前段时间，圈子里开始流行“养龙虾”。

有人用 Agent 帮自己写代码，有人让它操作电脑，还有人拿它跑复杂流程。很多人第一次意识到一件事：

AI已经不只是回答问题，而是开始替人“干活”。

但如果你是做法务的，大概率第一反应不是兴奋，而是一个更现实的问题：

这种东西，真的能用在法律工作里吗？

尤其是合同审查。

---

一、我们每天做的，不只是“处理文本”

如果你做过几年合同，你应该很清楚一件事：

合同审查，从来就不是“看字”。

你真正做的是三件事：

• 判断一条条款是否构成风险
• 站在公司立场决定要不要改
• 想清楚改成什么样，业务能不能接受

很多时候，一份合同卡住，不是因为看不懂，而是：

你知道这里有问题，但不确定问题有多大、该怎么改最合适。

这也是为什么，很多所谓“AI审查工具”，用着用着就没人用了：

• 能标红，但不一定标得准
• 能提示，但不一定有用
• 最后还是得人自己从头看一遍

说白了，它解决的是“找关键词”，不是“做判断”。

---

二、Agent能解决问题吗？可以，但没那么简单

像 OpenClaw 这类 Agent，厉害的地方在于：

• 能理解任务
• 能拆解步骤
• 能自己执行

放在很多行业，已经够用了。

但法律不一样。

问题不在“它会不会做”，而在：

它凭什么这么做？

举个很实际的例子：

同一条“违约责任”条款——

• 有的公司能接受“合同金额的30%”
• 有的公司超过“10%”就必须打回
• 有的甚至要求写死“间接损失不赔”

这些东西，不在法律教科书里，而在企业自己的规则里。

如果没有这些“隐性标准”，Agent再聪明，也只是个外行。

---

三、真正的分水岭，其实不在模型，而在“规则”

这两年看下来，一个很明显的趋势是：

法律场景里，模型能力不是瓶颈，规则才是。

很多团队一开始都走过一条弯路：

• 觉得模型不够强
• 不断换模型、调参数

但最后发现问题其实是：

没有一套稳定的审查逻辑

比如：

• 什么叫“高风险”？
• 什么情况必须改？
• 修改优先级怎么排？

如果这些问题没有答案，再好的模型也只是“随机发挥”。

---

四、Agent真正开始有用，是从“能自己变好”开始的

这也是我觉得这一轮Agent和以前最大的不一样。

以前的工具是：

• 人写规则
• 人改规则
• 人维护规则

用久了之后的结果通常是：

• 越改越乱
• 新人看不懂
• 老人也说不清

但现在开始出现一种新的方式：

• 用历史合同自动提炼审查规则
• 根据实际使用反馈不断调整
• 改完还能自动验证效果

简单说就是：

这套审查逻辑，不再完全靠人维护，而是可以“自己长出来”。

这件事一旦成立，影响其实很大。

因为它解决了一个老问题：

法务经验，终于可以被沉淀下来，而不是跟着人走。

---

五、接下来会发生的变化，其实已经开始了

如果你最近有接触一些做得比较深的企业，会发现一些细微变化：

1. 审查的“第一遍”，开始交给系统了

不是完全替代，而是：

• 系统先跑一遍
• 把明显问题、低级风险筛出来
• 人只看重点

很多团队已经默认：

第一遍不是人干的。

---

2. 审查标准，开始慢慢统一

以前经常出现的情况是：

• A审没问题
• B审全打回

现在越来越多公司在做一件事：

把“我们到底怎么审合同”这件事固化下来

一旦固化，就可以被系统执行。

---

3. 法务的工作重心在往前移

以前法务主要卡在“审批节点”上。

现在开始有变化：

• 起草阶段就介入
• 条款生成时就有提示
• 风险在形成之前被拦掉

这其实比“审得快”更重要。

---

六、很多人担心的一件事，可能刚好相反

我跟不少法务聊过，大家都有一个担心：

Agent会不会把法务边缘化？

但从现在的趋势看，更可能发生的是相反的结果：

✔ 法务的话语权会变强

因为：

• 审查规则是谁定的？
• 风险标准是谁给的？

答案还是法务。

只是表达方式从“经验”，变成了“系统”。

---

✔ 业务不会再觉得法务是“卡点”

当系统可以实时给出反馈：

• 哪条不行
• 为什么不行
• 怎么改

业务反而更容易接受。

---

✔ 法务能力开始“可复制”

以前很难复制一个资深法务。

现在至少有一部分能力，可以沉淀下来，反复使用。

---

七、最后说一个更现实的判断

未来两三年，法律Agent不会突然“全面爆发”。

但会出现一个很明显的分层：

• 有的人，还在用AI写意见、查法条
• 有的人，已经让系统参与审查
• 少数团队，开始构建自己的审查体系

差距不会立刻拉开，但会慢慢变得明显。

---

结尾

OpenClaw让大家看到了一种可能：

AI可以替人操作世界。

但在法律行业，更关键的一步不是“替你做”，而是：

在不出错的前提下，持续做得更好。

而这件事，靠的不是更大的模型，
而是——

一套能不断生长的规则体系，和一个能把它跑起来的Agent。