NodeAI Highlights
软件与服务边界正在被打散：法律 AI 不再只是“工具”，而是与律所业务目标深度捆绑的 长期合作伙伴。Legora 明确以“你赢我赢”的激励对齐切入：在律所“低差异化”类型化工作中，一旦有一方用新范式打破均衡，客户会迅速用脚投票，迫使行业整体加速采用。
产品形态三件套：
1）Web 应用里的 Agent：能调用内外工具分步执行（调研→固化为行文体例→生成报告）；
2）Tabular Review（网格化审阅）：行是文件、列是查询，可对海量合同并行跑 10 万级查询，返回逐条引用与溯源；
3）Word 外挂（“律师的 Cursor”）：在右侧窄栏中完成理解—标注—改写—红线，并以 Playbooks（规则+示例+多级 fallback）把“公司立场”自动化到逐条条款级改写与谈判。工程与合规基建：早期为满足欧洲律所上云与隐私要求，Legora在 Azure侧完成“全欧盟托管 / 不用于训练 / 无保留 / 免人审”等合规设计。如今在 Azure+AWS上实现 多模型热插拔与 难度分级路由：简单任务走轻模型，复杂任务走大模型，性能与毛利兼顾；并引入 RAG、长文档分块与跨条款依赖处理，确保法律语义精度与引用可信。
销售打法与组织复制：顶层自上而下难以“一口吃下”，Legora 采用“先让一位合伙人和其团队成为明星→口碑示范→全所扩张”的策略；重点与拥有创新部门的律所协同，把创新从“勾 AI 选项”变为“流程再造”。公司从 10 人 → 100 人，招募大量前创始人型人才，建立“多业务单元并行推进”的高速文化。
起点与“魔法时刻”：为什么是法律，为什么是现在？
Gustav：先介绍下 Legora 在做什么？
Max：我们在做 AI 驱动的律师工作空间，把审阅、起草、检索、尽调等全部装进一个端到端系统。过去法律软件是碎片化的“点工具”，而 GPT-3.5让我们看见：同一底层技术可以跨场景打通，于是我们从一个“期权协议阅读器”开始，很快转向面向律所的全栈产品。
Gustav：第一次让资深律师信服的时刻？
Max：我们给北欧最大律所之一做了现场演示：对方合伙人输入一条 法律检索复杂问题，我们将 瑞典立法与系统中的 RAG结合，答案与引用准确。你能从他眼里看到“啊哈时刻”。对我个人的“魔法感”，最早来自 ChatGPT，但在法律领域真正“落地”的，是我们把模型应用方式换成“尽调网格”与“Word 外挂”。
Gustav：网格化尽调到底改变了什么？
Max：把每份文件变成一行，把问题与审阅规则变成列，一次性并行跑过上百份劳动合同，问“是否含 IP 条款”等，系统会Yes/No逐一回答并链回引用。这把天—小时级的体力活，压缩到分钟级。
产品与技术：Web Agent、Tabular Review、Word 外挂与 Playbooks
Gustav：律师的一天在 Legora 里长什么样？
Max：两块：
1）Web 应用：最初是“对自有文档的聊天”，现已演化为能调用内外工具的 Agent。比如“先做调研→再按本所体例固化→输出报告”。我们重度使用 MCP（Model Context Protocol）去扩展工具生态，适配不同业务线（知识产权/重组/公司/争议）的工作法。
2）Tabular Review（网格）：多文件×多查询的交叉执行，难点不在“Prompt”，而在规模化执行的工程与可靠性：10 万级并行、长文档分块、定义条款跨引用、严格逐条溯源。
3）Word 外挂：律师的主战场在 Word。我们在右侧窄栏实现理解、标注、重写、红线。重点特性是 Playbooks：把公司/律所的立场规则结构化（规则+示例语+多级 fallback），点“Play”即可按 20 步清单逐条跑文档并改写。我们销售团队也用它预处理 NDA再交法务；某北欧大行从法务→合规→风控→销售逐步扩面，标准一致性反而更强。
Gustav：这些过去真的做不到吗？
Max：以前的 ML 只能找“长得像”的句式，换个说法就找不到。如今 LLM 直接理解条款含义，在大规模抽取、红线对比、跨判例/法规/条文的深度检索上，把“本来做不起”的多源合成式研究，做得起也做得好。
Gustav：技术栈怎么搭？
Max：起步选 Azure（贴客户云与合规），如今 Azure + AWS并用，GPT、Claude、Gemini、Mistral可热插拔。我们还做了任务难度分级路由：简单任务走小模型，复杂任务走大模型，既保性能也保毛利。模型进步时，体系整体“被动升级”。
