NeoLegal 不止于中国版的 Harvey
过去一年，我们被投资人、律师、同行问得最多的一个问题是："你们是中国版的 Harvey 吗？"这次我们请来纽约执业律师 Will Gu，与 NeoLegal 创始人 Jack 做了一场 12 问对谈，完整回答这个称号接受哪一半、拒绝哪一半——以及为什么"中国版"三个字，低估了这家公司要做的事。
以下为访谈实录，约 15 分钟读完。
对谈双方
Will Gu（顾硕秋）：Gu Legal PLLC / 发现（纽约）律师事务所主任，纽约州执业律师，兼中国律师资格。业务覆盖纽约商业诉讼、公司架构、跨境合规、中资企业出海与判决执行。
Jack（周景晟）：NeoMeta 创始人、CEO & CTO，原生 AI 法律工作台 NeoLegal 开发者，ASEP（Agent Structured Envelope Protocol）协议作者。应用数学学士、复旦大学金融管理硕士。
01｜Will：先从那个绕不开的问题开始。外界叫你们"中国版 Harvey"，你们接受吗？
Jack：接受一半。
Harvey 值得尊敬的地方在于，它用几年时间验证了法律 AI 这条赛道的终局形态：律师需要的不是另一个搜索框，而是一个能交活的工作平台。这个验证价值极大——它替整个行业试出了方向。
但"中国版"三个字容易让人以为我们的工作是"移植"：把一个成熟产品本地化，换个语言，接几个中国数据源。实际我们做的是"重建"：同一种工程哲学，在不同的法律体系、不同的成本结构、不同的合规环境里，从地基重新盖楼。成文法大陆法系和判例法体系的检索结构完全不同，中文分词和英文分词的工程问题完全不同，中国律所的付费能力和美国大所差一个数量级——这些不是本地化问题，是重新设计问题。
所以标题里那个"不止于"，不是营销修辞，是对我们工作量级的诚实描述。
02｜Will：你说 Harvey 验证了终局形态。我在纽约执业，天天和 LexisNexis、iManage 打交道——能拆开讲讲这三层吗？
Jack：拆开看，Harvey 的壁垒从来不是模型——模型是租来的，OpenAI 和 Anthropic 谁都能调。它的壁垒是三层结构：
第一层是信任层。引用可核验、来源可追溯、可信度在用户提问前就前置呈现。Harvey 甚至用"引用有没有超链接"来表达单条引用是否在 LexisNexis 数据库里被验证过。
第二层是工作流层。提示词可以存成模板、审查表格可以固化成 Workflow、个人的操作沉淀为组织的数字资产。AI 的产出不是一段文字，是可指派、可核实、可标记的工作单元。
第三层是数据地基层。与 LexisNexis 的深度集成、与 iManage 等 DMS 的打通——数据源的选择、新鲜度、覆盖范围直接暴露在用户选择动作旁边。
我们从第一天就是按这三层在 build，逐条有对应落地。而支撑这一切的公理只有一条：法律 AI 的竞争不在"会不会回答"，在"错不起"。律师按错的期限行事，当事人权利就过期了。这一条决定了我们所有的架构决策——宁可慢，不可错。
03｜Will：那先讲第一层。可信度人人都会说，你们的怎么建的？
Jack：核心判断是：可信度必须是架构，不是功能。功能是加法——今天加个"引用角标"，明天加个"免责声明"；架构是约束——让不可信的结果根本走不到用户面前。
具体是四层递进防御：提问前提先核验（用户问题里的前提本身可能就是错的，比如引用了不存在的司法解释）；未施行版本拦截（新法通过但尚未生效，不能当现行法引用）；每条法条引用逐条回库比对；最后质量门收口。
用户看得见的部分是四档角标：已核验、已废止（自动挂出替代条文）、未生效、需验证。点开就是法条原文。Harvey 用"有无超链接"表达两档，我们做到四档——因为中国法的版本问题（修订、废止、替代、施行日期）比英美法复杂得多，两档不够用。
