開源法律 AI 會唔會取代 Harvey 同 Legora？真正戰場係利潤率

點解開源而家先有殺傷力

法律 AI 最容易被模組化嘅部份，其實好工程化：上載文件、切成片段、做 embedding、放入向量資料庫、檢索相關段落，再叫模型根據上下文回答、摘要或起草。呢套就係 RAG，Retrieval-Augmented Generation，簡單講即係先搵資料，再叫 AI 按住資料作答。

開源法律 RAG 項目已經清楚描述呢條路線。Ready Tensor 的法律文件 RAG 系統提到 PDF 上載、語意 embedding、FAISS indexing 同 LLM 回覆 。LegalRAG 描述用向量資料庫處理數碼化法律文本，提供有上下文嘅答案 。另一個 GitHub 項目 legal-rag-hy 則標榜按司法管轄區加權檢索，並產生有引用嘅答案 。

重點係：基本法律文件智能，已經唔再係創投支持平台先有嘅魔法。開源系統和框架正瞄準合約審閱、法律研究、文件分析和合規工作流 。

不過，開源唔等於全棧都免費或全棧都開放。有啲工具仍然靠商業模型 API：Mike 容許使用者插入 Claude 或 Gemini API keys ；LexClaw 則講明可配合 GPT、Claude、GLM 或本地模型 。換言之，開源法律 AI 很多時是工作流層、部署方式或資料控制權開放，而不是每一個模型都開源。

邊啲位會先被咬

最先受壓嘅，會係低複雜度、高量、可容忍內部技術配置嘅工作。即係：如果法律團隊願意用多啲 IT／工程資源，換取較低授權費和更高控制權，開源就有機會入場。

背後係好直接嘅經濟學：如果一間機構可以自託管法律 AI 工作流，只為模型使用量、運算和內部維護付費，供應商要為普通文件聊天或初步合約審閱收取高溢價，就會愈嚟愈難。

但免費軟件唔等於免費落地。Lawra 指出，早期開源替代方案需要大量工程投入，包括 chunking pipeline、向量資料庫、citation parser 和 prompt orchestration 。法律團隊仲要處理管治、評估、安全審查、權限、保留政策同內部培訓；呢啲都係成本。

Harvey 同 Legora 仲有啲咩護城河

Harvey 同 Legora 賣嘅唔止係 chatbot。佢哋賣嘅係大型機構可以採購、審批、培訓、整合到工作流程，並向客戶交代嘅企業產品。

法律服務尤其敏感，買家信心有時同模型能力一樣重要。Sacra 一份訪問大型律師行創新主管的報告指，有大型律師行採用 Harvey，部分原因是客戶會點名要求 Harvey，反映品牌認知和外部客戶壓力會影響供應商選擇 。Business Insider 亦形容 Harvey 和 Legora 正在保守的法律行業爭奪客戶和可信度，背後有數以十億美元計的 AI 採用押注 。

採用數據亦解釋點解企業包裝仍然重要。一份 2026 年報告指，69% 法律專業人士使用通用 AI 工具，42% 使用法律專用 AI 工具；但只有 34% 律師行正式採用 AI，43% 既沒有 AI 政策，亦沒有計劃制定政策 。喺呢種環境，自託管工具可能吸引技術團隊，但好多機構仍會偏向有採購支援、導入流程、政策模板、培訓和客戶溝通能力嘅供應商。

仲有工作流問題。Harvey 的 2026 年調查描述大型律師行 AI 使用，已覆蓋起草、合約談判、盡職審查、discovery automation、playbook 生成和時間線等實質、面向客戶的工作 。開源工具可以攻入呢啲流程嘅某些環節，但現有來源未顯示開源法律 AI 已經在 Harvey 或 Legora 同等規模上贏得大型部署。

真正戰場：唔被鎖死

開源最強的策略牌，未必係便宜，而係控制權。

Law360 報道，法律 AI 早期採用者關注可量度節省，以及跨模型可攜性，以避免被單一供應商鎖定 。呢個取向有利於模組化架構：自託管文件庫、可替換模型、開放評估工具，以及唔完全依賴某一間供應商 roadmap 嘅工作流。

所以，即使開源短期內唔取代 Harvey 或 Legora，都可以迫商業平台改變。Harvey、Legora 以及同類供應商，可能要更明確支援模型選擇、資料匯出、透明評估，以及為商品化工作提供較低成本方案。否則，開源 stack 就會成為 build-versus-buy 討論入面更可信嘅 build 選項。

幾時先算真正取代威脅

開源法律 AI 要由利潤壓力變成企業替換威脅，關鍵唔係再多幾個 demo，而係有機構級證據。值得留意嘅訊號包括：

• 有文件記錄的大型律師行或受監管法律部門部署；
• 經審計的安全、權限、日誌和資料保留控制；
• 可靠的引用和評估流程，包括像 LRAGE 這類為法律 RAG 評估而設的工具 ；
• 能夠整合文件管理、案件／事項管理、合約生命周期管理 CLM，以及電子證據開示 e-discovery 系統；
• 有支援模式，當系統出事時有人負責。

喺呢啲訊號清楚出現之前，開源法律 AI 最合理嘅定位係一層強大壓力：佢會降低買家為普通文件 AI 付高價嘅意欲，推動模型可攜性，亦令較細或成本敏感嘅法律團隊可以自己砌出有用系統，而唔一定要即刻買高價企業平台。

講到底

開源法律 AI 已經嚴肅到，商業平台唔可以再將文件智能當成神秘黑盒。佢最先衝擊嘅會係毛利、vendor lock-in 同商品化工作流。

但對最高風險、面向客戶嘅大型法律工作而言，買一套平台仍然唔只係買模型；仲係買管治、支援、客戶安心、工作流整合和聲譽安全。

所以實際答案係：係，開源法律 AI 正在威脅 Harvey 和 Legora 點樣定價、點樣包裝法律 AI；但佢仍未證明可以全面取代兩者最強的企業級部署。