anthropics/claude-for-legal 发布页面

这两年，法律行业谈AI，最容易走向两个极端。

一种说法是：AI很快会替代律师，法律服务会被彻底改写。

另一种说法是：AI会编案例、会出错，所以法律人根本不能用。

这两种判断都太简单。

真正值得关注的，不是AI能不能一夜之间变成“电子律师”，而是它能不能把律师和法务日常工作中那些重复、耗时、文本密集的环节，变得更快、更稳定、更可追踪。

Anthropic 开源的 Claude for Legal，就是一个很典型的例子。

它不是一个单独从零训练出来的“法律大模型”，更不是可以直接替代律师给出最终法律意见的系统。更准确地说，它是一套围绕法律工作场景设计的 Claude 插件、技能、Agent 和数据连接器。

简单理解：通用大模型负责理解、生成、推理；法律专用系统负责把模型放进真实法律工作流里。

这中间的差别，对法律从业者超级重大。

一、法律AI的价值，不是“替你拍板”，而是“替你打底”

法律工作的核心当然是判断。

列如一个条款能不能接受，一个解雇决定是否有合规风险，一个产品功能能不能上线，一个监管变化是否影响公司业务，这些最终都需要法律专业人士负责。

但在作出判断之前，法律人要做大量基础工作：

阅读合同，找出异常条款；

对照公司模板，标出偏离点；

把邮件、附件、会议记录整理成实际时间线；

从尽调资料里提取关键风险；

把监管更新翻译成业务部门能听懂的话；

为客户、管理层或业务团队写第一版说明。

这些工作重大，但并不总是需要律师从零逐字完成。

Claude for Legal 这类系统的意义，恰恰在这里。它可以先帮法律人完成“第一轮处理”：归纳、比对、提取、分类、起草、标注风险，再交给律师审查、修正和作出判断。

这不是降低律师价值，而是把律师从重复性劳动中释放出来，把更多时间留给真正需要专业经验的部分。

Thomson Reuters 在 2025 年发布的 Future of Professionals Report 中提到，法律专业人士预期 AI 每年可释放接近 240 小时工作时间。这个数字不必定适用于每一家机构，但它说明了一个趋势：AI对法律行业的影响，第一不是“替代岗位”，而是重构流程。

二、它和通用大语言模型有什么不同？

许多人会问：既然 ChatGPT、Claude、Gemini 这些通用大模型已经能写合同、总结法规、解释条款，为什么还需要 Claude for Legal 这样的法律专用系统？

关键不在于“它是不是更会聊天”，而在于它是否懂法律工作的边界和流程。

通用大模型像一个能力很强的通用助手。你问什么，它就尽量回答什么。

但法律工作不能只靠“回答得像样”。

法律人真正需要的是：它能不能按我的公司模板审合同？能不能知道哪些条款必须升级审批？能不能区分可接受、需谈判、不可接受？能不能引用来源？能不能接入合同系统、文档库、邮件、法律研究工具？能不能提醒哪些地方必须由律师复核？

这就是专用法律AI和普通聊天机器人的区别。

Claude for Legal 的思路，是把法律实践拆成不同插件，列如商事合同、公司法务、雇佣法、隐私合规、知识产权、诉讼、监管、AI治理、产品法务、法律诊所等。

每个插件不是简单的“提示词模板”，而是围绕具体工作场景设计技能、团队规则、数据连接器和审查边界。

列如商事合同场景，重点不是“写一份美丽合同”，而是按公司的谈判立场审查 NDA、MSA、SaaS 协议，标出赔偿、责任限制、数据处理、终止、付款、管辖等关键条款风险。

隐私合规场景，重点是数据处理协议、个人信息请求、PIA/DPIA、跨境传输和产品隐私评审。

诉讼场景，则更重点关注案件材料整理、时间线、证据摘要、docket 监控、brief 草稿和实际核对。

也就是说，法律专用AI的重点不是“知道更多法律名词”，而是把模型能力嵌入法律工作的真实路径。

三、它和 Claude Code 又有什么不同？

Claude Code 是面向程序员和软件工程团队的 Agent。

它的工作对象是代码库、终端、测试、Git、依赖包和 CI 流程。它可以读项目、改文件、运行命令、修 bug、生成测试、解释架构。

Claude for Legal 面向的则是合同、法规、判例、邮件、尽调资料、诉讼材料、公司政策、业务需求和法律团队 playbook。

两者底层都可以使用大模型能力，但专业化方向完全不同。

Claude Code 的验证方式一般是：代码能不能运行？测试能不能通过？lint 是否报错？改动是否符合项目架构？

Claude for Legal 的验证方式则是：引用是否准确？是否适用当前管辖区？是否符合客户授权？是否触及保密或特权信息？是否需要升级给资深律师？是否只能作为草稿而不能直接发送？

