TECHNICAL NOTE / 2026.05

买法律 AI 产品之前，先想清楚你付的是哪部分钱

一份认知更新 · 关于 Harness、复利与 Token 分发渠道

写在前面：过去两年我写过两篇法律 AI 长文，核心叙事是「律所怎么建企业级 AI」。这个前提错了——错的不是 LLMOps 或 Workflow 那些工程细节，错的是位置：我把律所当成了 AI 时代的建设主体，而律所其实是 AI 时代的清算对象。

这一篇，是把以前的话下架，重写一遍我现在看见的东西。文章主要面向不太懂大模型的律师朋友——目标是让你在掏钱买法律 AI 产品之前，先把账算清楚。

NO.01  ·  STANCE

立场 · 错的不是细节，是位置

借用唐杰老师一段我反复回看的话作为开篇：

「领域大模型本质上是应用企业不愿意在 AI 企业面前认输，希望构建领域 know-how 的护城河，不希望 AI 入侵，希望把 AI 驯化为工具。而 AI 的本质是海啸，走到哪里都将一切卷了进去。」

法律行业是一个”不太想认输”的行业。律所、法务、律师都希望保住 know-how 的主权，希望 AI 是手里的锤子，不是头顶的浪头。但海啸不会因为你不想被卷就绕道走。

我以前的三篇文章——《我与法律 AI 的故事以及我对律所企业级 AI 应用的思考》（上 / 中 / 下）——核心叙事都是”教律所怎么建 AI 基础设施”。我现在才看清，这件事的真正主语从来不是律所、不是律师，是 AI 自己。

▸「把 AI 装进律所」 vs 「把律所装进 AI 时代」——是两件完全不同的事。前者是延寿，后者是重构。

▸律所企业级数智化整套方法论——LLMOps / Workflow / 行业数据集 / 律所数据护城河——整体下架。这些工程选择在 2023-2024 是合理的，但 2025-2026 的真问题已经移位了。

▸律师不是 AI 的 gatekeeper，是要从价值回路里被剥离的环节——这件事不一定明天发生，但十年内必然发生。

▸真正能做出好 Harness 产品的，从来不是法律 AI 公司——是会用 Claude Code / Codex 的先锋派律师，和离场景最近、没太多技术认知债的大厂法务部门。

NO.02  ·  STACK

分层 · 你的钱在哪一层落地

大模型时代，所有上层应用的差异化都被压缩在一个薄薄的层里——这个层早期叫 prompt、中期叫 workflow、再叫 agent，现在收敛到一个词：Harness。

▸模型层——基础模型公司战场，下游应用追不上。基础模型平均每 3 个月迭代一代，垂域微调一个版本要三个月——你训完一个，基础模型又卷了一轮。销售讲「我们自研法律大模型」，99% 是包装。

▸应用层（Prompt / RAG / Workflow / MCP）——薄壳。基础模型自己越来越能”读”和”搜”——百万 token 上下文吃掉一半 RAG，Agent 自主多轮检索（Agentic Search）吃掉另一半。Tool Use Agent 让”法律 SaaS 的集成层”变废纸。MCP的出现让”法律工具栈”的护城河消失——工具一旦 MCP 化，谁的 Agent 都能用。

▸Harness 层（Agent 运行时 + 工具编排 + 记忆 + 权限 + Skills）——唯一剩下的差异化窗口。Skills 范式让律师工作流可以一天迭代一版，垂域微调要三个月。但 Harness 的护城河不来自技术——通用 Coding Agent 已经把骨架开源化——而来自交付密度 + 生态厚度 + 订单基本面。

技术演进的真相是这个序列：垂域微调 → RAG → Workflow → Agent → Harness → Skills → 渠道。每往后一步，面向通用模型的下游脚手架越不重要，分发能力越重要。

