2026 年 11 月 15 日

在Harvey训练大模型是什么体验?

客户工作流 · 法律 Taste · Benchmark · 工程杠杆
本文目录

    「当一个 Agent 能看到 30 个文件和 3,000 个文件的时候,你不管用什么模型,能看到 3,000 个文件的 Agent 都会有更好的收获。」 —— Joey Wang,谈 Harvey 为什么把工程系统也当成模型能力的一部分

    嘉宾: Joey Wang|Harvey Engineering Lead,曾任职 Figma、Uber

    Harvey 最近一轮融资后的估值是 155 亿美元,节目页显示它有 3,500 多家客户、覆盖 85 个国家。一个法律 AI 应用,为什么没有在通用模型迭代中被轻易抹平?这期我原本想追问的是“垂类公司怎么训练自己的模型”,聊下来发现,答案并不只在训练。律师要的是能放进现有工作流、每一步可检查、遇到问题能追溯的结果;Harvey 还要把搜索速度、文件规模、评测方法和权限边界一起做好。模型是其中一环,产品究竟替用户完成了什么,才是更大的问题。

    Joey Wang 在 Harvey 做 Agent 工程,负责过面向内部的云端 Agent 平台 Spectre;此前在 Figma 和 Uber 做工程。他从早期加入 Harvey,一路经历了产品扩张和公司开始做后训练的过程。我们从一份律师合同聊起,再谈模型的 Taste、Benchmark 怎么搭、训练人才从哪来,最后回到一个容易被忽略的问题:Agent 能不能被组织信任,往往取决于它看得见什么、改过什么、又是谁批准了它的结果。

    以下是对话全文(经编辑整理,有删节)。

    一、从大厂回到创业公司,想把东西做出来

    Raymond: 你 2023 年左右加入 Harvey 时,公司还很早期。你之前在 Uber、Figma 都做过工程,为什么那时想去一家法律 AI 初创公司?

    Joey: 2022、2023 年 GPT 刚出来时,我在 Figma 也比较早接触到大语言模型,试过能不能用 AI 做设计相关的事情。我当时参与 Figma Slides,想看看 AI 能不能帮人做幻灯片。很早就能感受到模型有很强的能力,但那时它还不太理解设计,可能数据不够,也可能模型还没有足够的 Taste。

    认识 Harvey 是个机缘巧合。有一个做研究的朋友在经营自己的 Twitter 账号,我关注了他一段时间。他后来介绍我去了解 Harvey。一个研究领域的人愿意亲自帮公司招人,让我觉得他对这件事很有信念。我和创始人聊了一段时间,也想看看下一代软件公司会是什么样子,所以很想加入早期团队。

    Raymond: 你在 Uber 时公司还是 pre-IPO,Figma 加入时也有创业公司的节奏。到了 Harvey,最大的差别是什么?

    Joey: 我加入 Uber 时,它虽然已经比较大,但还是创业公司,节奏很快。Figma 早期也能快速决定做什么,我提出的一些想法可以进入产品尝试。公司长大以后,做事要审批,部门之间也会有拉扯。我个人喜欢把事情做出来,所以加入 Harvey 后,又找回早期创业公司的感觉:有想法,客户确实需要,做出来他们就能用。

    Raymond: 我最近在硅谷也听到不少大厂员工抱怨组织结构复杂,想法落不了地。他们不一定讨厌原来的公司,可能只是很想亲手 build、ship,看到客户真的用上。公司变大以后,这种体验会消失,所以有人又想找小公司的机会。

    二、律师不会为了 AI 重学一套工作流

    Raymond: 很多听众没见过 Harvey。你能不能从律师一天在做什么讲起?Harvey 到底接住了哪些工作?

    Joey: 做垂类应用,首先得理解客户现在怎么工作。律师不会因为我们做了一个平台,就把所有材料搬过去,再重新学一套流程。日常工作还是发生在 Word、Excel、Outlook 和文档系统里:审合同、比较资料、研究问题、起草文件、回邮件,也要和同事、客户协调。

    Harvey 可以通过 connector 连到客户已有的文档和邮件系统,再把 Agent 放进这些工作里。界面上当然也有聊天框,但最终交付的常常还是律师熟悉的 Word 文档。关键是它能不能按照律师的工作方式完成任务,并让律师看清每一步是怎么来的。

    Raymond: 我以前做投行,确实看过很多 NDA。普通聊天机器人帮我改 NDA,可能就按通用标准改一遍;律师的做法更复杂。有的条款必须改,有的可以让步,有的要看双方各自真正关心什么。Harvey 是不是把这种判断也放进去了?

