9:00 比如,这些任务具体包括哪些?你们是否了解自己团队是如何运行大量评估的?你们关注的不同细分领域大概有哪些?是的。比如,我们有不同类型的场景设定,本质上就是各种强化学习环境。因为律师通常都是以项目形式工作,所以我们会设定类似这样的场景:比如一个包含10,000个文件的数据室,你进行尽职调查,最终生成的GRIP报告应该包含所有警示信号,排除各种异常内容,并且保持简洁等等。我们就是通过这种方式构建系统的。因此任务可以细分为多个部分,其中一部分是撰写报告,比如这份草稿是否合理?是否包含所有必要内容?措辞是否恰当?分析是否严谨?还有另一部分是识别警示信号,即在分析之前的预处理阶段,我们可以进一步细分这些任务。这就是我们运行评估的方式。有趣的是,你们的评估团队结构是怎样的?比如,你们会聘请律师来做这些工作吗?是的,这是一个混合团队。我们既有工程师,也有律师,组成一个统一的团队。目前有3名工程师和3名律师,同时还有一支我们称为"法律工程师"的人员池。这些人员通常在大型律所工作过3到4年,通常拥有计算机科学学位,具备很强的技术背景,他们加入我们是因为希望推动行业变革。
10:30 他们是大律所的IT人员吗?不,他们是大律所的律师。他们是拥有计算机科学学位的大律所律师。天哪,这简直就像一个韦恩图(Venn diagram)……没错,正是这样。这正是我们最难招聘的岗位之一,但同时他们也是巨大的乘数效应(force multiplier),因为我们可以依靠他们完成评估工作和产品开发。你想象一下,我们拥有一个由100名专家组成的团队,他们每天使用产品,每天与客户交流,他们亲身经历过这些场景,我们只需调动他们来做评估相关工作,帮助我们塑造产品,这简直是一个巨大的优势。对了,你们团队是自己组建的吗?评估团队最初是从助理代理团队发展而来的。我认为直到最近之前,我们都觉得其实没必要投入太多精力做复杂的评估,因为所有模型都在不断变好。所以当时的问题是,我们是应该花大量时间做复杂评估,还是专注于构建一个更好的评估框架?因为通过构建更完善的评估体系,我们能从整体提升中获益更多,而事实也确实如此。嗯,没错。每隔两到三个月,你就会得到一个全新的模型。没错,正是这样。我们只是把它传递下去,对吧?没错。比如我们曾遇到一个问题,模型引用格式不正确,导致难以追踪,但下一个版本发布后就解决了,准确率从70%直接提升到99%。我们什么都没做,结果就变得很好。也许真正重要的工作是,比如保持数据私密性、让数据可标记和排序、新增表格视图等功能。这些是除了ChatGPT之外的额外功能吗?是的。但显然,现在你们也在做评估工作。我猜你们使用开源模型的比例也在增加。我们可以进一步讨论这个话题。总之,我目前想表达的是,除了这些之外,这份工作的核心是什么?在早期阶段,这份工作的重点并不是做评估,因为当时主要是向律师展示模型的能力。
12:00 没错。其中很大一部分就是弄清楚法律行业在五到十年后会是什么样子。比如,编程领域可能领先一两年,我们可以稍微参考一下,但法律行业最基本的协作方式是什么?人们如何工作?如果不再通过200条线程的电子邮件和五页文档来回交流,协作方式会是什么样?这并不一定完全依赖AI,而是需要打造更优质的产品体验。同时要确保通过审计日志、数据保留等机制满足合规行业对关键要素的要求。然后才是AI部分,即让工作更高效、更优质,通过主动智能体在信息到达时自动响应,避免需要手动启动所有流程。我认为很多工作就是需要思考:五年后我们期望行业变成什么样子?如果模型能力持续提升、成本持续下降,我们能实现什么?是否可以登录到一个类似指挥中心的界面,只需处理智能体最近触发的五项重要事项,进行审核、检查和系统优化?也许这就是我们正在探索的方向。是的,我正想问,能否更深入地解释一下?比如,几年后法律行业会变成什么样子?
13:30 我想先说明,我并不确定。毕竟,谁又能真正知道呢?不过我认为我们可以从编程领域寻找答案。我认为所有律师的工作效率都会大幅提升,他们能够以更高质量、更低的成本完成更多工作。我认为整个行业本身、工作内容本身都将显著改善。律师将能投入更多时间做他们成为律师的初衷——判断合适的风险轮廓、可管理的风险、以及各种需要专业判断的事项。他们将更多地进行战略判断,与客户深入合作,而不再需要花费大量时间在繁琐的文档中寻找关键证据,或者处理那些令人厌烦的机械性工作。你认为合伙制模式会发生什么变化?你觉得这种模式会保持现状,还是会有其他变化?我上周认真思考过这个问题。是的,合伙制模式本身...我不想深入细节,但这种模式存在的根本原因在于,这些公司的唯一资本就是人力资本。不像软件工程公司或制造企业那样拥有实物资产或可积累的无形资产,并能向股东分红。在专业服务行业,比如咨询公司等,所有价值都体现在员工身上,而你无法真正拥有人力资本。毕竟,奴隶制已被废除,不能拥有他人,但可以雇佣他们,支付他们报酬。因此,合伙制本质上是一种让人力资本成为公司所有者的结构,以此留住人才。这种模式会发生改变吗?不一定,但我认为我们真正希望的是让律师能够建立某种无形资本、持久资本,比如构建一个能学习如何工作的系统。
15:00 现在很多公司都在思考,比如,目前律所的做事方式是怎样的,我们是否可以将这种经验进行编码,建立一个系统,无论是自我优化的知识图谱,还是其他形式,通过先例文件和文档的整理,形成一套能产出高质量成果的工作方式,这将成为他们的知识产权。这实际上是一种将人类专业知识和判断力编码到系统中的方法。我认为这……现在我可能说得有点跑题了,但我想说的是,这是我们想要帮助推动的事情。这会改变合伙模式吗?因为激励机制是不同的。在合伙模式下,你只需要带来更多客户,你不想因为编码信息而占用带来客户的时间。嗯,因为你的奖励来自于“吃掉你猎到的猎物”或类似这种机制。这种模式需要做一些调整。我们需要设计一种激励结构,让合伙人在为公司构建资产时获得激励,但目前并没有这样的机制,因为一旦他们离开合伙关系,就无法从自己构建的资产中获得任何分红。