（一句话：你的钱去哪一层，决定你拿到的是 commodity / 一次性消耗品 / 长期租赁品。）

NO.03  ·  LAW-SYSTEM

法系 · 为什么海外法律 AI 能跑、中国跑不动

2025-2026 基础模型能力提升的核心引擎是 后训练 + rubric + eval + benchmark + RLVR（可验证奖励的强化学习）——给模型喂可验证奖励信号，让它在 RL 循环里持续变强。能不能进入这个循环，决定一个领域被 AI 卷的速度和深度。

法律领域是否有可验证奖励信号？答案因法系而异。

▸普通法（英美法系）：核心是「判例区分 → 类比推理 → 说理写作」——本质是上下文加载 + 复杂推理 + 长文本生成，就是 LLM/Agentic AI 最原生的工作模式。每一份判决都有明确的 holding、dicta、distinguishing facts，可对错、可评测、可对抗。普通法本身就是 AI Native 的法律体系——不是被 AI 卷掉，是原生地被 Harness 接管 + 持续升级。

▸成文法（中国 / 大陆法系）：核心是「找条文 → 对应事实 → 套用规则」——本质是规则匹配 + 三段论推理，恰好是 Coze / Dify / Bisheng 这种工作流平台擅长的事，也恰好是通用 Coding Agent + Tool Use 几年内会全面替代掉的事。成文法 × 法律 AI 这条线，产品保鲜期天然短。

这是一个比”律所没钱、决策慢、合伙制”更底层的解释——海外 Harvey / Legora 能跑、中国法律 AI 跑不动，根本原因不是市场成熟度，是法系本身或者说是业务领域与 AI 范式的契合度。这件事不是更努力、更专业、更懂法律就能解决的——法系和业务领域是结构性变量。

（反向推论：海外法律 AI 公司向中国扩张时，他们最强的「判例推理 / brief writing」能力在中国市场无处发力——Harvey 即使进入中国也跑不出来，必定水土不服。）

NO.04  ·  REALITY

现状 · 头部尾部，两种困境

中国能数得上的法律 AI 公司，今天分两类——

▸头部：基本都在做 Harness 层。但卡在 Harness 之上的东西——交付密度、生态厚度、订单基本面、token 分发渠道——做得出，跑不大。

▸尾部：还在卖应用层薄壳。话术从「自研法律大模型」换到「法律 Agent」再换到「法律 Workflow / 法律 RAG / 私有化部署」——名字在换、底层不变。

头部的困境是结构性的：算电模卡特尔已经成形——人工智能产业链上游（算力 + 电力 + 模型）由少数巨头把持，下游（行业智能体定制业务）成为产业链最下端。Harness 做得再好，没有 token 分发渠道，剩余价值就被 token 吃掉，自己只能给卡特尔最末端打工。幂律智能 8000W 应该是国内法律 AI 单笔融资的天花板——不是公司不行，是赛道天花板低。

尾部的困境是技术性的：被通用 Coding Agent + 开源模型 + Skills 在两年内卷成几个周末的活。

破局只有两条路——要么往上游走（做 token 分发渠道、自己掌握订单和入口），要么换个客户（为 Agent 服务而不是为人服务，把自己变成 Agent 经济里的工具/数据/能力源）。目前没人跑出来。

但还有一条更现实的第三条路：法律服务是基本面、AI 是加成，不是反过来。真正能跑出来的，可能不是纯 AI 公司，而是有法律咨询业务基本面的领域特色团队——IP / 合规 / 跨境投资 / 数据合规 / 税务争议——先用 AI Harness 把自己的产能拉起来，让法律服务本身成为分发渠道。这条路对单家公司不性感（没有”法律 AI 独角兽”的故事），但对整个行业最健康，也是中国成文法语境下唯一不依赖产业资本输血的活法。

