斯德哥尔摩的一间地下室里，几个年轻人用ChatGPT接上瑞典法律数据库和一个搜索工具，拼出了后来被称为"史上发展最快的法律科技公司之一"的雏形。这家公司叫Legora，它的CTO Jacob Lauritzen（雅各布·劳里森）在Latent Space播客的访谈中，第一次系统拆解了这家公司从一个问答助手走向真正法律智能体的全过程。
没有人相信一家斯德哥尔摩地下室里的小团队能打败美国那些遥遥领先的庞然大物。Lauritzen把这段经历描述为"始终是追赶者"的心态——这种心态塑造了Legora早期极度谨慎、极度务实的产品哲学，也解释了为什么这家公司在模型选择、评测体系等关键决策上，始终慢半拍却走得更稳。如今Legora已经把触角伸向纽约和旧金山，团队规模扩张到百人工程师，但那种"必须证明自己"的紧绷感，似乎从未真正消失。
1. 从一个问答工具到协调整条工作链
最初的产品形态简单到近乎原始：律师提问题，Agent去查瑞典法律，返回答案。这解决的是法律研究——一个全球律师都要花大量时间处理的刚需：找先例、找判例、搞清楚类似情况下前人是怎么处理的。
这只是起点。从那之后，产品的能力边界持续外扩：Agent开始能起草文件、编辑Word文档、整理和搬运文件、跑复杂分析。其中一个功能叫Tabular Review（表格式审阅），用于批量提取和批量审阅大量协议——这正是做尽职调查、融资审查时律师最痛苦的环节。Legora对这个名字被同行直接拿去用感到高兴而不是防备，Casetext在自己的法律产品里沿用了同一个术语。
但做事只是故事的一半。Lauritzen特别强调，Legora现在花了很大精力在"协调工作"本身——他们有一个叫Lists的功能，定位类似于Linear；还有Intake，用来和客户协作；还有Portal，支持律师对律师、客户对律师、律师对Agent、甚至Agent对Agent的协作。原因很直白：十年前律师之间协作的方式，放到今天依然非常痛苦，这里有大量可以改善的空间。
2. 从助手到Agent的切换，发生在一年前
Legora是2024年的YC批次，比Agent真正起飞的那一波早了一步。Lauritzen回忆，公司从"助手"模式切换到真正的"Agent"模式，大概发生在一年前——这个时间点刚好卡在模型能力跃升的窗口期之前。
今天的产品形态被半开玩笑地形容为"给律师用的ChatGPT"：一个核心对话框，配上侧边栏里一堆定制工具，Tabular Review和Intake是其中最受欢迎的两个。这个描述听起来简单，但背后对应的是律师日常工作流里那些真正琐碎、真正耗时的环节——面向在职企业律师的监管追踪、合同审查、文件整理，都被塞进了同一个工作台。
3. 模型选择器：抗拒了很久，最后还是妥协了
Legora的Agent内部跑着多个不同的模型，根据任务类型分派。但这件事在产品层面一直是个纠结点——用户到底该不该自己选模型。
Lauritzen的立场一度非常坚定：Agent实验室的价值就在于帮用户做判断，而不是把判断权甩回给用户。普通律师没有能力判断一份基于先例起草的合同"该用哪个模型最合适"，他们只想要一个结果——"给我把这部分搞定，别让我操心细节"。这个逻辑听起来无可辩驳，但现实是用户会不断追问能不能试试新发布的模型,会专门点名要用某个型号，即便那种级别的智能对大部分法律工作来说根本不是必需的。
Legora最终的做法是让步：在Agent里加了一个主模型的选择器，目前提供包括Fable、Opus、Astra等多个选项，另外在Tabular Review这类具体工具里继续用固定模型路由。这个选择器是不是会一直留在产品里，Lauritzen自己也没有把握——他的直觉是，这种需求在法律领域远比在编程领域小,但确实存在一批用户,只要有更贵更花哨的新模型,就想立刻用上。
4. 60%已经够用，剩下的40%需要更聪明的大脑
被问到现在的模型是不是已经足够满足律师需求，Lauritzen给出了一个具体的判断：大约60%的法律工作，现在的模型已经能做得很好，这部分未来比拼的是成本和速度，不是智能上限。
剩下的那部分，尤其是极其复杂的分析任务，仍然需要更强的智能才能啃下来。而且这个比例本身不是静态的——法律工作本身会随着模型能力的提升而"扩张"，律所能承接的业务复杂度会跟着模型水位同步上移。这意味着60%这个数字不是终点,而是一个会随技术进步持续移动的分界线。
5. 像搭建强化学习的"世界"一样，搭建法律测试环境
九个月前的Agent和今天的差距具体体现在哪里？Lauritzen举了一个很具体的例子：子智能体委派（sub-agent delegation）。过去这项能力很糟糕，现在对扇出式检索查询（fan-out retrieval）已经表现得非常好——这意味着Agent可以把一个大任务拆给多个子Agent并行检索,再汇总结果,这在当时几乎做不到。
支撑这种判断的是Legora内部一个专职做评测的团队。他们把模型表现按不同法律执业领域细分追踪，构建出一张巨大的热力图，能清楚看到每次模型升级在哪些任务上进步、哪些任务上退步。这里有一个反直觉的发现：模型发布新版本之后，并不是全面变好,实际上相当多的发布会在某些任务上进步的同时,在另一些任务上出现退化，这种情况比外界想象的常见得多。
评测团队搭建的测试环境,被Lauritzen类比成强化学习里的"世界"（worlds）——律师的工作几乎总是以项目形式展开，比如一个一万份文件的数据室（data room），对应一次尽职调查任务。好的尽职调查报告应该长什么样,是提前定义好的:应该包含哪些红旗警示,不应该包含哪些无关的噪音,措辞应该简洁。整个测试体系就是围绕这种具体场景一层层搭建起来的,而不是抽象的通用基准。
6. 一次版本升级，什么都没做，引用准确率从70%跳到99%
评测体系最有说服力的一次验证，发生在一个引用（citation）问题上。Legora的Agent此前在生成法律文件时,引用准确率只有70%左右——也就是说十次引用里有三次会出错。团队没有做任何针对性的修复,只是等到了模型实验室发布的下一个版本。
结果这个数字直接从70%跳到了99%。"我们什么都没做，结果就变好了"——Lauritzen用这句话形容那种既惊喜又有点哭笑不得的感觉。但紧接着他补上了现实的另一面：如果你正在处理的是一笔四亿美元规模的并购交易,你仍然会想要Legora,而不是裸用底层模型——因为真正的壁垒从来不只是模型本身的智能水平,而是围绕着法律工作流搭建的那套评测、路由和产品经验。
Legora从斯德哥尔摩地下室一路走到今天，靠的不是赌中某一个最强模型，而是把"模型会变好"这件事当作外部变量接受下来，自己去搭那套能随时验证模型表现、随时切换路由的基础设施。当初那种"必须证明自己能打"的追赶者心态,最终沉淀成了一种近乎偏执的测量习惯——这或许才是Legora真正跑赢体量远大于自己的对手的原因。