还有一个我认为全行业都该抄的细节：两条硬信号、两个分母。引用可核验率管"写出来的引用对不对"，论断覆盖率管"该给依据的地方给没给"。为什么必须两条并行？因为只考核第一条，模型会学会删掉查不准的引用来刷分——分母变小，分数反而变高。第二条的分母是"需要依据的论断数"，删引用只会让分数更低。两条同时过，博弈漏洞才算堵死。
再加一条铁律：数字冲突直接拦截，不参与加权打分。期限写错不存在"打个九十分交卷"的余地。
04｜Will：你反复说"拦下"。我做诉讼的，见过太多"差不多对"的引用——幻觉真的能拦干净吗？
Jack：不能，我们也不承诺。
我们承诺的是另一件事：幻觉出现时会被拦下，并且如实告知用户。我们的交付只有三种终态：完整答案、限定范围（明确告知哪部分受限于数据边界）、需补充材料。拿不出可靠依据的时候，降级交付而不是硬答。通用助手类产品没有拒答态和降级态，什么都能答一段——那在法律场景里恰恰是危险的。
诚实的边界比吹嘘的可信值钱。我们内部有一套五题幻觉测试集，公开发布过，任何人可以拿去测任何法律 AI 产品——包括我们自己的。我们公布了自己的得分，包括拦不住的那几道。
05｜Will：拦下之后呢？客户付了费，总不能一直拦着不出结果。
Jack：这就是质量门的工作——不合格不出厂。
初稿永远不作为正式结论展示。多 Agent 流水线（研究员检索、分析师识别风险、起草员成文、复核员交叉校验）跑完只是初稿，还要过质量门：跨 Agent 一致性、逐项质量标准、引用可核验率、论断覆盖率，四路信号加权判定。不合格就定向重跑。
"定向"两个字是关键。重跑不是把提示词再发一遍碰运气，而是带着具体缺陷回去改。举个真实例子：模型编造了《民法典》第 1289 条，重跑时注入的不是"请勿编造法条"这种训诫——模型没有任何可据以改正的信息——而是"《民法典》第 1289 条不存在，该法共 1260 条"这样的事实。模型拿到事实，才有得改。
06｜Will：这套机制的效果有数据吗？空对空的概念我听够了。
Jack：有，而且是线上真实生产数据。2026 年 9 月我们做了全量审计：45,300 轮质量评估。
首次通过率 52.1%。我知道没有同行会公开这个数字——听起来像在自曝其短。但先把另外 47.9% 的含义讲明白：这是大模型初稿在 NeoLegal 质量门通不过的比例，不是产品的失败率——通用大模型默认交付，这 47.9% 的缺陷就会原样到达用户手里：编造的条文、写错的期限、失真的前提。这些初稿被定向修复或降级之后，才走到用户面前。用户从来没有见过那 47.9%。 这就是这个数字的正确读法。
重跑一次救回 25.4%，专家结论冲突这类最硬的问题修掉 75%。最终交付终态：83% 完整答案、17% 限定范围、0 次需要人工介入的硬缺口。
07｜Will：这些数字怎么来的？我做判决执行这行，对"对方给的数字"天生多疑——我怎么知道不是编的？
Jack：这就是我想说的下一个点——我们给系统装了全链路度量埋点。每一轮对话，从意图判定、Agent 调度、质量评估到最终交付，全事件流留痕。上面每个数字都能定位到具体事件。
顺便把口径也交代清楚，这是我们对自己数字的要求：45,300 轮是 2026 年 9 月的线上生产数据；检索质量 NDCG@10 提升 20% 是上线前的离线评测基准，不是实时值。两种数分清楚说，反而加分。
我的反问是：一家法律 AI 公司如果报不出这些数，它怎么知道自己系统的质量边界在哪里？度量不是为了让报表好看，度量本身就是工程成熟度。
08｜Will：模型层面呢？你们微调了自己的法律模型吗？
Jack：没有。这是刻意选择，不是能力缺口。
法律场景要求三件事：可归因、可审计、可回滚。权重微调是黑盒——效果变好的时候你不知道为什么变好，效果变差的时候你不知道错在哪一层。我们把"调教"全部放在工程层：律师过审的条款范式库、逐项打分的质量标准、质量门闭环。每一次改进可度量、可回滚、可归因到具体一层。