    Joey: 是。律师并不是希望所有条款都向自己一方倾斜。他们会判断哪些地方不能让、哪些地方可以谈,也要考虑对方的立场。比如 NDA 里双方都要保密,但各自真正担心的内容可能不同。有些条款律师一定要坚持,有些条款则可以协商。通用模型可以按提示去改,但未必知道什么情况下该让一步、什么情况下不能动。

    我们要学的是律师过去怎么处理这些事情,以及他们愿意把什么经验交给系统使用。数据留在客户自己的云服务里,Harvey 在获得授权后访问,再把它用于后续工作。最后呈现的还是律师熟悉的文件格式和修改流程。

    Raymond: 所以你们输出的不是“我帮你改好了”的干净文件,而是 redline?

    Joey: 对。系统会把建议修改标出来,也解释为什么这么改。律师可以逐条检查和接受。

    Raymond: 这个差别挺大。你直接把字覆盖掉,律师还得玩“大家来找茬”,重新确认到底哪里变了。Redline 至少让他知道哪句被删、哪句是建议补进去的。

    法律文件尤其需要追溯修改是谁做的、为什么做。有时是 Harvey 提出的建议,有时是客户或对方律师改过的。最终导出给别人时,Harvey 的改动也可以显示为律师本人提出的修改意见。律师是否接受、如何解释,仍然由律师决定。

    我可以把它理解成一名初级律师先做了一轮整理,合伙人来检查和批准。少做重复工作是一部分,另一个价值是把结果做成专业人士能够接手的形状。

    Joey: 对。对于律师来说,修改的来源和理由很重要。工程师会看 Pull Request,检查代码改动、提交记录和作者。法律文件也有类似的审核过程。大家需要知道哪些内容变了、是谁改的、背后的理由是什么。

    Raymond: 你刚说“Harvey”这个名字,我想问个尖锐的问题:为什么不叫 Mike?如果名字来自美剧《金装律师》,Harvey 是大律师,Mike 是下面那个更年轻的律师。你们做的很多又是繁琐工作,听起来 Mike 更像你们?

    Joey: 作为一家法律 AI 公司的员工,我不能承认或否认名字的来源。假设它来自《金装律师》,创始团队想做的也不是只处理繁琐的工作,而是希望能在法律决策里提供 intelligence 和 taste。

    有一个客户告诉我们,Harvey 帮他做掉很多繁琐工作后,他开始和 Harvey 聊一些过去没想过的问题。Harvey 提出了新的想法。对我来说,这说明它的价值不只是在文档里改几个字。当然,这也还是一个愿景,我们希望系统能参与到更有判断含量的工作中。

    三、垂类产品的起点是客户正在怎么做事

    Raymond: 我看过一些并购场景:两家公司合并,数据室里有成百上千份合同。你要找控制权变更条款、判断哪些合同需要同意,再确认交割后应该由谁管理。人手读每份文件会花很久,但如果能抓住关键条款,批量整理,就很适合 Agent。这个场景有两道门槛:先让系统找到大量材料里的相关条款,再让律师知道结果来自哪份文件、哪些判断需要他确认。Harvey 是把律师本来就在做的事情接起来,而不是单独做一个法律聊天机器人,对吗?

    Joey: 对。产品要和客户现有的做事方式接上。即使底层很复杂,客户也应该能在熟悉的工具里完成工作。我们需要知道律师真正在哪些步骤上花时间、怎么审阅、怎么交付,才能决定系统应该嵌在哪。

    Raymond: 这也解释了为什么“模型能回答法律问题”不是全部。你得知道合同在哪,资料怎么连进来,答案怎么留痕,最后律师怎么审核。

    Joey: 是的。Agent 得理解任务,也得能在客户的数据和工具里工作。它给出结论以后,用户还要看得见依据、修改和来源。整个流程要能够被专业人士接管。

    Raymond: 那模型越来越强以后,Harvey 会不会被通用模型直接替掉?如果底层模型懂法律、能读文件,垂类应用的空间还剩多少?