给法律 AI 公司一句更直接的战略建议：不要想着挣律师的钱，要想着和律师一起挣客户的钱。挣律师的钱 = 跟律师抢蛋糕，但律师本身已经在被 AI 卷，蛋糕在缩；和律师一起挣客户的钱 = 把律师变成你的渠道节点，用 AI 把法律服务的总产能放大、把单价做下来、把市场做大。前者零和，后者增量——增量才有规模化空间。

至于律所这一端，红圈所的法律服务体系正在被价值重构——这不是数智化能救的。级差盈利模型（合伙人卖资源 + Associate 卖时间）AI 在同时拆这两根柱子。Associate 训练模型在 AI 时代失效——以前用初级律师做检索/起草来训练他们成为合伙人，现在 AI 把这些活做了，新人没机会成长。方达留用、逃离红圈不是周期问题，是结构问题。

NO.05  ·  MONEY

分账 · 三种钱、三种命运

律师付给法律 AI 公司的钱，本质是三部分叠加。

▸信息差税——律师不知道自己其实能做（不知道 Harness 是什么、不知道 Claude Code 已经支持 Kimi / GLM / DeepSeek 国产模型、不知道写 skill 不需要「经验」）。这部分会随认知普及归零。

▸最后一公里费——律师知道但懒得做、时间贵。这部分长期存在，是合理价值。

▸复利让渡费——律师把 know-how 让给厂商沉淀进 SaaS，厂商再卖回给律师。这是隐性成本，绝大多数律师没意识到。

三种钱里，只有第二种是合理的。第一种会被认知拉平、第三种是被吸血。

「找律师共建产品」这种话术，是把第三种钱推到极致——律师不收钱，反过来还要把 know-how 倒贴进去。问题不在意图——Harness 兴起不久，大家都没经验，法律 AI 公司也是在项目里同步积累。问题在结构：律师贡献的 know-how 只要进了厂商的 SaaS，复利的归属就反转了，意图善良也无法改变这一点。

一个标志性案例：最近 Anthropic Claude for Word 产品负责人在公开 workshop 上说：”我做了这个 plugin，但说来奇怪，我一直告诉大家——不要开箱即用。” 这句话的真实含义是 Anthropic 的产品哲学：Harness 主权交给用户，律师自己写 skill 沉淀复利——这是 2026 年最诚实的产品立场。但国内一些法律 AI 公司把它演绎成 Anthropic”产品成熟度不够、需要客户自己组装”的劣势，反向衬托自己”开箱即用”的优势。这是教科书级的叙事偷换——把对方的”赋权用户”包装成”产品没做好”，本质是把”复利让渡”包装成”省时间”卖给律师。

NO.06  ·  SHAPE

形态 · AI Native 在两端，不在中间

如果你是律师、在思考自己未来在什么组织形态里更安全——结论很清晰：

▸真正 AI-Native 的法律组织在两端：一端是 大厂法务原生（in-house from day one with AI），一端是 个人 / OPC 律所（一人律所，AI 是手脚）。

▸中间形态的合伙制律所最尴尬——被两头夹击。一体化律所的”一体化”在 AI 时代是反向加分项——一体化要求标准化流程，标准化流程最容易被 agent 取代；松散合伙制反而保留了非标 know-how 的残值。

▸大厂法务的杠杆：从流程入手而不是从工具入手——AI Native 是把每一条业务流从第一天就用 agent 重新设计。

▸OPC 律所的杠杆：vibe lawyering——用自然语言驱动 agent 完成法律工作，一个人 + 一套 Harness 顶过去一个团队。

如果你是合伙人、想保住级差套利——很难，AI 让中间层透明化，这件事没法逆转。如果你是 Associate、还在按传统晋升路径走——结构上就是反 AI 的：你被训练的那些活 AI 都做了，没机会成长，三年后议价权归零。

