OpenClaw 法律
以 OpenClaw 處理文件審閱、郵件分類與案件管理的律師事務所,必須決定客戶文件要送往何處。Ertas 以事務所自己的法律工作成果訓練專屬模型,OpenClaw 在事務所掌控的伺服器上呼叫該模型,代理日常讀取的文件都留在事務所內部。
The Challenge
OpenClaw 能分類郵件、審閱文件、擷取合約條款、草擬往來信函,天生適合法律工作流程。但律師事務所負有保密義務,預設的雲端 API 架構很難說服事務所自己的風險委員會。
律師與客戶間的特權,保護雙方之間的溝通不被揭露。律師透過雲端 API 使用 OpenClaw 審閱受特權保護的文件時,文件內容會作為提示輸入送到模型供應商的伺服器。這是否會讓特權面臨風險,取決於供應商的條款、所在法域以及事務所自身的保護措施,許多事務所寧可不必為此爭論。
除了特權之外,事務所對客戶資料還負有其他義務。澳洲《隱私法》、GDPR(適用於有歐盟客戶的事務所)以及律師公會規範,都涉及客戶資料如何儲存、處理與傳輸。每多一個處理客戶文件的商業 AI API,就要依上述每一項規定多評估一家供應商。
OpenClaw 擅長的工作(文件審閱、郵件分類、條款擷取、備忘錄草擬)正是最耗費律師助理與資淺律師時間的工作。效率提升是真實的,尚待解決的是模型要在哪裡執行。
The Solution
Ertas 讓律師事務所把 OpenClaw 架在事務所自行託管的專屬模型上。做法很直接:在 Ertas Studio 中以事務所的法律領域資料微調模型,匯出為 GGUF,在事務所掌控的伺服器上以 Ollama 提供服務,再把 OpenClaw 指向這個本地端點。
訓練在 Ertas 的雲端 GPU 上進行,因此訓練集會上傳到 Ertas。事務所應先去識別化或盡量精簡,並確認將這些資料用於訓練符合委任條款。匯出後,模型在事務所的伺服器上執行,OpenClaw 日常讀取的文件、郵件與案件細節都留在事務所網路內。
以事務所真實工作成果訓練的模型,會學到事務所的具體標準:什麼樣的賠償條 款算是不利、不同交易規模可接受怎樣的責任上限、哪些特定法域的條款需要標記。通用模型運用的是一般法律知識,訓練過的模型運用的是事務所自己的標準;事務所會先以自己預留的範例衡量兩者差距,再決定是否倚賴它。
有多個業務領域的事務所,可以為每個業務組訓練獨立的模型。公司法務組的模型學習併購文件與實地查核清單,訴訟組的模型學習證據開示回覆與書狀草稿,智慧財產組的模型學習專利說明書與審查歷程。每個模型都是事務所擁有的檔案,可以架設在事務所自己的存取規則之後。
Key Features
為 OpenClaw 提供本地推論
OpenClaw 透過 Ollama 把請求送到事務所自有伺服器上的匯出模型。代理日常讀取的文件、客戶郵件與案件細節都留在事務所網路內。
依執業領域微調
Studio 以事務所的領域資料微調開源模型,包括合約審閱標準、文件分類體系、案件受理流程與條款擷取規則。可以平行執行多次訓練,比較後再選定。
每個業務組一個模型
為公司法務、訴訟、智慧財產與監理事務分別訓練獨立模型,每個模型只用該組自己的資料。每個模型都由事務所保管,並由事務所決定哪些團隊可以使用。
匯出並擁有模型
Hub 會列出事務所訓練的所有模型。可下載為 GGUF 格式供 Ollama 或 llama.cpp 使用,或下載為 safetensors 供 vLLM 使用。模型執行不依賴 Ertas,代理在某個案件中如何被使用的任何紀錄,都保存在事務所自己的系統中。
Example Workflow
雪梨一家中型商務律師事務所導入 OpenClaw,加快公司諮詢業務的合約審閱。目前,事務所的律師助理每週要花 8 到 12 小時審閱供應商協議、標記不利條款,並把關鍵日期與義務登錄到案件管理系統。事務所從文件管理系統匯出 400 份已標註的合約,每份都有律師助理標記的條款(需注意或可接受)與擷取出的資料欄位,並移除客戶名稱與可辨識交易的條款。資料集上傳到 Ertas Studio 後,以 LoRA(rank 16,3 個 epoch)微調 Llama 3.1 8B 基礎模型,同時執行一次 Qwen 2.5 7B 作為比較。團隊以相同標準,在一 組預留合約上為兩者評分,並與先前測試、經過提示工程的前沿模型比較。選定的模型以 GGUF 格式匯出(Q5_K_M 量化),在事務所機房的一台 Mac Studio 上以 Ollama 提供服務,OpenClaw 設定為使用這個本地模型。現在,合約審閱代理會讀取透過電子郵件收到的合約,把關鍵條款擷取為結構化 JSON,標記不利條款並依事務所標準說明原因,再為負責的合夥人草擬審閱備忘錄。律師助理核對被標記的項目,他們的修正會成為下一次訓練的範例。執行成本是事務所自有的硬體加上 Ertas 訂閱費,代理的日常工作不會產生按 token 計費的 API 帳單。
Compliance & Security
某種部署方式能否保全特權,或是否符合澳洲《隱私法》、GDPR 或律師公會執業倫理規範,由事務所自行判斷,Ertas 不對此作任何表態。這套架構改變的是:訓練在 Ertas 的雲端 GPU 上進行,因此訓練集會上傳到 Ertas,應先去識別化或盡量精簡。資料集會被保存,以便重複訓練,你也可以刪除它們。匯出後,模型在事務所自己的伺服器上執行,OpenClaw 日常讀取的文件都留在該伺服器上。存取控制、日誌以及客戶盡職調查問卷所需的紀錄,由事務所在該伺服器周邊的系統提供。
Related Resources
Fine-Tuning(微調)
LoRA
GGUF
Inference(推論)
Adapter(適配器)
OpenClaw HIPAA and GDPR Compliance Guide
OpenClaw Security Risks: The Local Model Fix
Run OpenClaw on Local Models Without API Keys
Why Law Firms Won't Send Client Data to ChatGPT (And What They Want Instead)
Fine-Tuning vs. Prompt Engineering for Legal Document Review
LoRA Adapters Per Law Firm on One Base Model
Ollama
llama.cpp
Ertas for Legal
Ertas for AI Automation Agencies
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.