Legora的智能体进化：从法律问答工具到法律工作操作系统
要点
法律AI最容易翻车的地方，不是文笔，而是引用：编造判例、引用已被推翻的旧法、找到主规则却漏掉例外。瑞典法律AI公司Legora把这件事拆成两道工程题——先把法律数据拿全，再让智能体知道这些数据之间怎么连接。 从"问答"到"干活" Legora成立于2023年，平台于2024年1…
法律AI最容易翻车的地方，不是文笔，而是引用：编造判例、引用已被推翻的旧法、找到主规则却漏掉例外。瑞典法律AI公司Legora把这件事拆成两道工程题——先把法律数据拿全，再让智能体知道这些数据之间怎么连接。
从”问答”到”干活”
Legora成立于2023年，平台于2024年10月上线。最初的产品形态接近问答：律师提问，系统检索法条与判例，返回带出处的答案。此后能力边界持续外扩，智能体开始能起草文件、审阅合同、批量提取协议条款，并承担尽职调查一类的多步骤任务。
2026年，Legora把产品重新组织为一套”智能体操作系统”（Legora aOS），把研究、审阅、起草放进同一工作流。其新推出的Intake功能，把企业法务收到的零散请求转成可跟踪的任务：员工在Slack中提出需求，智能体读取请求、追问缺失信息，再按团队自己的Skills与playbook准备初稿，由律师复核后返回。
这套设计的关键取舍是权限与责任：常规事项可预设为智能体全程完成，其余默认每一份产出都经律师复核。
引用准确率背后的三件事
第一是数据。Legora称，美国判例属于公共资产，但出版商并不出售可供引用的数字版本，公司直接从法院网站收集判决书，并在约一周内取得纸质卷册，去除出版商添加的headnote与注释后自行扫描；为保证准确，每一页、每一个词由三个人分别核对，数据准确率做到99.997%。
第二是结构。仅靠关键词与语义检索，模型容易拿到”看起来相关”的判例，却不知道它后来被推翻、限缩还是被例外覆盖。Legora构建了一套专有本体（ontology），把法条中的定义与被解释它的判例相连，把被推翻的判例与推翻它的判决相连，把规则与例外相连，并按约束力标注权威层级。公司称，这套结构化映射让智能体的研究速度快了40%。相关技术来自其2026年4月收购的Qura。
第三是评测。Legora每季度发布智能体推理基准BAR，用同一套真实法律任务、在客户日常使用的同一环境中横向测试各家模型。2026年9月更新显示，15个模型的最高与最低分相差17%，在”带引用的回答”一项上表现最好的是Opus 5（1.05倍于均值）。公司强调，模型并非发布即全面变好，部分版本会在某些任务上进步、在另一些任务上退步，因此按执业领域细分追踪是必要动作。
商业面上的坐标
2026年10月21日，Legora宣布完成5.5亿美元E轮融资，由Atreides Management领投，投后估值88亿美元，较上一轮56亿美元明显抬升。公司称年度经常性收入已超过2亿美元，从100万美元增至1亿美元用时不到18个月，第二个1亿美元用时不到6个月；目前拥有超过1000名员工、18个办公地点，服务80多个市场逾14万名法律从业者、2400多家律所与企业法务团队。企业法务在一年前只占客户群的很小一部分，到第三季度已占新增客户的40%以上，美国成为其收入最大市场。
一条可核验的进化线索是：法律AI的竞争点正从”模型多聪明”，转向”数据是否完整、引用是否可回溯、评测是否可复现”。对使用者而言，这意味着判断一套法律智能体的标准，不是它能写多长，而是每一条结论能否点到原文那一段。
