LEGAL · YUANLI · OBSERVATION

Know-how 与 Know-what

通用智能体在法律领域的最后一公里

最近有一种声音——

"通用 AI 都已经这么强了，法律科技独立存在的价值何在呢？"

这，是个真问题。

通用大模型每个月都在变强，通用智能体框架几乎一周一变，法律人今天已经可以像订阅WPS会员一样订阅 Claude / Codex / DeepSeek。在这种背景下，法律科技行业的价值还能落在哪里，已经是个问题，而且已经开始被一些非常有洞见的伙伴质疑）。

我们当然无法掌握全部真相，但也沉淀了一些自己的理解和判断，这篇文章就是这部分理解的流淌。

我们眼中：法律AI的三层结构 · 五个组件

法律 AI 价值的三层结构

THREE LAYERS · FIVE COMPONENTS

— 法律行业的最后一公里 —

▲ 法律行业押注的位置 · 通用平台主战场 ▼

图 · 法律元力对法律 AI 价值结构的拆解

思考法律场景下 AI 的价值创造，离不开各个价值环节的解耦和重新审视。我们的拆解是这么进行的：首先是行业不能错过的时代红利——

最底层：模型层。也就是基础大模型——GPT、Claude、Gemini、DeepSeek、Kimi、GLM、豆包等等。它们的能力上限决定了在其上建设的所有应用的天花板，战场在 OpenAI、Anthropic、DeepSeek、Kimi 这一级的玩家之间。垂域微调"行业大模型"已经不是主流路线，或许在未来某天模型能力增速收敛，垂域精调会重新显出价值，但当下追赶已不合理。

第二层：智能体框架层（Harness）。Claude Code、OpenClaw、爱马仕，包括本微推介的 MyAgents 都在这一层。这是“模型能力”被组装成“使用工具的行动主体”的地方——记忆、工具调用、权限管理、多轮编排。同样，这一层迭代极快，通用平台天然占优，因为它们直接咬住模型迭代的节奏，适用更加广泛的市场和场景。法律行业去自研一个领域专用框架，也有很大挑战。

这两层的胜负手不在行业自己手里，应顺势而为。

下面这一大层，我们统称为"最后一公里"，三个方向的组件，决定了AI 智能体在法律行业落地的真实效果。

第一个方向：能力的最后一公里。Skill、API、知识库、各类插件和连接器，这一层是法律行业的 know-how 技能 与 know-what 数据 真正能沉淀的地方，是我们押注的核心，后面会展开讲。

第二个方向：交互的最后一公里。通用智能体的对话界面对法律人并不友好，从代码生成场景走来的命令行是多少人的劝退曲。这一层，值得把智能体能力包装进法律人熟悉的产品形态——可见，可查，可交互编辑，可标注，可导出等等，让“人在回路”更加优雅丝滑。

第三个方向：合规安全的最后一公里。通用 AI 越强，法律行业对"安全可控"的要求越高。隐私脱敏、幻觉核查、私有部署、数据合规，这些是法律行业格外重视的要求。

通用 AI 能力跑得越快，后面这三段"最后一公里"的价值就越凸显。

能力的最后一公里：技能 与 数据

我们把通用智能体在法律场景里缺的能力，拆成两类：技能 know-how 与 数据 know-what。

Know-how 是"操作性知识"——把法律工作中那些有专业经验沉淀的流程，封装成 AI 可以执行的单元。比如怎么做一份并购尽调清单、怎么写一份合规风险评估、怎么从一份合同里识别条款偏离与谈判空间。这些经验本来在法律人脑子里，也在法律人的工作模板里，但在 AI 世界里需要被重新封装成新时代的数字资产——技能 Skill。

法律元力站的技能库就是为这件事而存在的。我们希望它发展演化成法律行业 know-how 的存放与流通处——法律人把自己的经验封装成 Skill 上架，别的律师、法务、客户、甚至通用智能体 Agent 都能调用。

Know-what 是"事实性知识"——是事实层面的数据支撑：法条原文、司法解释、有效案例、监管处罚、裁判规则。通用大模型在这一层至今表现不可靠，不是它们不努力，是因为模型的随机性天然带有幻觉风险，而通用搜索接口又无法有效识别法规和案例的效力与真假。所以这一段必须由专门的数据 API 来供给。

