Show notes
节目简介
“我们永远都是能够做一个在法律中去做一些决策权……甚至能提供 intelligence level,能够提供在法律中做决策一些 taste。”
“很多东西模型公司没有办法去解决,甚至 lab 要去做,他也没有办法替我们说这个模型会在法律更好。”
“当你一个 agent 就能看到 30 个文件和看到 3000 个文件的时候,你不管什么样的模型,看到 3000 个文件的 agent 都会有更好的收获。”
“模型是验证你这个公司能不能作为上市公司、能不能有很好的 profit margin 而做的一个事情。”
主持:Raymond - 科技投资人,苔藓之火主播
小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |公众号:苔藓之火
本期文字版:中文全文 | English version
嘉宾:Joey Wang - Harvey Linkedin, Prev. Figma, Uber, Google
Show Notes
00:12开场:Harvey 估值 155 亿美元、3500 客户、85 国;垂类护城河之问
01:06Joy 背景:Harvey agents/云端 H 平台 Spectre,前 Figma、Uber
02:40为什么 2023 年加入 Harvey:GPT 早期体验、PHD recruiter、conviction
05:18大厂 vs 创业公司:审批与部门拉扯 vs 快速 build/ship
07:32Harvey 产品形态:嵌入律师工作流、connector、邮件文档、redline
12:09Redline 与 track changes:谁改的、为什么改、可追溯;律师工作变小
15:19公司名 Harvey vs Mike:提供决策 taste,不只是繁琐工作
18:24大模型迭代是否取代垂类功能:workflow builder → agent builder
22:35何时决定做模型:客户理解、benchmark、synthetic data、post-train 商业化
27:29Taste:法律要长篇大论、每句有索引,不是简短就好
28:14模型选择:Kimi/GLM/千问/DeepSeek,按场景 post-train,orchestrator 调度
33:33Tana/Tenant:内部旗舰训练方向,用 Kimi K3 训 1.0,方法可迁移
38:50Benchmark 难点:法律难对齐、分层任务、playbook、内部法律团队、专家 taste
45:18垂类训模型人才与坑:早期瓶颈是产品;开源最好模型是下限;失败是常态
52:25工程优化立竿见影:搜索 2 秒→200ms,30→3000 文件;Spectre 与安全信任
核心观点总结
1. Harvey 是法律垂类 AI 应用,但它的护城河不只是“套壳”
Harvey 估值 155 亿美元,3500 客户、覆盖 85 国,美国前 100 律所约 80% 在用。它的核心不是做一个聊天框让律师来用,而是嵌入律师原本的工作方式:Word、Excel、Outlook、文档系统、邮件、合同审查,通过 connector 连接数据,输出可追溯的 redline。
2. 垂类应用的关键是“meet with customer”,不是把用户拉到新平台
律师真正的工作发生在 Word、Excel、Outlook 和大量文档里。Harvey 的产品形态要映射律师已有的工作流,而不是要求他们重新学一套平台。最终交付物仍然是 Word 文档,但带有 redline、修改解释、来源追溯。
3. Redline 和 track changes 是法律场景的关键产品设计
普通 GPT 可能直接改文档,律师还得“大家来找茬”;Harvey 输出 redline,标明谁改的、为什么改、是 Harvey 改的还是对方律师改的,律师只需 check/accept,工作变小而不是变大。
4. Harvey 与模型的关系是相辅相成,不是简单调用 API
早期用 GPT-3.5/4 做法律 demo,OpenAI 是投资人,双方有 pretrain 合作。Harvey 很早就是 legal model research company,只是今年才到可商业化阶段:客户足够多、benchmark 和 synthetic data 能力成熟,后训练变得更可行。
5. 模型策略:不做大而全,做小而美、场景专用,用 orchestrator 调度
Harvey 会公开试用 Kimi、GLM、千问、DeepSeek 等开源模型,按场景做 post-train;不同模型在不同任务上有差异,最后用强模型做 orchestrator/delegation,像“图书馆前台帮你找对应的书”。
6. 后训练的核心不是堆 research 人力,而是 benchmark 和 taste
法律 benchmark 很难对齐,需要分层任务、playbook、yes/no 评测、内部法律团队和领域专家 taste。Harvey 的 benchmark 要不断接近用户真实场景,甚至预测用户未来会用的场景。数据规模化可与 Surge 等合作,但前期方向和质量判断留在内部。
7. 垂类公司训模型最大的坑:开源最好模型只是下限
如果开源最好模型在法律上已经能打 OpenAI/Anthropic,后训练必须比它更好才有意义。失败是常态,只是早期失败不会写进 blog。模型训练是长期学习过程,工程优化往往更立竿见影。
8. 工程 harness 的价值被低估:搜索从 2 秒到 200 毫秒,效果天差地别
document search 从 2 秒降到 200 毫秒,agent 一分钟内能从搜 30 个文件变成 300 个;从串行到并行,再从 300 到 3000 个文件。模型不变,agent 能看到 3000 个文件,效果也会更好。
9. 人才结构反直觉:早期瓶颈是产品,不是 research
Harvey 早期都是 researcher,但真正缺的是 PM、designer、产品 spec。做模型不一定需要大量 research 人力,更需要懂法律、能跟专家提炼 taste 的人;律师自己也能用 coding agent 写 benchmark/evaluation engine。
10. Spector:云端 sandbox agent,解决多人协作与可验证性
Joy 做的内部产品 Spector,把 coding agent 放进沙盒,在 Slack 里多人可 tag、共享 runtime/context/trace。解决的是五个人各自跑 agent、结果不可验证的问题。落地难点不是实现,而是权限、安全边界、信任:谁能让 agent 看什么、能不能 bypass 代码 review 规则。
11. 小律所市场:Harvey 偏 SLG,不急于 PLG
法律后果比代码严重,self-serve 容易让用户误以为 Harvey 对结果负责。Harvey 更愿意找 design partner、有供应商制度、能管好结果的客户,而不是急速扩张让所有人用。
Listeners say
小宇宙热评
-
2
清风不识字本人 TOP 1
· 上海
这么干货怎么评论这么少?
-
20xRaymond TOP 2
· 中国香港
除了法律,你觉得还有啥行业适合自己训模型吗?
-
0
张占辉 TOP 3
· 北京
这个是不是 skill ?
-
0milanow
· 上海
AIE在应用场的讲座也是joey讲的么 有点不记得了 就是在harvey做coding posttrain的那个