16:30 是的。所以,某种程度上……是的。我认为整个商业模式……我们会看到的。是的,是的。目前所有的一切都存在疑问。是的。我另一个观点是……你知道的,在合伙层面,这实际上是行业的顶端。实际上,我的观点更多集中在底层。是的,那里发生了什么?初级律师和法务助理都消失了。是的,对吧?比如,初级律师不再需要了。我不需要他们。实际上,我们看到的并不是这样。是的,我认为在工程领域确实存在这种情况。是的,初级工程师现在处境很艰难。你几乎必须从大学毕业后就完全准备好,否则就难以生存。我觉得我这样说可能有点夸张,但为了喜剧效果。不过,是的,我知道很多律师,他们最初是法务助理,后来上法学院,经历这些过程。现在他们不再被需要了,他们真的不再被需要了。是的,是的。是的,这种现象确实很有趣,合伙模式就像金字塔一样。我认为总体而言,很多律师仍然需要下一代人才。至少在工程领域,我的看法是,今天的一名优秀工程师,其价值甚至比两年前更高,因为他们能产出更多成果,他们确实很厉害。我认为法律行业也是如此,如果律师足够优秀,他们实际上可以完成很多高质量的工作。因此,我认为真正优秀的律师或初级律师的价值会大幅提升。是的,这一直就是如此。对吧?是的,似乎现在更加明显,而且这种现象正在加剧。
18:00 对,我其实挺好奇的。整个法律行业基本上都是按小时计费的。对,如果现在每个项目都能更快完成,那会不会便宜很多?这其实是一个很有趣的故事。我当时在帮Max写YC申请,顺便协助他进入YC(当时叫Leya)。我很好奇,Leya是不是丹麦语里的某个词?不是,是瑞典语。瑞典语?也不是。其实这个词本身没有特殊含义。我记得当时有一家西班牙报纸在我们早期阶段报道过我们,他们解释说Leya是"Legally Efficient Yoda Assistant"的缩写。为什么用Yoda?我也不清楚。我当时就问,为什么选这个名字?幻觉现象不仅出现在大语言模型中,记者也会产生幻觉。但这个词本身并没有特别含义。他写了申请,我给他的反馈是:很多人已经尝试过无数次了。法律科技从未真正流行起来,因为律师没有动力去改变。他们为什么要提高效率?因为收入会减少,这根本说不通。但我觉得律师之所以愿意采用新技术,是因为他们意识到形势的严峻。他们知道商业模式正面临巨大压力,必须做出改变,因为竞争压力太大了。我认为计费模式本身也会改变。我们已经看到一些变化,尤其是在美国,很多服务开始按项目收费,而不是按小时收费,尤其是那些低端服务,比如评论类工作。有些甚至完全免费,有些则采用固定价格收费。那么,
19:30 那时候赚的钱呢?是因为在战略工作中吗?是的。我觉得你们谈到的很多内容都集中在并购(M&A)上,比如,这就是所有利润的来源,是个非常典型的例子。哦,明白了。诉讼业务也是如此,虽然大项目仍然存在且价值很高,律师们会花更多时间在这些项目上。客户关系也非常重要,比如CRM系统?不,不是这个意思,只是说要花更多时间与客户沟通。很多律所过去为了维持客户关系,基本上会免费提供一些服务。是的,是的。现在他们也可以这么做,但不需要为此损失太多金钱。我原本以为,我必须支付律师费用才能成为他们的朋友。比如,是的,这不是预付款(retainer)吗?是的,是的。你告诉我我可以免费这么做?是的,你只需要找到合适的律师。没问题,挺酷的。或者潜在空间(latent space)需要大幅扩展?我不知道。是的,是的。我们正在尝试,你知道吗?是的。所以……所以你是在说,很明显,这些战略工作和高附加值的服务依然存在,但我们的法律费用并没有下降。但你同时也提到法律助理并没有受到影响,或者说他们只是在转移工作内容。这也是我们在与Cognition合作时所担心的问题。是的,人们担心措辞,比如“我们将取代你的初级工程师”这种说法没人喜欢。但事实上,确实有一部分工作会发生变化。有些初级工程师接受这种变化并变得更加高效,这正是你刚才说的。那么,我想问,这种角色或工作是否有一个新的术语,能够与客户产生共鸣?
21:00 你是说超级AI参与初级法律工作?我还没找到相关案例。也许我们应该创造一个。这不就是法律行业本身...而且现在已经成为一个产业化的存在。没错,没错。CSJDs。完全正确。是的,是的,是的。也许这就是...那些最擅长处理这类事务的人。我认为那个贬义词"肉身代理"(meat proxy)很贴切,就是你坐在机器前,按照别人告诉你的内容输入,然后重复机器告诉你要说的话。没错。不过,我觉得一个优秀的肉身代理应该...你对代理非常了解,你也非常了解Legora。是的,你知道如何使用工具包,每个行业都有自己的工具包。我可以使用我的工具完成你需要我做的事情。但这样的话,你其实不是代理。对吧?你其实在做有意义的工作。是的,这就像是我再也不需要...比如,我经常要处理表格审查,因为...这在业界很常见。我处理过成百上千、上百万...成千上万的单元格。我认为我们单次处理可以达到一百万单元格。这真的很厉害。没错。我们应该谈谈表格和窗口化处理。至少,你知道...我现在正在处理一个大案子,我有一百万份文件。我输入进去后,通常会安排...比如让一队法务助理锁在房间里处理。直到凌晨四点。这其实没必要。对吧?因为现在他们可以提取信息,你可以重新提示所有内容。嗯。所以,我现在不需要法务助理来做这个,但一个优秀的超级AI加持的法务助理可以处理其他事情。
22:30 你知道吗?是的。没错。正是如此。不管怎样,他们可以做更多事情,或者花更多时间在以前没时间处理的事情上。或者实际上去睡觉,谁知道呢?不,我有个问题。所以你们 guys 买了家公司,Qura。是的。你们是这么发音的吗?不。你们用自己产品来做并购(M&A)吗?是的。我们经常这么做。那这个过程是怎么运作的?比如,能稍微讲讲吗?是的。不,这效果很好。我们经常这么做。我们的法律团队……我是说,我们的 intake 系统是和法律团队一起构建的。因为现在我们有一个 Slack 工作流,所有人都把自己的东西扔进去,然后他们说,这很烦人。是的,对吧?效率低下,所以大家说,太好了,我们应该用 Legora 来处理这个。是的,能稍微讲讲这个吗?比如,这个流程是怎样的?是的,当然。所以,我们自己做了很多尽职调查,因为我们可以通过表格审查和其他工具来完成。我们仍然会请律师参与,比如评估某些风险,或者……你知道的,Qura 的情况比较简单,因为它全部在瑞典,但我们也做过加拿大和澳大利亚的并购,比如澳大利亚的薪资部分。好的,我们是否需要有人从更战略的角度来看待这个?在这些情况下,我们仍然会使用律师来处理战略层面的问题,他们可以作为我们的对手,帮助我们更好地理解如何以正确的方式构建结构。但很多琐碎的工作,我们其实可以自己完成。比如,我们早期发现了很多问题,而且我们确实遇到过发现某些红旗信号后立即叫停的情况。你能稍微讲讲这些情况吗?不,我认为可以。好的,早期的时候,你说过你们最初的客户是瑞典的?是的,比如瑞典的律师事务所?是的。你有没有发现与瑞典法律事务所合作和与美国法律事务所合作之间的差异?是的,这种差异吗?你们大部分是和大型律师事务所合作的,对吧?
