Ertas + OpenClaw 助力律师事务所
使用 OpenClaw 进行文件审阅、邮件分拣和案件管理的律所,必须决定客户文件发往何处。Ertas 用律所自己的法律工作成果训练定制模型,OpenClaw 在律所控制的服务器上调用该模型,代理日常读取的文件都留在律所内部。
The Challenge
OpenClaw 能分拣邮件、审阅文件、提取合同条款、起草往来函件,天然适合法律工作流程。但律所承担着保密义务,默认的云端 API 方案很难说服律所自己的风险委员会。
律师与客户间的特权保护双方之间的沟通不被披露。律师通过云端 API 使用 OpenClaw 审阅一份受特权保护的文件时,文件内容会作为提示输入发送到模型提供方的服务器。这是否会让特权面临风险,取决于提供方的条款、所在法域以及律所自身的保障措施,许多律所宁愿不必为此争论。
除特权之外,律所对客户数据还负有其他义务。澳大利亚《隐私法》、GDPR(适用于有欧盟客户的律所)以及律师协会规则,都涉及客户数据如何存储、处理和传输。每接入一个处理客户文件的商业 AI API,就要按上述每一项规定多评估一家供应商。
OpenClaw 擅长的工作(文件审阅、邮件分类、条款提取、备忘录起草)恰恰最耗费律师助理和初级律师的时间。效率提升是真实的,尚待解决的是模型在哪里运行。
The Solution
Ertas 让律所把 OpenClaw 运行在律所自行托管的定制模型上。做法很直接:在 Ertas Studio 中用律所的法律领域数据微调模型,导出为 GGUF,在律所控制的服务器上用 Ollama 提供服务,再把 OpenClaw 指向这个本地端点。
训练在 Ertas 的云端 GPU 上进行,因此训练集会上传到 Ertas。律所应先进行匿名化或尽量精简,并确认将这些材料用于训练符合委托条款。导出后,模型在律所的服务器上运行,OpenClaw 日常读取的文件、邮件和案件细节都留在律所网络内。
用律所真实工作成果训练的模型会学到律所的具体标准:什么样的赔偿条款算是不利,不同交易规模下 可以接受怎样的责任上限,哪些特定法域的条款需要标记。通用模型运用的是一般法律知识,训练过的模型运用的是律所自己的标准;律所会先用自己预留的示例衡量两者的差距,再决定是否依赖它。
多业务领域的律所可以为每个业务组训练独立的模型。公司业务组的模型学习并购文件和尽职调查清单,诉讼组的模型学习证据开示答复和动议草稿,知识产权组的模型学习专利说明书和审查历史。每个模型都是律所拥有的文件,可以部署在律所自己的访问规则之后。
Key Features
为 OpenClaw 提供本地推理
OpenClaw 通过 Ollama 把请求发送到律所自有服务器上的导出模型。代理日常读取的文件、客户邮件和案件细节都留在律所网络内。
按业务组微调
Studio 用律所的领域数据微调开源模型,包括合同审阅标准、文件分类体系、案件受理流程和条款提取规则。可以并行运行多次训练,比较后再选定。
每个业务组一个模型
为公司业务、诉讼、知识产权和监管事务分别训练独立模型,每个模型只用该组自己的数据。每个模型都由律所保管,并由律所决定哪些团队可以使用。
导出并拥有模型
Hub 会列出律所训练的所有模型。可下载为 GGUF 格式供 Ollama 或 llama.cpp 使用,或下载为 safetensors 供 vLLM 使用。模型运行不依赖 Ertas,代理在某个案件中如何被使用的任何记录,都保存在律所自己的系统里。
Example Workflow
悉尼一家中型商业律所部署 OpenClaw,以加快公司咨询业务中的合同审阅。目前,律所的律师助理每周要花 8 到 12 小时审阅供应商协议、标记不利条款,并把关键日期和义务录入案件管理系统。律所从文档管理系统中导出 400 份已标注的合同,每份都带有律师助理标记的条款(需关注或可接受)和提取出的数据字段,并删除客户名称和可识别交易的条款。数据集上传到 Ertas Studio 后,用 LoRA(rank 16,3 个 epoch)微调 Llama 3.1 8B 基础模型,同时运行一次 Qwen 2.5 7B 作对比。团队用同样的标准,在一组预留合同上为两者打分,并与此前测试的、经过提示工程的 前沿模型比较。选定的模型以 GGUF 格式导出(Q5_K_M 量化),在律所机房的一台 Mac Studio 上用 Ollama 提供服务,OpenClaw 配置为使用这个本地模型。现在,合同审阅代理会读取通过邮件收到的合同,把关键条款提取为结构化 JSON,标记不利条款并依据律所标准说明原因,再为负责合伙人起草审阅备忘录。律师助理核实被标记的内容,他们的修正会成为下一次训练的示例。运行成本是律所自有的硬件加上 Ertas 订阅费,代理的日常工作不会产生按 token 计费的 API 账单。
Compliance & Security
某种部署方式能否保全特权,或是否符合澳大利亚《隐私法》、GDPR 或律师协会执业行为规则,由律所自行判断,Ertas 不对此作任何表态。这一架构改变的是:训练在 Ertas 的云端 GPU 上进行,因此训练集会上传到 Ertas,应先进行匿名化或尽量精简。数据集会被保存,以便重复训练,你也可以删除它们。导出后,模型在律所自己的服务器上运行,OpenClaw 日常读取的文件都留在该服务器上。访问控制、日志以及客户尽职调查问卷所需的记录,由律所在该服务器周边的系统提供。
Related Resources
微调
LoRA
GGUF
推理
适配器
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.