    Joey: 模型变强当然会改变产品。我们也会持续试不同模型,不能假设今天的方式永远有效。但通用模型解决不了所有事情。很多问题是公司自己对客户工作方式的理解、数据连接、复杂任务的编排和结果展示。模型公司即使训练出能力很强的模型,也不能替我们判断某个模型在法律工作里是不是更合适。

    Harvey 刚开始时,创始人用 GPT-3.5 做法律流程的 Demo,再把模型结果和专业人士实际做的结果比较,发现很多任务已经能做得不错。后来他们拿到 GPT-4 的早期访问,用新模型继续做产品,并把产品卖给律所。模型能力和产品是一起发展的:模型让原来的产品流程更好用,真实客户又让团队更懂法律工作。

    有一段时间模型还不够稳定,律师需要自己定义工作流:哪一步要上传文件,哪一步等用户反馈,结果要走哪个分支。这样可以让同一套流程在团队里复用,但也要求懂业务的人先把流程写清楚。模型能力提高后,Harvey 把方向转向 Agent Builder:用户提供目标、提示和数据源,Agent 直接尝试完成任务。以前要用户手工维护的步骤,现在可以交给模型处理。

    Raymond: 所以垂类公司的护城河不一定是一层模型。它可能是用户每天真的会用到的工作流、他们愿意连接的数据,以及专业人士可以检查和接手的结果。模型会改写产品形态,但不会替 Harvey 决定客户工作里哪些环节必须保留。

    Joey: 对。你要持续理解客户,也要知道哪些地方需要模型、哪些地方需要工程和产品来解决。模型能力是重要的,但它不是产品本身。Harvey 去年夏天做 Workflow Builder,是因为当时 Agent 可能做到一半就忘了目标,或者没等用户给材料就直接生成结果。律师可以把任务拆成多步:哪一步要用户补资料,哪一步处理文件,再根据结果走不同分支。后来模型能力提高,产品就转向 Agent Builder:用户提供目标、提示和数据源,让 Agent 自己完成任务。原来为模型不足而手工搭建的流程可以简化,但客户的文件系统、审核方式和交付要求仍然要解决。

    四、模型的 Taste,不是把答案写短

    Raymond: 你们和 OpenAI 的关系一直不错,它也是投资方。Harvey 是什么时候开始认真做自己的模型,又为什么觉得这件事到了可以商业化的时候?

    Joey: 我们一直在做法律模型研究,不是今年才开始。早期和 OpenAI 有深入合作,也一起做过 pre-training。那时客户还少,后训练数据不够;预训练又需要海量数据。Harvey 曾和 PwC 合作做税务模型,但通用模型进步很快,自己做的预训练模型未必能持续追上大模型公司的迭代。

    后来有两个变化。客户多了,团队从不涉及客户隐私的产品反馈里更懂律师会遇到什么任务;同时,我们也学会用模拟场景生成合成数据,再把这些场景做成 Benchmark。评测集能反映真实任务以后,才有办法比较不同模型、围绕具体工作做后训练,并平衡质量、价格和延迟。训练研究一直存在,只是到现在才逐渐具备商业化条件。

    我们会看一个模型在特定工作里的效果。法律场景有自己的要求,所谓 Taste 也不只是回答更像律师。比如有时模型会写得很长,其他人觉得啰嗦,但律师可能需要完整的理由和引用。每一句话都要能找到依据,短并不一定代表更好。

    Raymond: 这挺反直觉。很多通用产品在追求更快、更短、更直接。律师读一个答案,可能恰好要知道每个判断从哪条材料出来。没有引用的简洁答案,对他们未必能用。这个例子也把 Taste 说具体了:它不是审美词,而是你知道客户什么时候宁可多读几段,也不能少一个出处。

    Joey: 是。用户会在意答案是否准确、有没有遗漏,也会看它是不是符合实际工作需要。一个模型在某个评测上分数高,不等于在所有法律任务里都好用。我们要把任务拆开看,再根据场景选择模型或做后训练。就像客户让 Agent 做法律研究,和让它批量抽取一组合同条款,需要的能力不完全一样。最好的模型也可能在一个任务上很强、另一个任务上不够快或不够稳定,所以产品会用 Benchmark 和具体的用户需求来决定模型怎么搭配。

