斯德哥爾摩的一間地下室里，幾個年輕人用ChatGPT接上瑞典法律資料庫和一個搜索工具，拼出了後來被稱為"史上發展最快的法律科技公司之一"的雛形。這家公司叫Legora，它的CTO Jacob Lauritzen（雅各布·勞里森）在Latent Space播客的訪談中，第一次系統拆解了這家公司從一個問答助手走向真正法律智能體的全過程。
沒有人相信一家斯德哥爾摩地下室里的小團隊能打敗美國那些遙遙領先的龐然大物。Lauritzen把這段經歷描述為"始終是追趕者"的心態——這種心態塑造了Legora早期極度謹慎、極度務實的產品哲學，也解釋了為什麼這家公司在模型選擇、評測體系等關鍵決策上，始終慢半拍卻走得更穩。如今Legora已經把觸角伸向紐約和舊金山，團隊規模擴張到百人工程師，但那種"必須證明自己"的緊繃感，似乎從未真正消失。
1. 從一個問答工具到協調整條工作鏈
最初的產品形態簡單到近乎原始：律師提問題，Agent去查瑞典法律，返回答案。這解決的是法律研究——一個全球律師都要花大量時間處理的剛需：找先例、找判例、搞清楚類似情況下前人是怎麼處理的。
這只是起點。從那之後，產品的能力邊界持續外擴：Agent開始能起草文件、編輯Word文檔、整理和搬運文件、跑複雜分析。其中一個功能叫Tabular Review（表格式審閱），用於批量提取和批量審閱大量協議——這正是做盡職調查、融資審查時律師最痛苦的環節。Legora對這個名字被同行直接拿去用感到高興而不是防備，Casetext在自己的法律產品里沿用了同一個術語。
但做事只是故事的一半。Lauritzen特別強調，Legora現在花了很大精力在"協調工作"本身——他們有一個叫Lists的功能，定位類似於Linear；還有Intake，用來和客戶協作；還有Portal，支持律師對律師、客戶對律師、律師對Agent、甚至Agent對Agent的協作。原因很直白：十年前律師之間協作的方式，放到今天依然非常痛苦，這裡有大量可以改善的空間。
2. 從助手到Agent的切換，發生在一年前
Legora是2024年的YC批次，比Agent真正起飛的那一波早了一步。Lauritzen回憶，公司從"助手"模式切換到真正的"Agent"模式，大概發生在一年前——這個時間點剛好卡在模型能力躍升的窗口期之前。
今天的產品形態被半開玩笑地形容為"給律師用的ChatGPT"：一個核心對話框，配上側邊欄里一堆定製工具，Tabular Review和Intake是其中最受歡迎的兩個。這個描述聽起來簡單，但背後對應的是律師日常工作流里那些真正瑣碎、真正耗時的環節——面向在職企業律師的監管追蹤、合同審查、文件整理，都被塞進了同一個工作檯。
3. 模型選擇器：抗拒了很久，最後還是妥協了
Legora的Agent內部跑著多個不同的模型，根據任務類型分派。但這件事在產品層面一直是個糾結點——用戶到底該不該自己選模型。
Lauritzen的立場一度非常堅定：Agent實驗室的價值就在於幫用戶做判斷，而不是把判斷權甩回給用戶。普通律師沒有能力判斷一份基於先例起草的合同"該用哪個模型最合適"，他們只想要一個結果——"給我把這部分搞定，別讓我操心細節"。這個邏輯聽起來無可辯駁，但現實是用戶會不斷追問能不能試試新發布的模型,會專門點名要用某個型號，即便那種級別的智能對大部分法律工作來說根本不是必需的。
Legora最終的做法是讓步：在Agent里加了一個主模型的選擇器，目前提供包括Fable、Opus、Astra等多個選項，另外在Tabular Review這類具體工具里繼續用固定模型路由。這個選擇器是不是會一直留在產品里，Lauritzen自己也沒有把握——他的直覺是，這種需求在法律領域遠比在編程領域小,但確實存在一批用戶,只要有更貴更花哨的新模型,就想立刻用上。
4. 60%已經夠用，剩下的40%需要更聰明的大腦
被問到現在的模型是不是已經足夠滿足律師需求，Lauritzen給出了一個具體的判斷：大約60%的法律工作，現在的模型已經能做得很好，這部分未來比拼的是成本和速度，不是智能上限。
剩下的那部分，尤其是極其複雜的分析任務，仍然需要更強的智能才能啃下來。而且這個比例本身不是靜態的——法律工作本身會隨著模型能力的提升而"擴張"，律所能承接的業務複雜度會跟著模型水位同步上移。這意味著60%這個數字不是終點,而是一個會隨技術進步持續移動的分界線。
5. 像搭建強化學習的"世界"一樣，搭建法律測試環境
九個月前的Agent和今天的差距具體體現在哪裡？Lauritzen舉了一個很具體的例子：子智能體委派（sub-agent delegation）。過去這項能力很糟糕，現在對扇出式檢索查詢（fan-out retrieval）已經表現得非常好——這意味著Agent可以把一個大任務拆給多個子Agent並行檢索,再匯總結果,這在當時幾乎做不到。
支撐這種判斷的是Legora內部一個專職做評測的團隊。他們把模型表現按不同法律執業領域細分追蹤，構建出一張巨大的熱力圖，能清楚看到每次模型升級在哪些任務上進步、哪些任務上退步。這裡有一個反直覺的發現：模型發布新版本之後，並不是全面變好,實際上相當多的發布會在某些任務上進步的同時,在另一些任務上出現退化，這種情況比外界想像的常見得多。
評測團隊搭建的測試環境,被Lauritzen類比成強化學習里的"世界"（worlds）——律師的工作幾乎總是以項目形式展開，比如一個一萬份文件的數據室（data room），對應一次盡職調查任務。好的盡職調查報告應該長什麼樣,是提前定義好的:應該包含哪些紅旗警示,不應該包含哪些無關的噪音,措辭應該簡潔。整個測試體系就是圍繞這種具體場景一層層搭建起來的,而不是抽象的通用基準。
6. 一次版本升級，什麼都沒做，引用準確率從70%跳到99%
評測體系最有說服力的一次驗證，發生在一個引用（citation）問題上。Legora的Agent此前在生成法律文件時,引用準確率只有70%左右——也就是說十次引用里有三次會出錯。團隊沒有做任何針對性的修復,只是等到了模型實驗室發布的下一個版本。
結果這個數字直接從70%跳到了99%。"我們什麼都沒做，結果就變好了"——Lauritzen用這句話形容那種既驚喜又有點哭笑不得的感覺。但緊接著他補上了現實的另一面：如果你正在處理的是一筆四億美元規模的併購交易,你仍然會想要Legora,而不是裸用底層模型——因為真正的壁壘從來不只是模型本身的智能水平,而是圍繞著法律工作流搭建的那套評測、路由和產品經驗。
Legora從斯德哥爾摩地下室一路走到今天，靠的不是賭中某一個最強模型，而是把"模型會變好"這件事當作外部變量接受下來，自己去搭那套能隨時驗證模型表現、隨時切換路由的基礎設施。當初那種"必須證明自己能打"的追趕者心態,最終沉澱成了一種近乎偏執的測量習慣——這或許才是Legora真正跑贏體量遠大於自己的對手的原因。
