夜雨聆风2026年5月20日，一个叫 Lavern 的项目在 GitHub 上正式开源。155000行代码，67个AI Agent，Apache 2.0协议——任何人可以免费使用、修改、商用。
这不是一个法律AI工具。这是一整个律所。
一个"差生"的执念
创始人 Antti Innanen 自嘲是"成绩很差的法学院学生"。他没走传统律师路线，而是在芬兰创办了 Dot. Legal Design——把服务设计思维引入法律领域。他联合发起的 Legal Design Summit，如今是全球最大的法律设计活动。
他还有一个身份：巴西柔术黑带，在西班牙开柔术馆。
这个横跨法律、设计、格斗三界的人，从 GPT-2 时代就开始探索法律语言生成。他的信条是："除非你自己构建，否则你不会真正理解。"
于是他造了 Lavern。
核心突破：类比方式的跃迁
大多数法律AI产品的类比是"AI是初级律师"或"AI是律师的工具"。
Lavern 换了一个类比：如果整个律所的员工都是AI Agent会怎样？
这个类比看似只是换个说法，实际上打开了完全不同的设计空间。传统的"AI辅助律师"模型，本质上是半人马模式——人和AI协作，人做决策。Lavern 选择了更激进的方向：多Agent团队自主协作，系统自行完成从接收任务到交付审计包的全流程。
这不是辅助驾驶。这是自动驾驶。
它怎么工作？
Lavern 的工作流像一个真实律所的项目运作：
第一步：Briefing（结构化访谈）。一个"合伙人Agent"通过LLM驱动的访谈，收集案件背景、管辖区、商业意图、风险偏好、交易规模。创始人反复强调：法律分析的质量取决于上下文丰富度，而非模型大小。价值在输入端。
第二步：Strategy。根据Briefing结果，选择工作流模板和强度。9个模板，从单Agent快速咨询到全专家团队对抗审查，覆盖不同深度需求。
第三步：Team。选择Agent团队。
第四步：Working。Agent团队实时辩论、交叉验证。
第五步：Delivery。输出交付物 + 审计包。
整个流程中，最精妙的设计是三层验证管线。
三层验证：工程含量最高的设计
第一层，Evaluator Gate——过滤弱发现，丢弃缺乏证据支持的结论。
第二层，Adversarial Debate——红队/蓝队对抗。Agent必须引用文档原文才能发表发现，质疑者同样必须引用。无引用的发现直接排除。
第三层，10轮验证管线——从上下文、用户体验、清晰度、结构、准确性、完整性、风险、格式、法律设计到交付，每层独立失败即阻止。外加一个Grounding Verifier，用字符串匹配验证每条引用。
对抗性思考是法律分析的核心特征。"如果对手看到这个条款会怎么利用？"——这种多视角强制减少盲点，比单模型反复提示有效得多。
Clawern：一个不会下班的律师
Lavern 还有一个自主模式叫 Clawern。它监控指定文件夹，每30分钟自动处理新文档。全程本地模型运行，数据不出机器。积累跨审查的先例板，支持周报摘要和多客户隔离。
"本地优先"架构在数据隐私要求越来越高的环境下尤其值得关注。完全本地运行的设计天然规避了数据出境风险。
Agent Builder：编码你的经验
NBA 2K风格的Agent构建器。三步向导：Identity（身份）→ Face（外观）→ Stats（技能属性）。可自定义8个维度的技能评分。
这触及了一个更深层的问题：经验如何从人的大脑迁移到系统？传统律所的知识管理靠师徒制、靠文档模板库。Agent Builder 提供了一种新可能——把资深律师的判断偏好、审查习惯、风险直觉编码为永久"团队成员"。
AI律所赛道全景：Lavern站在哪里？
Lavern 不是孤例。2026年，AI律所赛道已经形成了清晰的分层格局。
与 AI Native 律所的对比
Crosby 是目前最成功的 AI Native 律所——注意，它是一家真正的律所（Crosby Legal PLLC），不是软件公司。2025年1月成立，一年内完成三轮融资共$86M，Sequoia 和 Index Ventures 领投。它的模式是"AI Agent 做初稿审查 + 执业律师复核"，中位审查时间58分钟，专攻B2B商业合同。Crosby 是有人类律师坐镇的混合模式。
Mike 是 2026年4月出现的开源法律AI，由前 Latham & Watkins 律师 Will Chen 一个人开发。发布72小时内 GitHub 1000+ stars，热度惊人。但 Mike 本质上是一个工具分发器——9个工具围绕单个LLM做 function calling，没有多Agent协作，没有对抗验证。
Suzie Law 是 2026年5月7日上线的另一个开源项目，10+人团队，采用分层模块化架构（25个Team Suzie包 + 法律应用层）。值得关注的是它默认使用阿里通义千问模型，设计时考虑了非英语市场——这在开源法律AI中相当罕见。
Lavern 与它们的本质区别在于：Crosby 依赖人类律师做最终决策；Mike 和 Suzie Law 都是单Agent或简单工具链模式。只有 Lavern 实现了完整的多Agent辩论架构和三层验证管线。这是一个架构层面的差异，不是功能数量的问题。
与 SaaS 类法律AI的竞争
Harvey 是法律AI赛道融资最多的玩家（$200M+），服务 A&O Shearman 等顶级大所，定位是"法律专业AI平台"。30+ Practice Area 覆盖，企业级安全合规，闭源高价SaaS。Harvey 的策略是自上而下——先拿下顶级大所，建立行业标准。
Legora 定位"Agentic OS for Legal"，也是闭源SaaS，面向中大型律所。它的Agent系统正在发布中，但目前已有的产品主要是单Agent工作流。
Lavern 与 Harvey/Legora 的关系不是正面竞争。Harvey 卖的是企业级服务，价格高、部署重、需要销售团队。Lavern 是开源免费的灵感来源，面向个人开发者和小团队。
但 Lavern 的存在对 Harvey 们构成了一个战略性威胁：它证明了67个Agent + 三层验证的架构可以被一个人在几个月内构建出来。当生产成本崩塌，闭源高价产品的护城河会越来越浅。
开源浪潮
2026年法律AI的开源运动正在加速。Mike（4月）、Lavern（5月）、Suzie Law（5月），三个月内三个重量级开源项目。创始人说："Linux came from Finland. Lavern is following in the same footsteps."
法律AI的基础设施层正在快速商品化。差异化正在从"谁的模型更强"转向"谁更懂法律工作本身"。
它的问题
创始人很诚实。他承认"多Agent是否真的比单LLM更好"仍属假设。67个Agent跑在同一个LLM上，Agent之间的沟通问题是最主要的工程难题。项目明确表示是"灵感来源"，不是成品。
但这些局限不妨碍它的价值。它提供了一个完整的、可审计的、可定制的参考架构。对于任何想要构建法律AI系统的人来说，这是一份155000行的开源教科书。
真正的启示
第一，反馈循环比模型大小重要。 三层验证 × 多Agent复合放大，小LLM改进有乘数效应。
第二，编排是杠杆所在。 如何选择、组合、引导Agent才是差异化，不是Agent本身。同样的LLM，不同的编排逻辑，产出截然不同的结果。
第三，价值在两端。 输入端（Briefing）和输出端（交付物），中间的推理是越来越标准化的商品。
法律AI的赛道正在从"谁的模型更强"转向"谁的系统更懂法律工作"。Lavern 的开源，加速了这个转折。
GitHub:github.com/AnttiHero/lavern 官网: lavern.ai