最理性的选择从来不是”在律所内部努力学 AI”，而是站位——往大厂法务迁，或往 OPC 走。

NO.07  ·  SELECTION

选型 · 采购前的四个问题

如果你最后还是决定要付费给法律 AI 公司——做不做都行，但买之前请把这四个问题问清楚——

▸有没有工程团队？ 没工程团队 = 律师班底 + 外包 = 迭代慢、技术债重；有工程团队 = 能跟着基础模型迭代节奏走。

▸Harness 能不能导出？ 你在产品里沉淀的「风险偏好 / 审查习惯 / 项目记忆」能不能导成结构化数据带走？不能导 = 你被 lock-in，复利全归厂商；能导 = 你和厂商是合作关系不是依附关系。

▸是不是 token 分发渠道？ 是渠道生意 = 长期有戏；只是 SaaS 订阅 = 大概率被通用栈卷掉。

▸你付的是哪部分钱？ 信息差税（学一周 Claude Code 这部分钱省了）/ 最后一公里费（合理付，但要砍价）/ 复利让渡费（必须警惕）。

（再追加一个问题：「你这产品，半年后还在吗？为什么？」答得清楚的是 Harness 层产品；答不清楚的，别买。）

业界还缺两个东西，顺便提一下——

▸缺一把尺子：衡量法律 AI 真实”问题解决能力”的实务基准。LegalBench、LawBench 和中国法学院期末考卷暴露的问题一样——只考书本教义、不考问题解决（Problem Solving）。律师的核心能力从来是解决问题的能力，不是背书。即使是阿里的 PLawBench、字节和 Talents AI 的 Bench，也没有真正深入到法律业务领域里面。没有 Problem Solving 类基准，后训练 + RL 循环就没办法在法律领域真正建起来。

▸缺一套培训：法律领域的 Harness 方法论培训。不是提示词班（那是 2023 的事），不是应用场景走马观花（那是 2024 的事），而是认识世界、改造世界的方法论——让律师能认知到自己的 Harness 应该怎么用 AI 来构造，形成自己的复利而不是厂商的复利。

NO.08  ·  COMPOUNDING

复利 · 你押注的是产品，还是自己

「复利归属」是 AI 时代律师的根本财务问题——

▸每一次你选择「开箱即用」的厂商产品，复利就归厂商一次。

▸每一次你选择「自己写 skill」（哪怕只是花一周学一个 Coding Agent），复利就归你一次。

▸十年累积下来，两种选择会把同样起点的两个律师拉到完全不同的位置。

Claude Code 现在原生支持 Kimi 2.6 / GLM 5.1 / DeepSeek V4——不需要海外支付、不需要数据出境、不需要 Anthropic API。中国律师可以在合规前提下直接拥有”最强 Coding Agent + 国产强模型”的组合。“国内律师用不了 Claude” 这个借口在 2026 年已经死了。

价值交换的本质是清晰的：用钱买时间 + 让渡 know-how 复利 vs 用时间换钱 + 复利留在自己手里。这是市场决策，不是道德问题——但律师必须知道两个选项都存在，而不是只看见付费选项。

法律 AI 真正决定胜负的不是产品，是复利往哪流。

NO.09  ·  PEOPLE

人 · 比技术复利更根本的复利

但还有比技术复利更根本的复利——人际复利。

我的老师、美国联邦最高法院大法官 Amy Coney Barrett 在课堂上反复对我们说一句话：“Lawyers work with people.” 律师的工作本质是和人协作——客户的信任、对手的博弈、法官的说服、团队的承担。作为人的能力，是 AI 替代不了的，也是律师最难培养、最值得花时间培养的能力。

技术 Harness 是杠杆，people skills 才是支点。Harness 让一个人顶过去一个团队，但 people skills 决定你能不能拿到值得用 Harness 放大的那个项目、那个客户、那段关系。

所以这篇文章的真正结尾是——别只学 AI，别忘了人。Harness 给你 leverage，people skills 给你 access。两个加在一起，才叫 AI 时代的律师。

—— 作者

Tracy · 王吴越

数据基础设施 · 开源布道

TECHNICAL NOTE · NO.01 / 2026.05