24:00 嗯,我们也是...小型律师事务所也是一样。哦,我们确实最初是从大型律师事务所起步的,但拥有50名律师的律所同样能获得很多价值。是的。你有没有注意到与瑞典的律所合作时,和与美国的律所合作有什么不同?嗯,可能和亚洲的律所相比呢?是的,是的。我认为欧洲的律所在这方面的进展相对较慢,而美国的律所则非常积极,行动迅速。我认为对美国公司来说,这在他们的议程中非常重要,比欧洲公司更重视。这就像一项战略性的关键任务,我们必须在这里投入大量资源。一般来说,美国的企业和律师事务所都对定制开发有更高的热情,这几乎是他们普遍想要做的事情。比如,他们会说:“嘿,我们想和你们一起打造一个巨大的项目,并以任何方式构建它。”而欧洲的公司则更倾向于直接使用现成的解决方案。他们自己会构建什么类型的系统呢?比如,他们可能会自己构建客户关系管理系统(CRM)和文档管理系统,以及各种其他系统,然后他们希望构建触发器,例如在Salesforce中进行审核后,根据某些原因将任务分配给某个人,这个人处理完后,再传递到Legora,然后再返回。这只是一个简单的例子,还有一些公司则非常雄心勃勃,甚至希望与我们共同开发全新的产品,但事实上我们很难做到这一点。是的,是的。但可以肯定的是,美国公司比欧洲公司更倾向于自己构建系统。
25:30 欧洲的合作伙伴通常会说,比如,他们给你产品建议,或者……没错,肯定如此。我们与他们所有公司都有很好的合作。是的,他们会说,这个功能很糟糕,这个功能很棒,我们想要更多这样的功能,然后我们就直接构建一个能实现该功能的产品。那么他们是否认为这里存在对其业务的生存威胁?我的意思是……相比之下,美国的公司确实会这么认为,或者……我不确定这是否就是他们想要定制开发而非标准化产品的原因。我认为他们双方都清楚,这对其公司成功和企业成功至关重要,因此两者都极其重视。我认为只是实现方式不同而已。好的,另一个我想你可能想问的问题是关于产品指标的,比如,你怎么知道我们在这里真的做了正确的事情?是的,你怎么看待这个问题?我认为这可能也与评估有关。我们有一些常规的产品指标非常关注,比如用户是否在我们的产品上花费大量时间?他们是否从中获得了大量价值?他们是否会续订?是否会频繁回来?我们在这方面的企业软件数据表现非常出色,比如我们的DAU/MAU(日活跃用户/月活跃用户)比例,以及每月在产品中花费的小时数都非常高。此外,我们还会进行一些在线评估,比如尝试判断我们是否解决了问题,通过非常廉价的LMS(学习管理系统)地址,设置一个在线指标,然后在推出新功能时,我们可以用这个指标进行对比,比如通过功能开关来判断,这个功能是否提升了表现,或者是否导致了灾难性的下降。实际上,对我们业务来说一个有趣但困难的点是,我们基本上无法查看任何追踪数据,因为所有数据都极其机密。这使得工作非常令人沮丧,因为你基本上无法知道用户在做什么。所以这就像是,这里有一个代理,它可以做很多事情,但我完全不知道用户实际上在做什么。
27:00 我原本以为你们应该和律所签过某种协议,但事实并非如此。他们说,哦,我真希望如此。是的,我也希望如此。但问题是,他们掌握的很多数据其实并不属于他们,而是他们的客户数据。这些数据非常机密,我们无法查看。因此,我们有一个评估团队,他们试图估算每个人可能在做什么,并将这些内容构建到评估数据集中。哇,这简直是我们业务中一个超级烦人的痛点。你能改写一下吗?比如,ChatGPT有一个斜杠反馈功能,嗯,这会直接完全设定它的完整轨迹。嗯,但显然,这在你们这里是不可能实现的。嗯,但你们可以用大型语言模型(LLM)对真实内容进行改写,嗯,生成一个足够接近的合成内容,但要更改所有名称和细节,同时仍然保持原意。是的,我们无法... 我的意思是,显然存在一个范围,比如,如果你将内容改写到只剩下三个值并从中选择一个,那么显然这是可以接受的。但如果你只是删除名称,这可能就不合适了。是的,我们通常会选择最安全的方式。是的,因为我们要尽可能限制自己,毕竟应该完全没有风险。是的,但有些情况下,我们知道失败模式可能就是这10种或20种,所以我们可以将其归类到其中一种,这样就是一个有用的信号。我们可以将其归类到技术任务类型和实务领域中,然后我们就能有一个大致的判断。这是我们一直在努力以聪明方式解决的问题。
28:30 在隐私方面,我想,即使两年前,要让律所接受这样的做法,想必也是非常困难的。是的。但确实如此。他们怎么看待自己的数据被发送到Anthropic?是的,是的。这一定是个大问题。我们的所有基础设施都在Azure上。是的。主要是出于这个原因,因为我们刚开始的时候,律所对AWS的态度是“不,绝不可以。完全不信任AWS。”是的,是的。现在情况已经不同了。不,但当时确实存在这样的情况:比如亚马逊、谷歌,我们不能信任他们处理我们的数据,所以我们基本上只能选择微软,因为他们已经有了Office 365。哦,所以现在他们接受微软了?没错。因为微软已经对他们所有的文档、Word文件等完成了各种安全审查,所以在他们看来,微软已经是经过认证的供应商,因此我们必须将所有内容部署在Azure上,这种情况在过去几年发生了变化。现在人们逐渐明白,我们需要上云,需要做这些事情。当时还有很多人在讨论本地部署,但现在这种说法已经完全消失了。人们已经认识到,应该直接使用云服务,而且云服务更安全,可能比你们现在采用的方式更安全。是的。这些变化确实很大。但我想说,才过去三年,是的,实际上,这确实是一个巨大的转变。是的,是的。这是一个巨大的变化,对你们来说是好事。不过,我并不认为法律行业在过去十年里一直忽视这一点。是的,是的。我认为我们需要AI
30:00 要让所有人都明白,我们需要稍微改变一下方法。好的。好的。另外,现在开源模型的表现越来越好。嗯。是的,你如何看待这个问题?我们正在考虑,正如你所说,如何让客户跟上帕累托前沿的节奏。是的,比如在所有模型的地图中,它们各自擅长的领域、延迟、成本、治理以及区域可用性,我们该如何在这些因素之间进行优化?有些开源模型在特定任务上表现优异,我们就会在这些任务中使用它们。有些模型会进行微调,有些则直接使用前沿模型。是的,你称之为模型套利。是的,你有不同的偏好。你在这方面做过研究吗?年初时你坚定地支持Anthropic。是的,Grok的进步很大。你能举一个总体排名不高但表现令人惊喜的模型例子吗?是的,我认为它总体表现并不突出。早期的Gemini模型在某些类型的语音转录和说话人识别方面表现非常出色。我们实际上用它来做转录工作。你们为什么要进行转录?Granola?我们其实可能要开发一个会议相关的功能。但目前这只是语音转文字、文字转语音,就像其他任何有这种功能的应用一样。我们确实也会转录文件。如果你上传听证会记录或其他文件,我们会将它们转录成文字,这样我们就能对这些内容进行分析。不使用ElevenLabs,因为数据处理协议(DPA)的原因。和数据处理协议有关,我应该说明一下。我们的数据处理协议上列出的供应商非常少。是的。
