Ertas + OpenClaw 助力律师事务所

The Challenge

OpenClaw 的邮件分拣、文档审查、合同条款提取和信函起草能力使其天然适合法律工作流。但律师事务所在使默认云 API 架构站不住脚的约束下运营。

律师-客户特权保护律师与客户之间的通信不被披露。当律师使用云 API 的 OpenClaw 审查特权文档时，该文档的内容作为提示输入传输到 OpenAI 或 Anthropic 的服务器。这构成向第三方的披露——而法院越来越多地审查这种披露是否放弃了特权。一次包含特权材料的 API 调用理论上可能损害整个事务的特权。

除特权外，律师事务所面临数据处理方面的监管要求。《澳大利亚隐私法》、GDPR（针对有欧盟客户的事务所）和各种律师协会规则对客户数据的存储、处理和传输方式施加了特定义务。通过商业 AI API 路由客户数据造成了大多数事务所无法证明合理的合规复杂性——特别是当对方律师可以辩称事务所的 AI 工作流构成未经授权的披露时。

讽刺的是，OpenClaw 擅长的任务——文档审查、邮件分类、条款提取、备忘录起草——正是消耗最多助理律师和初级律师时间的任务。生产力提升是真实的。只需要消除合规风险。

The Solution

Ertas 使律师事务所能够用微调的本地模型部署 OpenClaw，将所有数据保留在事务所的基础设施上。架构很简单：在 Ertas Studio 中对事务所的法律领域数据微调模型，导出为 GGUF，通过 Ollama 部署在事务所控制的服务器上，并将 OpenClaw 配置为专门使用本地端点。

微调模型在法律特定任务上提供比通用云 API 更好的结果，因为它是在事务所的实际工作产品上训练的。在 6 个月合同审查标注上微调的模型学会了事务所的特定风险标准——什么构成不利的赔偿条款、不同交易规模可接受的赔偿上限、需要标记的特定司法管辖区条款。通用 GPT-4o 应用一般法律知识；微调模型应用事务所的特定标准。

对于多业务组的事务所，Ertas 的 LoRA 适配器系统允许在共享基础模型上进行业务组特定的定制。公司团队的适配器在并购文档和尽职调查清单上训练。诉讼团队的适配器在证据开示回应和动议草案上训练。知识产权团队的适配器在专利说明书和审查历史上训练。每个业务组获得专门的 AI 代理而无需部署单独的模型。

Key Features

Example Workflow

一家位于悉尼的中型商业律师事务所部署 OpenClaw 来加速其公司咨询业务的合同审查。事务所的助理律师目前每周花 8-12 小时审查供应商协议，标记不利条款，并将关键日期和义务提取到事务管理系统中。事务所从文档管理系统导出 400 份标注合同——每份都有助理律师标记的条款（标记/可接受）和提取的数据字段。此数据集上传到 Ertas Studio，用 LoRA（rank 16、3 个 epoch）微调 Llama 3.3 8B 基础模型。生成的模型在保留测试集上的条款标记准确率达到 90%——相比使用相同标准的经过提示工程的 GPT-4o 为 72%。模型导出为 GGUF（Q5_K_M 量化）并部署在事务所服务器机房的 Mac Studio M2 Ultra 上。OpenClaw 配置为专门使用本地模型——没有云 API 回退。事务所的合同审查 OpenClaw 代理现在通过邮件读取传入合同，将关键条款提取为结构化 JSON，标记不利条款并附带引用事务所标准的解释，并为监督合伙人起草审查备忘录。助理律师审查时间从每份合同 90 分钟降至 15 分钟，助理律师专注于验证 AI 的标记项而非逐条阅读。总部署成本：Mac Studio 硬件（5,500 澳元一次性）加 Ertas 订阅。没有持续的 API 成本。没有特权数据离开建筑。