元典开放平台上的法规 API、案例 API 和企业数据 API 等基础数据接口，都是为了补齐这块短板。我们也依然在努力引入更多的供应商和伙伴，未来包括论文、专利等专业数据，都能为法律场景下AI落地，补齐 know-what 这一公里。

当然用户在本地搭建的知识库系统--LLM-wiki 也是非常重要的数据部分，这个值得另篇详述在此就不展开了。

这一层代表了我们对于法律科技行业核心价值沉淀的判断：通用智能体能调度全世界的工具，但到了法律领域时，"怎么做"和"是什么"这两道题，需要法律行业自己给出更加可信的答案。

交互的最后一公里：让人在回路更加优雅

光有能力不够，还要让法律人在特定场景下用得舒服。

比如元典 Amicus 个性化的产品化前端——工作空间，让合同审查、文书编辑、案情分析这些高频任务，能够在法律人更加习惯的交互场景下，实现人在回路、人来判断，引入 AI 的同时，让人的参与更加友好和高效。

而且我们在 Amicus 搭建之初就有一个共识：能力层和交互层解耦。也就是说，模型能力和通用智能体平台、Skill 的高速演进，都能无损接入到现有 Amicus 的交互界面之下，使其更加强大。

合规安全的最后一公里：法律人的隐性刚需

这一层是法律行业特有的要求，也是不少法律人拒绝上车的借口，但如果 AI 真的想落地，就必须直面它。

通用 AI 越强，法律工作中"什么数据能进 AI、什么不能"的问题就越尖锐。客户名字、案件细节、监管沟通过程，这些信息一旦无意识地交给通用模型，风险无法回收。

近期大家看到这个方向的呈现：

这一层的逻辑是：通用 AI 的能力可以是普世的，但法律行业对它的"用法"必须是遵循规范的。我们做的事，是把这层"用 AI 的规范"产品化、平台化。

尚未迎来的价值捕获和合理的想象

价值链破坏性重组的过程里，总有难题等着着创新者解决

Skill 技能的商业价值捕获应该怎么实现？

Skill 这种形态——把法律 know-how 封装成可调用单元——在认知层面是清晰的，在使用层面也是流畅的。但在权限层面，它太"开源"了。

感谢现在法律元力平台上的作者们的慷慨授权，法律人们都可以免费下载和使用他们的作品。我们持续推广和宣传法律元力平台上的 skill，有很大一部分目的是希望更多流量导入给各位作者。

一个足够合理但尚未落地的想象

有观点认为未来信息差会抹平，但我们没有那么乐观。也许即使到了终局，依然有行业伙伴和客户，无法流畅顺利地自己操作和使用 Claude Code，但这不应该成为他们不能受益于AI智能体红利的理由。

部分 Skill 也许可以演化成一种更高密度的形态——把 AI 调用的复杂性藏起来，化身成一个可调用的接口上线平台，让用户像调用一个行业赋能后的大模型接口一样直接调用它。再往前一步，Skill + AI 框架 + 模型能力也许能整体打包成一个 "数字员工"——不是一个工具，而是一个可被雇佣、有明确职责、能独立完成一类法律工作的"数字工作单元"，进一步在交互侧直接入驻大家的 OA 终端。

这现在还不是现实，但是一个足够合理的，可以推演到并且距离不远的未来想象。

对于法律人

通用 AI 的洪水正在到来，我们看得真真切切，也为之兴奋激动。

洪水冲不走法律行业自己的最后一公里——know-how 怎么沉淀、know-what 怎么供给、交互怎么让法律人用得顺、合规怎么守住底线。这些"最后一公里"，是法律人要让 AI 真正发挥作用，必须补齐的短板。

法律科技行业能不能在 AI 时代有自己的位置，不取决于是否做出一个超过 GPT-5.5 的"法律大模型"，也不期待行业造出一个超过 Claude Code 的"法律 Agent"。我们相信的，是深耕法律行业的 技能 与 数据。当我们把法律的“最后一公里”打包成可以被任何通用智能体调用的能力，让通用 AI 接到法律场景的瞬间，就为之注入真正的——

法律元力 · 法律人的智能体加速器

yuanli.ailaw.cn