31:30 因为我们只需要先保持这个状态。没错。我们需要严格控制数据流向的每个环节。因此我认为,不,这正是Gemini和OpenAI这类模型的优势之一,他们会让你来找他们,而他们已经具备你大部分需要的功能,这实际上非常有价值。即使它并不需要达到最先进的水平,只要在大多数任务上表现足够好就行。是的,谁会在乎呢?没错。比如,我确实应该提一下微软的转录模型,他们可能叫MAI-Transcribe?是的,很好。它比旧版Gemini更好。是的,是的,是的。他们确实取得了不错的结果。我不太清楚...甚至都不知道...我认为通常来说,它们在Arena评分中都位列前二、前三或前四,这已经足够好了。没错。而且你拥有完整的治理机制,同时具备超强的可扩展性,这样就已经足够了。是的。我想说的是,目前我们的语音转文本模型已经足够成熟,以至于你可能会发现这里或那里有个别单词出错,但这真的无关紧要吗?不,不是的。绝对不是。我做过很多次这样的工作,尤其是在法律领域,有些情况特别需要注意。比如,我记得在澳大利亚有一种特定的称谓用于法庭上的人,但系统总是错误地将其转录为"condom"。是的,确实存在一些你不希望出现的错误。不过,通常你还会在模型上再加一层LLM。然后你提取一些关键词,再用这些关键词重新运行转录模型。嗯,这基本上就是我目前的工作流程。是的,但如果你真的在大规模上做过这个,你会发现几乎所有非日常对话领域的转录错误都会被大量发现。
33:00 没错。确实如此。如果里面有任何专业术语的话,确实会比较困难。比如,我认为Whisper和ElevenLabs仍然会将Claude Code识别为Cloud Code。是的,我之前确实遇到过这种情况,非常常见。所以,这就是你如何判断的。还有许多需要改进的地方。没错。我想稍微介绍一下代理产品方面的内容。我们已经讨论了一些顶层的功能,对吧?我们已经提到了任务表格审查(job tabular review),对吧?我们还提到了任务接收(jobs intake)。是的,还有一些其他功能我们甚至还没开始涉及。但我想先重点讲两个最重要的,可以这么说,对吧?它们是代理(agent)和表格审查(tabular review)?还有我们的项目(projects)。对,还有我们的Word插件,这也是一个重要的功能。因为很多人在Word中工作,所以我们的Word插件非常重要,Outlook插件也是如此。是的。我想先介绍一下大家必须了解的几个核心功能。是的。表格审查基本上是一种跨文档的批量处理功能,你可以向所有文档提出相同的问题。没错,就是在表格中进行操作,然后来回协作。然后,是的,Million这个功能确实令人印象深刻。还有其他需要考虑的工程问题或性能方面的问题吗?比如,这个功能实现起来有什么难点?在深入讨论之前,你能先介绍一下律师使用表格视图的用户体验吗?然后,比如,用户为什么会选择使用表格视图?是的,是的。比如,律师在使用表格审查时通常会做些什么?然后我们再深入探讨这些内容。
34:30 当然。没错。举个典型的例子就是尽职调查,对吧?我们需要审查所有雇佣合同、所有供应合同等等。比如雇佣合同,如果你放了10,000份雇佣合同进去,每个单元格对应一份雇佣合同?或者说每一行对应一份雇佣合同?然后针对单元格,你提出问题。比如第一列可能是“终止期是多久?”然后为所有人填写答案,比如30天或者其他。接下来的问题可能是“是否有知识产权转让条款?”再下一个是“如果我们要解雇他们,需要支付多少赔偿金?他们能拿到多少?”然后系统会自动填充所有内容。你也可以直接让代理执行这个任务。比如你把10,000个文件丢给代理,让它进行尽职调查,系统会自动启动表格审查,处理所有文件并等待完成,之后分析结果并标记出潜在风险。例如,CEO的薪酬过高,或者存在奇怪的奖金结构。这时显然需要重点关注,然后代理可以据此起草一份备忘录发送给客户。或者代理完成审查后,律师用户只需查看结果,系统会列出所有红旗标志项。此外还有协作幻灯片功能,你可以在上面添加评论供其他人查看等等。为什么选择表格格式?因为这种形式更容易操作,能快速概览整体情况并进行审查。我们生成的所有内容都会标注来源文档的引用,因此你可以轻松核对。如果你想确认所有信息准确无误,还可以高亮标记已审查的单元格,或者标记出被标记的单元格并添加评论进行协作。与其他形式相比,这种方式要高效得多。
36:00 我想说电子表格这种形式在某些领域确实有很强的影响力,但不知为何却没有真正普及开来。嗯。我觉得这很奇怪。比如在GTM方面,Clay就是另一个非常擅长使用电子表格的人。是的。你们... 我不太确定是否还有其他人做过大型电子表格AI相关的事情。没有。没有。之前有V7尝试过推出类似产品... 甚至在金融领域,我也想不起有哪家公司特别擅长做电子表格。这确实是个非常成熟... 是的。我同意。我认为如果你们能够进行扇出操作并执行完全相同的操作,同时提取数据,这种形式在理解情况方面是非常优秀的。你们发现了吗?人们是否必须导出到Excel,还是说大家更愿意留在你们的电子表格中?大家其实很乐意留在那里。你们使用AG Grid还是自己开发的?我们确实使用AG Grid。AG Grid看起来像是目前领先的解决方案。毕竟他们已经做了这么多年,大概十五年了吧。是的。是的。他们非常清楚如何... 是的。所以... 好的。是的。坦白说,我对这个电子表格的角度感到满意。从工程角度来看,对我来说另一个有趣的地方就是扇出操作。是的。工程师可能能够很好地理解在对一百万份文档进行扇出之前,先在两份文档上进行测试这类权衡。
37:30 嗯,是的。那在你们彻底疯狂之前,这个能正常运行吗?是的。他们这么做吗?是的,他们会这么做。实际上,我们的表格视图会先运行前10行数据。是的,只是检查一下对吧?这样有意义吗?它显示的内容和我们预期的一样吗?是的,这真的很好。不过,对于使用这个工具的人来说,当他们在构建时,能够快速迭代这10行数据直到获得想要的结果,然后再全力推进,这非常有帮助。我愿意继续下一个话题,即接收流程,也就是你们的Slackbot。是的,是的。每个人都有Slackbot。你们的Slackbot有什么特别之处?我们的Slackbot是专门针对法律事务的。它的运作方式是...它实际上并不会...它可能还会...我们可能还会开发一个纯粹作为代理接口的Slackbot,但目前这个Slackbot的主要功能是启动一个代理,然后将任务添加到我们的列表中。我们有这样一个列表功能,类似于线性流程(最接近的类比),它会将任务添加到特定的接收列表中,然后律师和代理可以进入Legora,就像说:“好的,这些都是人们作为我们的律师事务所或法律团队发送过来的请求。我们可以为他们启动代理,可以协作处理,然后标记为完成,之后它会通过Slack返回结果。”所以这更像是...不仅仅是启动代理,更像是一个商店界面,比如:“嘿,这里有张工单,我需要这个被审核。”现在它已经...看,它回来了。不需要任何人做任何修改,法律团队只需坐在Legora中管理这些代理和所有相关事务。我认为这种类型的数据结构非常有趣,因为它本质上就像一个收件箱,对吧?对于所有这些可能转化为其他事物的查询。比如...我不知道,把这些功能和所有其他功能集成在一起很难吗?还是你们根本不会担心这些?