    Harvey 会尝试 Kimi、GLM、Qwen、DeepSeek 等模型。不同模型在不同任务上表现不一样。我们可以针对具体工作训练,也可以让更强的模型担任 orchestrator,判断该把任务交给哪个模型或工具。

    Raymond: 像图书馆前台。你不必要求每本书都一样,而是有人先判断你要找什么,再把你带到对的书架。或者像一个领导者把任务分给懂不同专业的人,最后再把结果组织起来。你们要做的不是每个模型都包办所有法律工作,而是模型各自擅长一部分,由更强的 Agent 做调度?

    Joey: 对,可以这么理解。模型的选择不是单纯看排行榜,而是看它在产品中的具体表现。我们不会因为某个模型来自哪家、参数多大就默认选它。会先用 Benchmark 看不同场景的结果:有些任务要很强的推理,有些更像批量处理,未必需要最强、最贵的模型。像 Kimi、GLM、Qwen,还有其他开源模型,都会按具体场景试。

    产品也尽量把选择留给用户。有人因为当地政策或内部要求,不能用某个模型;有人会指定自己想用的模型。选择还要看数据怎么处理:Joey 举例说,如果客户选某个模型,按照服务商当时的政策,数据会在对方那里保留 30 天。Harvey 需要把这一点说清楚,由客户决定是否接受,同时保证相应的访问能力和运行可靠性。

    Raymond: 你们提到的 Tenet 是什么?它是一个单独的基础模型,还是一套训练方法?

    Joey: 我觉得 Tenet 更多是一个方向。它是我们几个训练模型里比较有希望的一个。我们目前用 Kimi K3 训练了一个版本,但不代表 Tenet 只能建立在 Kimi 上。我们会尝试不同模型,也会在不同场景里部署一些模型,有些甚至没有单独的名字。

    Raymond: 所以 Tenet 不是“Harvey 永远用一个自己从头训出来的大模型”。你们是在尝试形成一套训练和评测的能力,再按具体任务用不同基模。

    Joey: 对。Tenet 是其中一个训练方向,不应该理解成我们只会用这一个模型。我们目前还不一定会把所有训练出来的模型都部署给客户;关键是学习怎么把模型在法律任务上做得更好。将来基模换了,训练和评测的方法仍然能迁移。核心不是永远绑定某个模型,而是知道怎样判断它适合什么工作。

    Raymond: 那现在客户实际调用里,Tenet 或者 Harvey 自己训练的模型占多少?

    Joey: 这个比例我不太清楚,也不方便公开。客户可以按自己的偏好选择模型,我们会尽量给他们需要的选择。像 Anthropic 的模型,有时回答更长,会解释为什么这么做;这对律师也可能是优点。不同模型的使用比例,还会受客户选择影响。

    五、法律 Benchmark 很难写成一道标准题

    Raymond: 训练模型需要数据,但法律任务怎么评测?一个答案可能不是只有一个标准答案。谁来判断它够不够好?这里听起来有个门槛:即使数据够多,也要知道什么数据好,怎样的答案才算对客户有用。

    Joey: 这是很难的部分。法律判断不像数学题或一些编程任务,答案不总是只有一个。两个律师看同一份合同,也可能因为客户情况、谈判策略不同而给出不同建议。我们会把任务拆成更稳定、可衡量的小项,逐步建立 Legal Agent Benchmark。早期可以先看一些更明确的任务,例如答案是否正确、是否满足某个条件;更复杂的任务就需要 playbook、评测标准和领域专家参与。比如先有一个相对稳定的问题,设定答案必须满足的检查项,再逐步增加现实工作的复杂度。法律任务不是一道选择题,最后要看的是这个 Agent 能不能把一件事做完。

    有些判断不能只靠自动评分。我们的内部法律团队可以帮助审阅,也会请专业人士参与。我们要弄清楚用户真正重视什么,并把这个要求变成能重复使用的评测标准。

    Raymond: 也就是说,不能只让模型自己给自己打分。你们要把律师做判断的尺度拆成若干个可以讨论、比较的标准,再看模型在哪一步做得不好。可法律判断本来就有分歧,十个资深律师来评一个答案,也不一定能完全对齐。你们怎么面对这个问题?

