AI News HubLIVE
站内改写2 分钟阅读

Perplexity 推出 Counsel 计算机:用于法律工作流程的多模型代理层

Perplexity 发布了 Computer for Counsel,这是一个为法律团队设计的代理型 AI 系统。它通过调度 20 多个模型,整合 Midpage、MCP 连接器和 Microsoft 365,提供可验证的输出。

来源MarkTechPost作者: Michal Sutter

Perplexity 近日推出了 Computer for Counsel,这是一个专为法律团队打造的代理型 AI 系统。该系统是 Perplexity Computer(该公司与 LLM 无关的代理系统)的扩展,现已面向 Perplexity Enterprise 和 Max 订阅用户开放。

律师们常常在行政工作上耗费大量时间。Computer for Counsel 正是针对这一问题而设计。汤森路透的一项调查显示,近 75% 的律师认为行政任务是最主要的时间挑战。从架构上看,该系统是一个编排层,与律师已经使用的工具无缝连接。

什么是 Computer for Counsel?

它并非一个新的法律研究数据库。Perplexity 明确表示不打算取代 Westlaw、LexisNexis 或 Bloomberg Law。相反,它充当一个研究、起草和工作流程层。该层能够对开放网络、律所系统以及专业法律来源进行推理。

其运行机制是代理式的:系统将法律任务分解为若干子任务,为每个子任务分配一个模型和一个数据源,然后将结果汇编成简报、备忘录或交易摘要。每个输出都链接回其来源。律师可以在将引用用于客户工作前迅速验证。判断力和策略仍然由律师保留。

多模型编排层

Computer 由 20 多个前沿 AI 模型驱动,能够自动为每个子任务选择最佳模型。研究、推理和合同工作可以各自使用不同的模型。Perplexity 通过持续评估保持模型库的最新状态。对于法律团队来说,这消除了押注单一 AI 供应商的压力。

连接器基于模型上下文协议(MCP)运行。MCP 是一种开放标准,用于将 AI 系统与外部工具和数据相连。管理员还可以为内部系统安装自定义 MCP 连接器。

数据层:来源与连接器

优质法律来源为答案提供了基础。连接器列表涵盖研究、合同和文档管理。

关键来源包括:Midpage(美国判例法、法规及引证摘要)、Deel(合规数据)、LegalZoom(合同模板)、Docusign(电子签名)、NetDocuments/Box(文档管理)、DeepJudge(机构智能)、Clio(即将推出)、Carta/Ironclad(股权/合同)等。应用连接器还覆盖 Microsoft 365、Google Workspace 以及 400 多个其他工具。在 Microsoft 365 中,Computer 可以在 Word 中起草文档,从 SharePoint 检索文件,并引用 Outlook 或 Teams 对话中的上下文。

法律团队的实际应用

目前有三个典型工作流程:

  1. 第三方 NDA 审核:Computer 审核第三方 NDA 中的危险信号,填写实体和签署人信息,准备干净副本,并通过 Docusign 路由审批和签名。
  1. 监管监控:Computer 为美国州隐私和广告技术法律建立一个可共享的仪表盘,显示哪些州的法律已生效,并引用 Midpage 的相关案例。
  1. 案例研究与引用审查:Computer 研究 FTC 2024 年禁令后竞业限制的可执行性,总结关键案例并标记未解决的部分,导出带引用的 PDF。

面向开发者:引证搜索原语

Computer for Counsel 以产品形式提供,而非 SDK。但它基于 Perplexity 的引证搜索原语,该原语通过 Sonar API 公开。API 兼容 OpenAI,每个答案都返回来源。域名过滤器允许将答案限制在可信站点内。

比较与定位

Perplexity 进入了一个竞争激烈的法律 AI 市场。其定位与其他产品不同:与 Westlaw/LexisNexis 相比,它作为工作流和研究层;与 Harvey 相比,它更注重开放网络和日常工具集成;与 Microsoft 365 Copilot 相比,它专注于法律特定需求。核心差异化在于多模型路由、与开源网络的连接以及丰富的连接器。

优势与局限

优势:多模型路由减少单一供应商锁定;每个输出都链接到可验证的来源;400+ MCP 连接器融入现有工作流;企业版不训练模型数据。

局限:不具备独立的引证工具,依赖 Midpage;部分连接器(如 Clio 和 Ironclad)尚未推出;律师仍需验证每个引用;网络来源可能遗漏付费或未公开的判决。

有兴趣的读者可以查看技术细节,关注 Twitter,加入 150k+ ML SubReddit 或订阅 Newsletter。