39:00 它……不,不是的。我认为我们有一些非常有效的基础组件。比如,列表就是一个很棒的基础组件,因为它本质上……极其灵活。就像Notion数据库一样。是的,Notion数据库。它就像Notion数据库,你可以基本上根据需要进行任意配置,当然,我们在使其高度可扩展和运行良好方面投入了很多资源。你可以为它们设置触发器和自动化流程,它就像一个将所有东西粘合在一起的绝佳粘合剂。例如,当某件事发生时,你可以基于列表启动一个代理运行,然后它返回并填充字段,或者添加新文档等。就像你可能会用Linear或其他任务管理工具协调一堆编码代理,我们也可以用列表以类似方式实现。因此,代理可以创建列表,列表可以创建代理,代理可以读取列表,这样代理群体就真正活跃起来了。是的。人们对此感到兴奋还是感到不知所措?你知道,我觉得……是的。这基本上就是终端用户编程。你……你知道,你可以让人们设置非常复杂的自动化流程。有些人对此非常着迷,他们甚至会变得像……比如,拥有一个酷炫的影响力者。是的,我们有影响力者。这值得吗?会不会太复杂了?我们需要灵活性,即使我们实际上并不将其暴露给终端用户。假设这完全只是内部使用,那对我们来说就是一种非常快速的方式,可以利用我们的法律工程师快速构建大量产品。你可以在列表上使用自己的生成式用户界面,构建定制化的基金管理仪表板。这样你基本上就拥有了一个新产品,一些人会非常喜爱,我们还可以建立一个专门产品的市场,能够非常快速地进行扩展,因为所有法律工程师都可以直接构建新的产品。如果他们正在与客户会面,哦,你想要自己的?很简单。我们为你定制一个,所以它在Legora内部也有一点可爱之处。如果我们不想将其暴露出来,这也是我们构建自己定制功能的方式。因此,我们在英国又收购了一家公司,名叫Wexler,他们主要做事实智能,主要用于诉讼领域。比如,你上传一百万份诉讼文件,然后我们通过命名实体、日期等提取事实,当你拥有所有事实后,你可以将它们相互对比,查看哪些是相互印证的,哪些是存在分歧的。
40:30 你知道,这非常强大,因为你可以转录法庭听证会,然后你会发现,比如他说了某件事,但这里这封邮件却显示他当时并不在场。如果你实时看到这些信息,会感觉超级酷。而且我们还可以基于这个基础模块构建很多其他功能。基本上,我们就是通过这种方式来思考的。随着公司规模扩大,我们必须解决很多问题,所以我要思考如何构建一个核心基础模块,让它能够扩展到各种终端产品,创造高度可定制的体验。好的,你们有哪些核心基础模块?让我再复述一下。这是一个核心模块。对,这是一个可配置的核心模块。项目,对,基本上就是文件和文件系统的容器。当然还有代理程序,你可以启动它并以各种不同配置运行。
42:00 顺便问一下,代理程序有没有名字?没有。我们没有给它起名字。对,我们没给它起名字。你是说,比如我们叫它Leya,或者我们给它起过名字?没有。对,Leya这个名字听起来不错。是的,人们以前提到Leya时,会把它当作一个命名实体。但后来我们放弃了这个名字。也许我以后会重新启用这个名字,但可能有点容易混淆,我不确定。所以列表、表格代理程序审查、表格审查。这些实际上可能是某种实例化,你甚至可以把它扩展到任何深度。对吧?但这些大概就是比较重要的模块了。是的,是的。实际上,我想稍微谈谈FDEs,因为这听起来有点像。是的,Max之前也提过这个。比如,当你新引入一个大客户时,你希望尽快给他们带来价值,这样他们才会继续使用。没错,继续使用Legora。你们的前向部署团队是从什么时候开始的?我们招了第一位前向部署工程师,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。他们当时考虑的是法律工程师还是其他类型?不是,是真正的工程师。但我想,我们如何在规模上实现这一点?我认为一个核心问题是,我们如何赋能我们的法律工程师?如何让我们的高级用户和法律工程师以强大的方式定制产品?当然,我们仍然会有前向部署工程师来协助,比如处理所有定制集成、范围定义和确定可能性,并将这些反馈到核心产品开发中。这就是我的思考方式,几乎就像第一道防线和第二道防线,法律工程师应该能够自定义很多内容并构建出色的体验。而当他们无法做到时,或者我们需要进行核心产品变更、客户特殊情况等,就会有前向部署工程师在后方协助,有时他们只专注于产品开发,有时则会与其他团队协作。
43:30 你能举个例子吗?比如说,假设你刚拿到一个新客户,第一步该怎么做?你们是不是会说,嘿,我们给你们安排了一个前向部署工程师,他们会去为你们构建某种产品?对,每个客户的解决方案都可能不同。如果是大客户并且非常积极,他们有很多想要实现的想法,或者已经尝试过但失败了,他们会说,我们想解决这个问题,这时候我们会为他们配备法律工程师和前向部署工程师,具体取决于他们的需求。然后我们会说,这些人会来,他们会帮助你们成功。他们会和你们的律师一起工作,教他们如何使用系统,并梳理你们现有的所有工作流程,将其整合到Legora中。有些工作只需要法律工程师完成,有些则需要前向部署工程师。这两者的区别大概是什么?如果可以的话,能稍微解释一下吗?法律工程师以高级用户的身份配置产品,他们不编写代码。而前向部署工程师则负责将代码部署到生产环境。这些前向部署工程师通常有什么背景?他说,YC创始人。创始人、普通工程师等。
45:00 对,对。D是你第一个对吧?没错。D是我们第一个。对,两个YC公司,曾在Meta负责搜索工作。她真的很棒。好吧,这标准很高。她确实很优秀。对,对。美国市场的首批落地执行者。那么,这些人为客户构建的工作流程或东西有哪些例子呢?或者你们有没有类似的情况,比如这些就是他们要做的事情?你知道,有几个用例是所有律所都会做的,比如FDEs刚进入时首先要处理的事情。情况差异很大。一些核心工作流程所有人都有,我们可以在Legora中直接构建,这可能涉及如何处理这类NDA(保密协议)等。然后你只需激活它,这更像是帮助Elise提升技能。而大多数FDEs的工作则更偏向于,我们目前还无法实现某些功能,比如需要在某些基础模块中增加更多灵活性,或者我们需要整合某个非常复杂的系统,这时他们就会去构建与我们API的集成,甚至可能扩展我们的API以实现目标。那么,那里的法律结构是怎样的?因为你说你们自己甚至无法处理交易。是的。所以,他们是如何处理客户项目?你是说律所如何处理客户项目?抱歉,我有点混乱。你们的FDEs是如何处理客户项目的?他们仍然不会接触数据。他们只是构建系统。但有时他们也会像员工一样被纳入进来。比如,他们可能会拿到笔记本电脑等设备。对,对,因为他们需要这样做。有趣的是,这种情况并不常见,因为通常他们只需构建一个集成系统,大致就能运作。但确实,如果需要的话,他们也可以这样做。