模型层我们做的是路由：任务类型和成本双维度自动分配——检索召回用快档，合同起草用旗舰档，思考开关按任务承载。让每分钱花在刀刃上。底层是国产模型栈：天翼云五档加 DeepSeek，双模型向量化。
成本结构和数据主权，这是"中国版"三个字的第一层真实含义——不是翻译成中文，是跑在中国的基础设施上、用中国能拿到的模型、以中国律所付得起的价格交付。
09｜Will：操作界面层面，律师实际用起来是什么体验？我团队里年轻人愿意尝鲜，老合伙人未必。
Jack：一句话：工作台，不是聊天框。
AI 的输出是工作单元，不是一段文字。每条审查建议自带状态、风险等级、六维评估；修改建议以审阅模式直接落在原文件里——律师本来就用批注的习惯工作，不用改。思考轨迹是透明的：展示真实检索查询、命中的文件、检索的范围，而不是"正在分析中"的空话。PlayBook 机制让个人沉淀的审查方法变成团队的数字资产。
还有一类工作是 Harvey 不需要做、也做不了的：中文法特有件。一部法律一千多条的"大法展开"交互、法律简称归一（"民法典"和"《中华人民共和国民法典》"是同一个东西）、中文分词在 Elasticsearch 里的工程补丁、已废止条文自动挂出替代条文的角标。这些不是 feature 清单，是只有真的把中国法当母语在做产品的团队才会遇到、也才有资格解决的问题。
10｜Will：和国内同行比，你们的差异在哪？
Jack：不点评具体公司，说行业现状的两个结构性缺口，这是律师用户自己就能感知到的。
一是无长期记忆。多数产品每次审查从零开始，同样的合同审两遍结果不一致，用户给的反馈无法沉淀。我们的三层长期记忆加用户画像，系统记得你的审查偏好，越用越准。
二是检索技术代差。关键词硬编码检索和五段流水线检索（元数据过滤、BM25 粗排、向量召回、RRF 融合、Reranker 精排）不是同一代技术。语义检索找得到"没写关键词但意思相关"的条文，关键词检索永远找不到。
11｜Will：回到标题。为什么你说"不止于"中国版 Harvey？
Jack：三句话。
第一，Harvey 之所以是 Harvey，不是因为模型——模型是租的——而是信任层、工作流层、数据地基层的三层结构。这三层我们逐条有对应落地，国内并不多见。
第二，有两样东西 Harvey 在中国市场结构性做不了。一是中国法数据工程：46,032 篇文档的规范化底座，判例库以规则密度论护城河而不是文书总量，这部法收录了多少条、那条到底存不存在——这些事实是反幻觉注入的弹药，Harvey 在美国可以买 LexisNexis，在中国没有现成的可买。二是国产成本结构与等保三级私有云：数据主权这件事，对律所客户不是可选项。
第三，也是"不止于"的真正含义：Harvey 的产品逻辑长在英美法大所的计费小时之上，它优化的是"每小时产出"；我们要解的是中国律师的效率跃迁——让 AI 从"聊天框里的顾问"变成"能交活的团队成员"。同一个终局，不同的路径，不同的地基。
12｜Will：最后一个问题。这个行业的终局你怎么看？
Jack：竞争正在从"谁的模型好"转向"谁的工程能兜底"。模型能力是租来的、会均质的，工程兜底能力是自己的、会复利的。五年后回头再看，法律 AI 行业留下的不会是最会演示的公司，而是敢把自己失败率公开的公司。
最后说一个技术之外的细节：大成、立信的合伙人律师在深度使用产品之后，主动写了推荐信。技术讲完了，这才是我们最在意的证据。
本文数据口径：45,300 轮质量评估为 2026 年 9 月线上生产环境全量数据；NDCG@10 +20% 为检索流水线上线前离线评测基准；46,032 篇为法规库当前收录文档数。访谈经受访者审阅修订。