    Joey: 评测本身也需要不断改进。最开始团队内部先挑典型问题,看结果是否符合预期;方向清楚后,再扩大到更多任务和数据。Benchmark 得越来越接近客户真实的工作,有时还要预测他们未来会怎样使用 Agent。问题是什么、每项看哪些标准,早期要由内部团队和法律专家定清楚,否则数据再多也可能只是在认真地测错东西。

    Raymond: 真实用户会遇到的工作还会变。你今天拿历史问题做评测,可能测得很好,但用户下个月开始用 Agent 做新事情了呢?

    Joey: 评测要跟产品一起变化。数据量扩大以后,可以和外部供应商合作,让更多专业人士做 yes/no 判断,积累更广泛的结果。但团队仍要掌握评分标准,也要知道一个问题是缺数据、模型不行,还是产品流程没有设计好。这些判断需要领域经验。

    Raymond: 从五十个评测项扩到五百、五千,难点就不只是多找一些律师。你得知道每个问题该看什么,评分标准能不能保持一致。你们会和 Mercor 这类服务商合作,把更多法律专家组织起来打分吗?

    Joey: 会需要外部人才帮助扩大规模。可以有不同层次的标注和评分,也不能完全相信 LLM-as-judge。如果用一个模型来评另一个模型,评测者自己的能力上限也会变成训练模型的上限。早期的标签、后期的评测和评分,可以采用不同办法交叉验证。

    Raymond: 那会不会发生一种情况:Benchmark 做得挺好,产品推出去,客户却不买账?

    Joey: 可能会。这个过程本来就是一直迭代。如果用户不买账,我们要理解他们觉得哪里不对,再改数据集、改评测。一个产品不可能永远完美;如果能听懂用户的反馈,并把这些反馈转成评测和数据的改进,团队才会积累出客户能感受到的进步。

    六、开源模型的最好成绩,也可能只是起跑线

    Raymond: 如果一个垂类公司想自己训练模型,最容易踩的坑是什么?

    Joey: 先别因为开源模型能跑起来,就觉得自己可以训练出有竞争力的模型。如果最好的开源模型在你的领域里已经很强,后训练就必须让它变得更好,才有做的意义。你要考虑成本,也要考虑质量和延迟,不能只看训练过程本身。我们做 Benchmark 不等于承诺一定把每个模型都部署给用户。有时评测先告诉你,开源模型目前的下限已经很高,后训练要先超过它,再证明在价格、隐私、可靠性或用户满意度上值得用。

    很多实验会失败。只是早期的失败通常不会被写进公司的博客。Benchmark 做出来以后,团队也可能发现某个开源模型的法律能力已经超过 OpenAI 或 Anthropic 的模型。如果要在这个基础上后训练,就得做得更好才有意义。训练不一定每次都能提高分数,某一轮可能从 78 变成 75,但它也会让团队知道下一轮该试什么。更重要的是,训练完不代表一定部署;最终还是要看用户会不会用。训练是一个长期学习的过程,早期失败积累下来的认识,可能让之后的实验更接近目标。

    Raymond: 听起来失败率很高,但早期团队又未必需要一堆研究员。那真正的瓶颈在哪里?

    Joey: Harvey 早期有很多研究人员,我们后来发现,真正缺的有时是产品。需要有人把用户的问题整理成清楚的产品需求,决定什么任务值得做、应该怎样评测。懂法律、能和专家一起提炼需求的人,可能比再多招一些研究人员更关键。一个人能不能把专家说的“这个答案不对”继续拆成具体原因:引用不够、遗漏条款、比较对象不对,还是没有理解双方的谈判空间?这些拆解会变成产品要求,也会变成评测标准。

    现在很多工程师也会用 Coding Agent。律师甚至可以自己写一些 benchmark 或 evaluation engine。不是所有评测工具都必须由专门的研究团队搭出来,重要的是理解要测什么。

    Raymond: 这挺像很多 AI 公司都会遇到的反转:大家以为先有了模型就能把产品推起来,结果发现更难的是挑出客户真正关心的问题,然后把要求说清楚。

    Joey: 是。模型可以不断实验,但用户感知到的还包括产品和工程。我们要找到模型之外能立刻改善体验的地方。

    七、搜索快十倍,Agent 就能多读一百倍文件

    Raymond: 你刚才说工程体验经常比模型变化更容易被用户感受到。那如果团队手里只有一笔预算,要再招一个工程师优化系统,还是让研究员试一个新的后训练模型,怎么判断?