46:30 并且你只会在特定规模的客户那里招聘FDE(现场部署工程师),对吧?是的,没错。好的,这两个做法是有道理的。因为我们的FDE也可以参与核心产品的开发,对吧?这就像...这是一个持续优先级排序的问题。有没有什么规则,比如,是否每个...比如,Palantir公司著名的做法是,你在现场工作四天,然后回来有一天为产品做贡献。有类似的做法吗?没有。我们目前还没有这样的机制。坦白说,老实告诉你们,很多方面还处于早期阶段。你认为未来会往哪个方向发展?可能在接下来的一年里?我认为未来会更...虽然不一定完全像Palantir那样,但我觉得我们会形成一个持续流动的FDE团队,他们可能在某个客户那里待两个月左右,专门完成某个特定项目,然后再去下一个项目,依此类推。是的。不过,我也想象到我们会引入法律工程师和现场部署工程师,专门参与特定的项目。是的。API业务其实很有趣,就像你刚才说的,因为这又是一个可以制定规则的领域,比如Legora平台的CTO维护者。对,没错。比如,我们会将Legora网页应用中的所有功能都以API的形式提供给你们,你们可以随意使用。这算是你们可以期待的承诺吗?或者这并不是我们现在能承诺的?是的,我们确实有可以构建的API,但并不是产品所有功能的完整接口。这很有趣,这是否就是你们的策略?显然,有些人会喜欢这种方式,因为他们不需要学习新工具,可以直接使用现有的工具。比如,你可以直接安装Legora,像处理Word文档那样。除此之外,我认为你还需要维护这些接口。
48:00 完全正确。这一直是我坚持的观点。这也就是为什么我们一直试图避免这样做。我们之前并没有提供过API。我的意思是,我们大概六个月前才开始搭建API,之前我们对此进行了长期的争论,主要是因为我不希望产品迭代速度被旧版API的维护所拖慢。我们现在的数据模型已经发生了变化,公司规模也变大了,现在我们有能力承担这个成本。但当初只有20名工程师的时候,我们的产品迭代速度太快,根本无法做到这一点。我必须指出这一点。对吧?一般来说,所有公司都应该设立平台团队和产品团队,因为产品团队虽然只有一个,但只要平台不与产品深度绑定,就可以轻松再组建第二个产品团队。比如,一个简单的例子就是网页应用和移动应用。对吧?或者像网页应用、移动应用、RTP,以及各种其他集成。在这种情况下,FDEs本质上也只是平台的另一个客户端而已。我认为,甚至代理程序也可以这样考虑。有一个专门负责运行代理程序的团队,然后你还可以围绕它构建产品,比如技能、自动化等功能。这其实就是亚马逊AWS著名的政策。贝佐斯曾明确表示,所有服务都必须通过API提供,不再允许后门访问。其他团队只能使用你提供给客户的相同API。如果你没有现成的API,就必须自己构建。客户也能使用这些API。我认为现在这一政策也在发生一些变化。现在很多API都在尝试一些新思路。比如,我们正在考虑的一个问题是,代理程序本身能否作为API?虽然听起来有些奇怪,但就某些功能而言,他们实际上希望触发某些操作。对于其中一部分功能,也许可以这样设计:你只需要触发代理程序并让它执行特定任务。当然,这种方式的效率远不如一个始终可用的API,但我在思考的一个问题是,我们的产品中有多少部分可以完全由代理程序来实现,而不是依赖其他各种功能?
49:30 嗯,你知道的,无限制的执行、成本和延迟。这就是……这就是……这是唯一的全部问题吗?是的。然后我认为确定性方面,比如,可能在100次中有1次或2次,它会做一些我们不希望它做的事情。我们本来打算稍后再讨论框架和模型微调的问题。但我觉得这里有一个产品层面的约束问题。关于你不要做的事情。是的。因为你可以做所有这些事情,显然这里存在优先级问题。比如,你是倾向于对大多数事情说不,只专注做少数几件事情?还是相反,我们其实想做更多事情,只需要再招聘100人?我之前很长一段时间都坚定地认为应该采取第一种策略,就是对所有事情都说不,保持工程团队的精简。我想我之前提到过,比如在Legora工作半年后,我做了一个幻灯片展示,上面是电影中300名斯巴达战士的画面,我说我们整个公司历史里就保持20名工程师,我们也能击败所有规模更大的对手。现在我们已经有100名工程师了,但感觉还是太小了。我原本想这么做,但我觉得在现实世界中,我们处于激烈的竞争中,人们想要的东西太多,如果我坚持做一个纯粹主义者,只保持20人规模,只做有限的事情,那我们就会失去机会,其他人也会去别处发展。所以我们必须做得更多,因此我认为我的工作就是构建一个系统:让我们能够构建大量功能,但实际上只专注做少数关键的事情。让客户感觉我们做了很多事,但实际上我们只做了几件重要的事。这就是我现在对工作的思考方式。
51:00 是的,我意思是,基本组件确实是正确的,对吧?没错,完全正确。我认为这将会非常强大。在测试新产品时,我们只是观察是否存在需求,然后我们会说,不,让我们专注于核心业务。我们确实做过一些战略投资,但从未尝试过我们没有高度信心的事情,主要是因为我们已经有足够的需求。我们想要所有这些功能,但对我们来说,尝试去做一些可能有效的事情并没有太大意义,因为人们更迫切需要其他功能,所以我们主要开发这些功能。有时我们会与客户意见不合,我们会说,实际上,我认为这个功能从战略上来说会很有意义,然后我们还是会去开发。从战略角度对你来说?没错,正是这样。我们看到哪些功能?其中一个是代理(agent)。实际上,没有人真正要求过,比如,我想让我的助手拥有更多自主权,在我不请求时也能执行任务,但没人这么要求过,但我们认为这肯定是行业发展的方向,这将赋予你做很多酷事情的能力。另一个是协作,我们认为行业正在朝着在工作环境中(比如Legora)协作的方向发展,而不是通过电子邮件或短信。是的,确实存在这些功能。
52:30 那么,一旦你说,好的,我们希望你们在律所内部使用代理,我认为他们需要很长时间才能真正学会如何使用。是的,所以这时候你会让FDEs去教他们。法律工程师主要负责这些。哦,法律方面不需要。是的,这很合理。但有些人称他们为前部署法律工程师(forward deployed legal engineers),但本质上就是这个角色。他们进去后,会帮助他们围绕代理的能力构建工作流程。你们之前提到过,我记得Max说过,早期你们并没有微调自己的模型,现在还是这样吗?是的,直到最近几个月,开源权重模型变得非常强大,我们才会在某些任务上进行微调,当我们在成本和延迟方面认为前沿模型与微调后的模型存在显著差距时。法律研究就是一个很好的例子,它是一个需要广泛检索的问题,你可以通过这些查询快速且低成本地构建一个非常有效的模型,同时保持低延迟。具体来说,你们在微调时让它们更擅长什么?非常具体的任务。完全正确。是的,我们不会尝试训练自己的Fable模型作为主要代理。我不认为我们能在与Anthropic的竞争中胜出。目前还有大量工作要做,比如检索研究或RAG研究。是的,确实如此。