合规、商业与扩张：从欧洲复制到美国
Gustav：欧洲律所很难卖，怎么破？
Max：先让一位合伙人+一个团队成为“明星”，其他合伙人就会说“我们也要”。但起点仍要自上而下（无法靠个人自购），要过IT 安全/数据隐私/合规的多轮审查。我们与创新部门协作最好：他们流程脑强、影响 M&A/诉讼等一线团队的学习与扩散。
Gustav：行业契机来自哪里？
Max：法律服务很多是低差异化。一旦有人用 AI 把尽调/审阅做得更快更准更便宜，客户立刻迁移。像当年从“去图书馆翻书”到“Ctrl+F”的跃迁。多数律所现在不愿签 5 年锁定，更倾向 1–2 年，这倒逼厂商更快迭代，也给了新玩家窗口。
Gustav：为什么先在欧洲做成、再去美国？
Max：我们需要一个能快速成长的母市场，把进入一个新国家的算法跑顺（北欧四国→西/法/德→伦敦），再去美国。如今已在 纽约/伦敦/斯德哥尔摩设点，并在 西班牙、法国、德国有本地团队。
Gustav：融资与定位？
Max：我们刚完成 8000 万美元 B 轮（ICONIQ Capital、General Catalyst领投；YC、Benchmark、Redpoint等跟投）。目标是成为全球法律 AI 的品类龙头，而且我们相信：龙头不只交付软件，更要承担“战略伙伴”角色，帮律所在这次范式转移中胜出。
真实使用与 PMF：从法庭到会议室
Gustav：有没有一线“神奇用法”？
Max：一位西班牙合伙人（Perorka 律所）在法庭上，把对方提交的全部证据与文件喂进 Legora，庭审中实时查询，当场发现对方论证漏洞即可即时打断反驳。他形容：上“战场”有 Legora，就像多了一层护甲。
Gustav：PMF（产品市场契合）是什么感觉？
Max：“被市场拉着走”。当律所在核心交付上依赖你，一旦有抖动，立刻打来电话。早期是伙伴押注你的旅程；如今我们把他们从 A→B送达，正在持续规模化。
组织与招聘：把“能把事情做成”的人放在一起
Gustav：你们从 10 人涨到 100 人，怎么选人？
Max：我们大量招 前创始人型人才，通才+强自主+善用 AI 十倍增效。我常问候选人一个问题：“你做过哪些超出你职责的事？”我们鼓励“多拿一点责任”的人。市场侧会做产品路演 Case；工程侧会做“复刻一个小版 Legora”的系统设计与可解释性评测。我们也会把斯德哥尔摩的最佳种子选手派去各地新 Hub，把文化与速度“原样复制”。
Gustav：这是 9–5 的公司吗？
Max：坦白说，不是。我们更像创业者集合体：节奏更快、期望更高；当然也保留了瑞典式的“Fika”（咖啡闲聊），只是饥饿感与上进心拉满。
行业格局与平台威胁：如何与大厂共生？
Gustav：大模型实验室会不会做法律？
Max：他们在变成平台公司（Google 把 Gemini 嵌 Workspace；Anthropic 推 MCP的“通用入口”），我们把**“平台可预期的能力”视为地板**，我们的工作是把“法律工作流的天花板”不断做高：合规、引用可信、组织级 Playbooks、端到端 Agent、流程标准化与扩散——这些才是长期护城河。
Gustav：老牌法律科技巨头的数据与合同壁垒？
Max：优势仍在，但劣势更大：用户口碑弱、交付周期慢、叠代速度远不及。买方也不愿长期锁定，更看重你的变化率：能否把他们从 A→B快速、安全地带过去。
给垂直 AI 创业者的建议
Gustav：如果我现在要做物流/保险/金融的垂直 AI？
Max：
1）别被单一模型锁死，别和模型实验室硬刚——要么找到模型到不了的窄深赛道，要么以别人没想到的方式组合利用模型；
2）把“立场与流程”产品化（类似 Playbooks），把“行业写作体例与规则”揉进系统；
3）工程化规模与可靠性：热插拔、多云、路由、溯源、合规都要前置；
4）从深度共创的首批客户开始，用“做成样板间”带动口碑扩散。
展望：5–10 年后的律师在做什么？
Gustav：律师 5–10 年后的一天？
Max：更像在管理期望与审阅结果：一边指导 AI Agent去执行，一边按本所标准审核成果并对客户交付与沟通。律师不会消失，专业判断与背书不可替代；只是体力密集型环节将被系统化地交给 AI。
