OpenClaw 法律

The Challenge

OpenClaw 分類電子郵件、審查文件、提取合約條款和起草信函的能力使其天生適合法律工作流程。但律師事務所的運營受到使預設雲端 API 架構不可行的限制。

律師-客戶保密特權保護律師與客戶之間的通訊免於揭露。當律師使用雲端 API 的 OpenClaw 審查特權文件時，該文件的內容作為提示輸入被傳輸到 OpenAI 或 Anthropic 的伺服器。這構成向第三方的揭露——法院越來越多地審查此類揭露是否放棄了特權。包含特權材料的單一 API 呼叫理論上可能損害整個案件的特權。

除了特權之外，律師事務所還面臨資料處理方面的監管要求。《澳洲隱私法》、GDPR（對有歐盟客戶的事務所）和各種律師公會規則對客戶資料的儲存、處理和傳輸施加了特定義務。將客戶資料路由至商業 AI API 會產生大多數事務所無法合理化的合規複雜性——特別是當對方律師可能主張事務所的 AI 工作流程構成未授權揭露時。

諷刺的是，OpenClaw 擅長的任務——文件審查、電子郵件分類、條款提取、備忘錄起草——正是消耗最多律師助理和初級律師時間的任務。生產力提升是真實的。合規風險只需要被消除。

The Solution

Ertas 使律師事務所能夠部署使用微調本地模型的 OpenClaw，將所有資料保留在事務所的基礎設施上。架構很直接：在 Ertas Studio 中使用事務所的法律領域資料微調模型，匯出為 GGUF，透過 Ollama 部署在事務所控制的伺服器上，並將 OpenClaw 配置為專門使用本地端點。

微調模型在法律特定任務上比通用雲端 API 交付更好的結果，因為它已在事務所的實際工作成果上訓練過。一個在 6 個月的合約審查標註上微調的模型學會了事務所的特定風險標準——什麼構成不利的賠償條款、不同交易規模的可接受責任上限是多少、哪些管轄權特定條款需要標記。通用 GPT-4o 應用一般法律知識；微調模型應用事務所的特定標準。

對於多執業領域的事務所，Ertas 的 LoRA 適配器系統允許在共享基礎模型上進行執業領域特定的自訂。企業團隊的適配器在併購文件和盡職調查清單上訓練。訴訟團隊的適配器在證據開示回覆和動議草稿上訓練。智慧財產權團隊的適配器在專利說明書和申請歷史上訓練。每個執業領域獲得專門的 AI 代理而無需部署獨立模型。

Key Features

Example Workflow

雪梨一家中型商業律師事務所部署 OpenClaw 來加速其企業顧問執業領域的合約審查。事務所的律師助理目前每週花 8-12 小時審查供應商協議、標記不利條款，以及將關鍵日期和義務提取到案件管理系統中。事務所從其文件管理系統匯出 400 份標註合約——每份都有律師助理標記的條款（已標記/可接受）和提取的資料欄位。資料集上傳至 Ertas Studio，在此微調 Llama 3.3 8B 基礎模型並使用 LoRA（rank 16、3 個 epoch）。產出的模型在留出測試集上的條款標記準確率達到 90%——相比使用相同標準的經提示工程 GPT-4o 的 72%。模型匯出為 GGUF（Q5_K_M 量化）並部署在事務所伺服器室的 Mac Studio M2 Ultra 上。OpenClaw 配置為專門使用本地模型——沒有雲端 API 回退。事務所的合約審查 OpenClaw 代理現在透過電子郵件讀取傳入合約、將關鍵條款提取為結構化 JSON、以引用事務所標準的解釋標記不利條款，並為監督合夥人起草審查備忘錄。律師助理審查時間從每份合約 90 分鐘降至 15 分鐘，律師助理專注於驗證 AI 標記的項目而非從頭逐條閱讀。總部署成本：Mac Studio 硬體（AU$5,500 一次性）加 Ertas 訂閱。沒有持續的 API 成本。沒有特權資料離開大樓。