54:00 也就是说,可能并不那么光鲜亮丽。有时甚至根本不是模型训练,只是架构和流水线的工作。你们做过与TurboPuffer相关的案例研究,但你知道,还有其他情况...比如,你们会进行后期交互吗?是的,绝对会。你们确实会这么做。实际上我们并没有这么做,但你说得完全正确,这是因为团队里有一个人叫Song,他对搜索特别关注,他经常来找我,说我们应该做这些事情,比如有这些新的嵌入模型,我们可以进行后期交互。他甚至主动联系TurboPuffer团队,说服他们构建多向量系统,以便我们能够实现这些功能。不过说实话,即使在模型之前,甚至在框架本身中,其实有很多低垂的果实可以采摘。如果你只是想为客户提供更好的输出,有很多事情可以立即产生影响,而无需进行模型训练。比如,对于法律行业来说,一个好的框架应该是什么样的?我想你们应该是在开发自己的定制化框架。是的,没错。我们编辑文件的方式很重要,进行分析的方式也很重要,做法律研究的方式更是核心。比如,当遇到某个问题或看到某些情况时,系统能知道如何进行法律研究,找到答案和相关判例,这非常关键。当然,围绕这些还有大量的治理相关工作。是的,看起来搜索功能可能是你们最需要定制的重要工具。因为如果无法获取正确的信息,你们就会陷入困境。是的,如果无法获取正确的信息,你们就会陷入困境。我认为你们正在搜索大量文档和分析内容。是的,是的。这包括搜索、分析,还有起草文件,比如起草大型合同其实也并不简单。
55:30 什么让它变得不简单呢?因为你必须……假设你从零开始起草一份巨大的合同,那你需要找到先例,看看以前是怎么处理的。我们需要这种A类条款吗?还是需要特定的律师事务所?他们以前是怎么处理的?是的。假设我是律师事务所,我正要起草一份巨大的……不管怎样。NDA(保密协议)很简单,但有些合同要复杂得多,这时你首先需要找到合适的先例,因为律师不会坐下来直接开始打字。他们会先确定在类似交易中使用过哪些条款,而"类似"可能意味着很多不同的东西。正如你所知,在搜索中,这可能意味着相同行业、相同类型的公司,或者其他任何相同因素。因此你需要找到合适的人,可能有多个文档,然后需要判断从哪个文档中提取哪些部分,这实际上并不简单。因此,这本质上也是一个搜索问题。哪种模型最适合起草合同?是的。我想说……我被告知昨天这个模型表现完美。Fable和Opus确实非常啰嗦。我相信你们已经知道这一点。它们非常冗长。这通常不是好事。不,我注意到Astra在写作方面表现不错。Astra……是的,写作能力确实不错。它是否更加简洁?你们运行了大约100个不同的提示词来测试……是的,确保这一点。我们确实可以……是的,我们可以做到某些事情,但我认为冗长啰嗦的特性对我们来说确实有点难以处理。哇。所以这……我认为,你知道,让我们看看。但可能Anthropic的下一个模型在这方面会表现得更好。Astra实际上非常简洁。
57:00 是的。是的。我假设他们都和你有一个Slack频道,而你正在告诉他们这些内容。对吧?比如,是的。这些对他们来说并不是什么新闻。不,不,他们知道这些。然后还有另一件事我非常关心,就是幻觉。嗯。他们会编造内容吗?我们有一个引用系统,基本上会检查他们写的内容是否有链接,这样用户就可以点击链接,并在PDF或其他文档中通过边界框高亮显示信息来源的位置,我们可以确保所写内容始终可以被引用,即使在多层引用后也是如此。例如,如果代理基于表格审查写出某些内容,你知道,它可以引用表格审查中的单元格或表格审查中的行,这样你实际上可以点击多层引用,找到并验证所有内容。是的。你发现律师们会验证这些引用是否正确吗?最初的时候,有点像其他工作,但现在……是的,完全正确。这是一样的事情。该死的,比如,他们甚至会编造最高法院的链接,他们并不在意,这种情况会发生。是的,完全正确。这种情况确实会发生。是的。我认为这就像编程一样,你知道,有些工程师根本不在乎,只是随便发送代理,而有些人则会坐下来逐字阅读。同样的描述。有太多事情需要处理,一个人怎么可能做到呢?对吧?是的。但我觉得他们可能……就像我们在代码审查中知道该关注什么一样。比如,系统是什么。我认为他们也知道,好吧,这就是关键点,这些是红色标志……比如,这是重要的事情,让我先检查这些内容,这些听起来合理,所以可能没问题。好的,很有趣。就像如果你收到初级律师发来的东西,你也会做同样的事情,对吧?比如,我应该先检查一下,这可能没问题。还有其他法律推理的元素吗?或者说,模型目前还不足以应对的法律领域有哪些,是你希望下一代模型能够解决的?目前我想不到具体有什么。我认为长文档推理仍然很困难。比如,像百万token的合同,基本上你有一个巨大的合同,是的。而且,比如,你在其中进行修改,这对现在的模型来说仍然很困难。我记得你在这里修改了所有这些内容,比如定义发生了变化,还有你……顺序发生了变化,或者其他什么。所以,最简单的方法是一次性输入所有内容,然后一次性输出结果。
58:30 是的。你不会直接这么做,而是把它拆分成小块,然后协调编辑。没错,完全正确。这正是这个行业中一些有趣且令人兴奋的事情之一。对吧?我们的Word插件就是如此,我们做过MapReduce,也做过多次重大变更。我们一直在根据模型的变化调整周围的支撑结构。是的,我最近...我做很多新闻报道,很明显是因为我的工作性质,我最近从MapReduce转向在这些上下文之间切换,这样更好。是的,但这也意味着...有所不同。我的意思是,我们在搜索方面遇到过这个问题,当你在一份巨大的合同中搜索某些内容时,你可以用MapReduce来处理,但如果你要总结任何内容,可能会丢失一些重要的细微差别。本质上来说,如果只是单独总结每个小块的内容,那么在这些小块之间可能会遗漏关键信息。因此,我们遇到了这样的问题:我们能做两种类型的搜索,我们也可以做另一种需要在不同步骤之间进行推理的搜索。我正努力想一个很好的例子。有些文档会详细讨论某个话题,比如跨两页或更多,每个单独的小块可能与搜索关键词或他们试图弄清楚的内容没有直接关联,但放在一起却极其相关。是的,这些就是一些问题,而且这些问题一定很难处理,