    Joey: 搜索就是一个例子。我们把文档搜索从两秒左右降到两百毫秒。对用户来说等待少了;对 Agent 来说,在固定时间里能跑更多次搜索,从大约 30 个文件增加到 300 个,再通过并行处理扩展到 3,000 个。模型没有换,但能读到的上下文完全不同。

    Raymond: 两秒变两百毫秒,搜索快了十倍。Agent 从看几十份文件变成几千份,模型不变,能拿到的证据却多得多。

    Joey: 对。一个 Agent 能看到 30 个文件,和能看到 3,000 个文件,结果会很不一样。文件看得更多,模型就有更多上下文可以利用。我们还把搜索改成并行处理,让 Agent 在时间范围内查更多文件。这类工程改进往往比等下一代模型更快反映到用户体验上。

    Raymond: 所以对一个垂类产品来说,模型之外还有一整条能力链。搜索慢,Agent 就少看资料;权限做不好,它根本不能看;输出不方便审查,律师又不敢用。模型再强,也得通过这些环节变成实际结果。工程投入和模型研究也不是简单二选一。前者常常更快改善用户体验;后者要更长时间,但做出合适的自有模型,可能让未来成本更可控,改善利润率。Joey 说 Harvey 目前也在思考模型对长期利润率的作用,但短期训练投入仍是实验。

    Joey: 是。我们会看用户马上能感知到什么。工程优化有时效果很直接,模型则一直在实验。不能为了“做模型”就忽略产品里其他能改进的地方。自有模型还有一层长期考虑:如果公司希望以后有更好的利润率,成本可控的模型可能会有帮助。但这不表示所有早期创业公司都该把主要投入放在训练。用户眼前的问题还没解决,模型研究就不一定是回报最高的那一项。

    八、Spectre:多人共用一个 Agent,先得把权限说清楚

    Raymond: 你还做了一个内部工具 Spectre。它解决的是什么问题?

    Joey: 大约二月,我在想公司里怎么使用云端的 Background Agent,也就是能在沙盒里运行的 Agent。它可以在云端运行,不被工程师自己电脑的硬件限制,也能并行处理更多工作。

    我来自 Figma,知道团队协作工具的重要性。设想一个经理提出问题,五个工程师各自在自己的 Claude Code 或 Codex 里跑一遍,最后把结果贴到群里。大家未必知道每个结果怎么来的,也很难比较工具调用和上下文。Spectre 想提供共享的 Agent runtime 和 conversation context,让团队成员都能看到过程、补充自己的判断,再一起确认结果。

    所以我想把 Agent 放在一个大家都能参与的 runtime 和 context 里。团队成员可以在 Slack 里 tag 它,让它作为一个队友参与项目。大家能看到 Agent 做了什么、调用了哪些工具、最后怎么得出结果,也可以一起把输出推进到真正运行的产品里。

    Raymond: 像是多个人在同一个群里共用一个 Agent。它有项目上下文,也有执行记录。后来 Claude 也出现了类似的协作方式;你们二月就开始做这个,是希望 Agent 变成团队的队友吗?可是这样的话,Agent 会不会知道太多?比如有人在公开频道问它,另一个人没有权限看的材料,它能不能拿出来?

