Harvey融资5亿美元，我开源了一个平替法律AI

当法律AI成为资本宠儿

法律科技赛道最近出现了一个标志性事件：Harvey 宣布完成 5 亿美元融资。这笔资金规模在法律 AI 领域相当罕见，也让外界再次把目光投向「AI + 法律」这个长期被认为壁垒高、落地慢的方向。

在 Hacker News 上，一位开发者用另一种方式回应了这条新闻——他写道：「Harvey raised 500M for legal AI, I built the same and open sourced it.」没有融资发布会，没有商业计划书，只有一份可运行的代码和开源仓库。

这条帖子本身只有 22 个点赞和 1 条评论，讨论热度远不及融资新闻，但它抛出了一个值得认真对待的问题：当头部公司拿走巨额资本时，一个人或小团队能在多大程度上复现同类能力？开源路线在这个高度敏感的行业里，究竟意味着什么？

开源复现的边界在哪里

「Built the same」这句话需要拆开看。法律 AI 产品通常包含三层能力：文档检索与问答、合同条款抽取与比对、以及基于案例和法规的推理生成。前两层在开源模型和向量数据库成熟之后，复现门槛已经明显下降；第三层涉及数据质量、评测体系和领域微调，才是真正的分水岭。

从公开信息看，这类开源项目普遍采用「大模型 API + 检索增强」的架构，把法律文档切片入库，再通过提示词约束输出格式。它能做到的是让律师或法务人员用自然语言快速定位条款、生成初稿、做一致性检查，而不是替代专业判断。

换句话说，开源复现的是工作流，不是护城河。Harvey 拿到的 5 亿美元，很大一部分会流向数据授权、合规审查、客户交付和销售网络——这些恰恰是开源项目最难覆盖的部分。开发者的价值不在于证明「我也能做」，而在于证明「这条路可以被验证」。

检索增强生成（RAG） 是这类开源法律 AI 项目普遍采用的架构基础。其核心思路是：不把法律知识直接「训练」进模型参数，而是在用户提问时，先从外部文档库中检索出相关片段，再把这些片段作为上下文交给大模型生成答案。对法律场景而言，RAG 的意义在于可溯源——模型引用的每一条依据都能回溯到具体法条或合同原文，便于人工核验。相比微调，RAG 部署成本低、知识更新快，法规修订后只需替换文档库，无需重新训练模型。但其上限取决于检索质量：切片策略、嵌入模型选择、召回与重排环节都会显著影响最终准确性，这也是开源项目与商业产品拉开差距的工程细节之一。

法律行业的信任成本被低估了

法律 AI 与通用聊天机器人最大的区别，是错误代价极高。一份合同里漏掉一个责任限制条款，可能导致数百万的损失；一次引用了不存在的判例，会直接损害执业信誉。这让法律行业对 AI 的采用天然保守。

开源在这里呈现出两面性。

一面是透明性优势：代码和提示词可审计，律所可以自行部署、自行验证，不必把敏感卷宗交给第三方 SaaS。对于数据合规要求严格的机构，这是决定性因素。

另一面是责任真空：开源项目没有服务等级协议，没有专业 indemnity，出问题时没人兜底。Harvey 这类公司卖的从来不只是模型能力，还有「出了事有人负责」的确定性。这一点在评论区几乎无人讨论，却是商业化的核心。

据 Hacker News 帖子本身的信息，作者并未展开技术细节或部署案例，因此无法判断其完成度和可用性。这既是单一来源的局限，也是开源展示常见的短板——demo 与生产之间隔着大量工程与合规工作。

责任兜底（indemnity） 在企业级软件采购中是常被忽视却至关重要的条款。它指服务商承诺：若因产品缺陷导致客户遭受损失或第三方索赔，由服务商承担相应赔偿责任。法律 AI 一旦输出错误条款或虚构判例，客户可能面临诉讼或执业处罚，因此大型律所在采购时往往要求供应商提供明确的 indemnity 与责任上限。这类承诺需要保险、法务团队和合同体系支撑，本质上是把技术风险转化为可定价的商业风险。开源项目以 MIT 或 Apache 等许可证发布，通常附带「按现状提供、不承担任何责任」的免责声明，天然无法提供此类保障，这正是它在企业市场难以直接替代商业产品的结构性原因。

资本与开源的错位竞争

把两件事放在一起看，会发现它们其实不在同一个战场上竞争。

Harvey 的 5 亿美元指向的是企业级市场：大型律所、跨国公司、金融机构的法务部门。这个市场的采购周期长、决策链复杂，需要销售团队、客户成功团队和合规认证。资本的作用是加速占领这些席位。

开源项目指向的是另一群人：独立执业律师、中小型法务团队、法律科技创业者，以及想研究法律 AI 实现路径的开发者。他们需要的是可定制、可私有化、成本可控的工具，而不是一套按席位收费的企业软件。

两条路线长期会共存。开源项目在验证需求和培养生态，商业公司在收割付费意愿最强的客户。真正值得关注的是，当开源方案足够成熟时，企业级产品的定价逻辑会不会被重新定义——这在数据库、机器学习框架等领域已经发生过。

按席位收费（per-seat pricing） 是企业级 SaaS 最主流的定价模式，即按使用人数或账号数量计费。法律 AI 产品采用这一模式，是因为其价值与律师人数、使用频次直接相关，同时便于采购预算核算。但这种模式也意味着客户规模越大、成本越高，对中小型法务团队形成门槛。开源方案通常只收取部署与运维的边际成本，或完全免费，从而在价格敏感的长尾市场形成替代压力。历史上，MySQL、PostgreSQL 等开源数据库的成熟，曾迫使商业数据库从按席位授权转向按用量或订阅定价；机器学习框架的开源化也重塑了 AI 基础设施的商业模式。法律 AI 是否会重演这一路径，取决于开源方案能否在准确性与合规性上达到企业采购的底线。

对开发者的启示

这件事对技术从业者的启发有三点。

第一，垂直领域的 AI 机会并不只属于融资最多的团队。领域知识的工程化——把法规、判例、合同模板整理成可检索、可评测的数据资产——本身就是难而正确的工作，开源社区在这方面的协作效率往往被低估。

第二，选择开源意味着选择另一种增长方式。没有销售团队，就只能靠文档质量、示例完整度和社区响应速度来赢得信任。这对工程能力的要求其实更高。

第三，法律 AI 的竞争最终会落到评测上。谁能建立一套被行业认可的准确性基准，谁就掌握了话语权。目前公开的法律 AI 评测集仍然稀缺，这可能是开源社区最有机会做出贡献的地方。

回到那条只有 22 个赞的帖子。它未必会变成一个成功的项目，但它记录了一个真实的信号：在法律这样高门槛的行业里，开源复现正在从不可能变成「可以试试」。至于能不能走到生产环境，取决于作者接下来是否愿意补齐那些融资新闻里不会提到的脏活累活。