1:00:00 正如你之前说的那样,要真正让模型在这方面变得更好,因为你甚至无法查看合同。对吧?没错。你们有没有问过他们,比如,嘿,能不能制作一些类似真实合同的示例合同?是的。所以我们有反馈,可以接收他们的反馈,如果他们真的积极参与,没错,或者他们只是说,嘿,这对我们来说非常重要,但目前效果不好,然后我们就会说,好的,太好了。你能匿名化这些文档和问题吗?然后我们……如果我们能重现这个问题,我们就能解决它。是的。我的意思是,其中一种方式就是你购买一家律师事务所。是的,有些人正在考虑这样做。是的。但有一些……我们……有一些关于他们的数据是否真的是他们自己的数据,还是客户的数据的问题。如果他们的客户都消失了,那可能就没问题。我实际上不知道。很有趣。是的。但这是……是的。这是一种获取大量数据的方式。是的。像谷歌这样的人买下了Spiritualize。没错。买下了。是的,他们买下了……是的,是的。比如,你知道,如果你有一家失败的公司,你仍然可以拥有你的Slack。你可以卖掉你的Slack。我认为有像YC公司会买下你失败的公司。是的,确实有。是的,是的。因为,比如,这就像,哦,我只想让真实的人做工作。没错。然后,是的,所以它就像……没错。提取一些东西出来。没错。购买律师事务所数据的问题在于……好吧,你得到了所有输入,真实的输入,这很棒。但输出会更难一些,因为你只能得到他们的最终结果,很难判断他们是如何到达那里的。所以在我们的产品中,当我们从真实用户那里获得真实数据时,价值非常高。但如果我们只得到了输出,而不知道它是好是坏或如何生成的,这就有点困难。
1:01:30 我们很快就会结束。最后我要提到的是,嵌入向量还有很多优化空间。如果你的工作负载是基于RAG的,你只是查看MTEB并选择顶级模型,那你其实还有很多潜力没有挖掘,你应该考虑使用Voyage或一些定制的嵌入向量。你之前也提到过这一点。是的。所以基本上,不要使用默认的嵌入向量,即使是OpenAI或Gemini的嵌入向量,也无关紧要。要定制你的嵌入向量。是的。对吧?是的。你会支持这一点。是的。我认为这是正确的。我认为这是正确的。唯一需要注意的是,你需要确保支持多语言。对我们来说,我们支持如此多的语言,所以在这方面,世界是这方面的王者。是的,是的。没错。Mistral在这一点上有帮助吗?不,直到……直到现在,他们只是筹集了大量资金。对吧?所以也许……让我们看看。你们也筹集了大量资金。你们将成为他们的冠军。我认为我们需要更多来自欧洲的模型公司。是的。我只是想问问你,你对法律行业未来一年有什么预测吗?我们之前稍微问过一些。是的。我会根据你的第二个问题进行调整,即在两年后,律师会在Legora内部完成他们的工作,还是会使用Claude或TrejoC等其他工具并调用Legora的API?
1:03:00 是的。是的。是的。是的。我觉得两者都有可能。这真的取决于具体情况。我认为如果是大型企业,可能会使用Claude Cowork,然后...这有点类似于我通过Claude使用Linear的方式,但我会直接访问Linear。我认为大型企业会这么做。我认为律师事务所可能只会使用Legora。是的。因为这样更简单也更好。是的。这让我想起OpenEvidence在医疗领域的作用,你基本上就是法律领域的OpenEvidence。没错。完全正确。在编程领域,人们会达到一个临界点,实验室会因为竞争而切断你的合作,这种情况已经发生过两次。是的。你认为法律领域会发生类似情况吗?不会。我不这么认为。我认为因为他们正在推出法律服务。是的。是的。是的。他们确实如此。我...我们显然和他们有很多交流,但这也是...就像,嘿,你们会不会...你们的销售代表会说不。没错。他们不会做出这个决定。没错。这不是他们的目标。对吧?而且他们通常甚至不知道实际情况。我不这么认为。他们需要在知识型工作或企业知识型工作中捕捉大量信息,法律工作必须成为其中的一部分,就像数据分析师、销售、市场和财务一样。所以,他们必须在这些领域做得不错,但他们永远无法达到我们这样的深度。我认为如果Claude接洽小型客户,比如小型企业客户,并通过Claude处理部分法律事务,这很好,没问题。但如果你要处理价值4亿美元的并购交易,你还是会想要Legora。我有个稍微不相关的问题,但我很好奇,你们会去法学院吗?类似地,让学院在课程中教授Legora?这具体是怎么运作的?
1:04:30 是的。这确实是我们正在推进的一个项目,我认为我们已经开始了。实际上我并不清楚目前进展到哪一步了,但我们确实希望法学院的学生能够学习使用Legora。你有没有注意到,法学院是否在大量调整课程设置?说实话我并不清楚。有趣的是,我其实会采用不同的方式。你应该为计算机科学专业或工程专业的学生设立奖学金。我们来帮你完成计算机科学课程?是的。我们会把你送入法学院?计算机科学加上一些软件经验,是的,我们会送你去法学院。是的,我们会承担费用。或者你可以选择,比如,硕士加JD项目的双学位?是的,他们并不在意那个硕士学位。是的,我的意思是,因为有很多人没有读过计算机科学的本科,所以他们会先读个硕士来弥补一下差距。是的,是的。我不太确定,我并没有经常看到这种情况。是的,是的。人们确实会读JD和MBA双学位,这已经成了一种趋势。是的,但JD和CS的组合,我还没见过。是的,这种情况确实存在。是的,是的,是的。好吧,总体来说,你取得的进展非常令人印象深刻。祝贺你取得的所有成就。你还会继续保持这样的节奏吗?绝对会。你知道吗?而且我认为你们正在旧金山和纽约招聘。我们在... 工程部门正在纽约、斯德哥尔摩和伦敦招聘。是的,其他岗位我们也在全球各地招聘。你们现在在纽约有多少员工?大约100人。好吧,你们计划在纽约扩张到多少人?在纽约?是的,总体来说?让我们这么说吧,总体而言。
1:06:00 很多。尽可能多招。是的,这个策略非常激进。我的意思是,这毕竟是公司法的发源地,对吧?是的,这是美国中西部的历史。所以,是的,我期待着你收购一家律师事务所,然后成为... 是的,是的。我觉得这非常令人兴奋,我认为在每个行业,尤其是顶尖领域,比如医生、律师、程序员,他们都必须拥有能够完全主导该领域的两个或多个实验室。我同意。所以你们拥有一个非常好的市场。是的,很好。我认为如此,而且我认为随着法律变得更加普及,这个市场只会变得更大。是的。此外,我认为... 我们现在就已经非常繁忙了,但你们解决的问题是非常前沿的知识型工作。你知道吗?是的。除非你真的在做纳维-斯托克斯方程相关的科学研究,否则大多数工作最终都会归结到法律领域。是的,最终一切都与法律相关。是的,招聘、金融,所有事情我都只需要咨询我的律师。是的,我知道。这就是为什么我认为这是一个非常令人兴奋的领域,因为现代社会在某种程度上都依赖法律运作。是的,是的。很酷。好了,就这些。谢谢。很酷。谢谢。谢谢。