    Joey: 这就是产品落地难的地方。实现一个 Slack bot 并不难,难的是权限边界:谁能 tag 它、它能读哪些信息、公开频道和私有频道的上下文怎么区分。我们要和安全、IT 团队协商哪些数据可以开放,也会通过设计文档和代码审查来控制风险。

    Agent 写代码时也要遵守团队原有的规则。比如某段代码需要两个人 review 才能进 production,那 Agent 能不能绕过这个流程?一个人的 Agent 能不能改另一个人的代码并直接提交?这些边界都得提前想清楚。

    Raymond: 这不只是给公司加了一个会干活的员工。它可能看得到项目的上下文,也可能碰到每个人权限不同的资料。公司要先知道它能跟谁说什么,不能把“看起来方便”当成权限方案。

    Joey: 对。如果员工担心自己跟 Agent 说的话第二天会被老板看到,他们就不会把真实问题告诉它。用户得相信自己的信息不会越过权限边界。大家也要信任 Agent 所在的 Harness,知道它怎么运行、怎么处理数据。比如程序员已经熟悉 Claude Code、Codex 和 Cursor,也熟悉它们怎么运行、怎么和 Agent 交流。用熟悉的 Harness,团队更容易理解云端 Agent 的行为。信任不是加一句“数据安全”就能建立,而是要让用户理解产品做了什么、能访问什么、数据会流向哪里,再逐步增加他们愿意交给它的工作。

    Raymond: 以前我听人说,组织要把上下文尽量统一。但其实上下文统一了,不代表每个人都该看到同样的信息。你把每个项目、每个员工都放到一个系统里,权限和隐私才是最难的设计。

    Joey: 是。Spectre 的目标,是让团队能一起和 Agent 协作、看到它的执行过程,同时保证它遵守安全要求。要让大家真的使用它,得一步步建立信任。

    九、法律后果比代码更严重

    Raymond: Harvey 现在主要服务大型律所和企业法务。它更像 SLG(面向企业销售),不是 Figma 那种个人先用、再向团队扩散的 PLG(产品驱动增长)。美国还有大量两三个人的小律所,他们是不是也能直接用?我原来想象小团队也许需要一个更轻的“Small Harvey”,甚至就叫 Mike。

    Joey: 我们在乎这个市场,但小律所可能需要一些我们目前没有的东西,也未必在意大型客户关心的能力。大型律所可能有专门的团队、采购和安全流程,可以部署企业软件;小团队的人员和管理方式不一样,要让他们理解产品价值、配好流程,销售和支持都需要投入。

    更重要的是,法律服务的结果责任比较敏感。做 Coding Agent,用户通常知道自己要检查代码、对最终结果负责。法律 Agent 如果直接变成 self-serve 产品,用户可能会误以为 Harvey 对法律结果负责。法律后果比代码更严重,所以需要对客户做更多教育,也要找到合适的合作方式。

    Raymond: 所以你们不是急着把产品做成一个小律所注册就能用的版本。法律软件的部署不只是开一个账号、交给用户操作,还得想清楚客户怎样管理权限、怎样审查结果。你们可能要先找那些有制度、知道如何审核结果,也能管理 Agent 使用方式的客户。

    Joey: 对。我们需要合适的 design partner。他们有一定的制度,知道怎么用 Harvey,也能管理使用结果。重要的是双方建立信任,而不是一味追求快速扩张、让所有人都来用。小律所不是不值得服务,只是它们需要什么、愿意为什么付费,和大型律所不一定一样。团队也要确认客户能理解产品的边界,知道如何审核结果。

    Raymond: 我觉得这也回到今天聊的起点。垂类公司能不能长期有价值,不光看模型答得怎么样。它要懂客户在哪工作,知道哪些结果需要审,能不能把文件、流程、权限和评测真正连起来。模型让这些产品更能做事,但最后客户敢不敢把重要工作交给它,还是看整套东西靠不靠谱。

    Joey: 对。让客户看到它不是一个完美的 Harvey,而是一个能持续进步、同时让人理解它怎么工作的 Harvey,这个过程很重要。


    欢迎订阅我的 Substack mossfirepodcast.substack.com

    如果你也在看这个方向,或者不同意上面的判断,欢迎写信到 [email protected]——不想写信也没关系,把邮箱留在下面就行。

    主题 AI 应用大模型组织与用人
    免责声明。本文仅供一般信息与学习交流之用,不构成投资、法律、税务或会计建议,亦不构成出售或邀请购买任何证券或 Mossfire Capital 所管理任何基金权益的要约或劝诱。本公司及其关联方可能持有文中讨论标的的头寸,实际持仓可能与文中观点不同甚至相反,且不披露具体持仓。完整版见信息披露页。