软件工程里，许多问题可以用测试结果快速验证。法律工作里，许多问题没有简单的“通过/失败”按钮。

一个条款不是永远好或坏，它取决于交易地位、行业惯例、客户风险偏好、对价、谈判空间和管辖区。

所以，法律AI不能只追求生成速度，还必须强调来源、边界、审查和责任。

四、法律从业者实际能用在哪些地方？

如果只看技术，法律AI很容易被高估。

如果看具体流程，它反而很实用。

第一，是合同和交易工作。AI可以做合同初筛、条款差异对比、风险分级、摘要生成、谈判清单、标准条款提议。对于公司法务来说，这能减少低风险合同的等待时间，也能让业务部门更快知道问题卡在哪里。

第二，是合规和监管工作。合规人员每天面对大量政策、监管动态、内部制度和业务咨询。AI可以把监管变化整理成影响分析，把复杂要求拆成行动清单，再按不同部门生成不同版本的说明。

第三，是诉讼和争议解决。诉讼律师往往要处理大量实际材料。AI可以协助整理时间线、归纳证据、发现文件之间的矛盾、生成初步问题清单。它不能替律师判断诉讼策略，但可以让律师更快进入关键实际。

第四，是内部法律服务。大型企业法务部门每天会收到大量重复问题：合同能不能签、员工问题怎么处理、数据能不能共享、产品上线要不要评审。专用法律AI可以作为第一层入口，把问题分类、收集必要信息，并把高风险事项转给律师。

第五，是法律援助和法律教育。在法律服务供给不足的场景下，AI可以协助做 intake、材料整理、通俗解释和初稿生成。美国 Legal Services Corporation 曾指出，低收入群体大量民事法律需求没有得到充分协助。AI不能解决所有制度性问题，但可以降低一部分信息整理和初步沟通成本。

这些场景有一个共同点：AI做的是“辅助生产”，不是“最终负责”。

五、为什么不能直接让通用模型给法律意见？

缘由很简单：法律是高风险领域，错误成本太高。

LegalBench 论文强调，法律大模型能力不能靠主观感觉判断，而要拆成具体法律推理任务来评测。

发表在 Journal of Legal Analysis 的研究也指出，公开大语言模型在法律问题上会产生相当比例的错误内容，并且可能无法意识到自己错在哪里。

即使加入法律数据库和检索增强，也不能保证完全可靠。Stanford HAI 等研究对法律研究工具的测试显示，专业法律AI工具的错误率比通用模型有所降低，但依旧会出现不准确、缺失或误导性回答。

这说明一件事：专用法律AI有价值，但不能被神化。

它能减少低级重复劳动，却不能撤销律师审查。

它能提高起草和整理效率，却不能替代职业判断。

它能给出研究起点，却不能保证每一个法律结论自动正确。

美国律师协会在关于生成式AI的伦理意见中也强调，律师使用这类工具时依旧要履行胜任、保密、沟通、费用合理等职业义务。

技术变了，责任没有消失。

结语

未来几年，法律行业最可能发生的变化，不是律师消失，而是律师的工作方式改变。

基础整理、初稿生成、合同初筛、实际归纳、法规摘要、清单制作，这些工作会越来越多地交给AI先处理。

但法律判断、客户沟通、风险取舍、谈判策略、诉讼决策，依旧需要法律专业人士承担。

通用大模型解决的是“我问，它答”。

法律专用AI要解决的是“它能不能在我的法律工作流里，按我的规则、用可靠来源、产出可审查的草稿”。

这才是 Claude for Legal 这类系统最值得关注的地方。

它不是法律行业的终点，而更像是一个开始：把法律服务从个人经验驱动，逐步推向流程化、工具化、可复用的专业生产方式。

参考资料

• Anthropic：Claude for Legal 官方说明与开源项目
• Thomson Reuters：Future of Professionals Report 2025
• LegalBench：A Collaboratively Built Benchmark for Measuring Legal Reasoning in Large Language Models
• Journal of Legal Analysis：Large Legal Fictions
• American Bar Association：Formal Opinion 512 on Generative AI
• Legal Services Corporation：2022 Justice Gap Report