AI News HubLIVE
站內改寫2 分鐘閱讀

Perplexity 推出 Counsel 計算機:用於法律工作流程的多模型代理層

Perplexity 發佈了 Computer for Counsel,這是一個為法律團隊設計的代理型 AI 系統。它通過調度 20 多個模型,整合 Midpage、MCP 連接器和 Microsoft 365,提供可驗證的輸出。

來源MarkTechPost作者: Michal Sutter

Perplexity 近日推出了 Computer for Counsel,這是一個專為法律團隊打造的代理型 AI 系統。該系統是 Perplexity Computer(該公司與 LLM 無關的代理系統)的擴展,現已面向 Perplexity Enterprise 和 Max 訂閲用户開放。

律師們常常在行政工作上耗費大量時間。Computer for Counsel 正是針對這一問題而設計。湯森路透的一項調查顯示,近 75% 的律師認為行政任務是最主要的時間挑戰。從架構上看,該系統是一個編排層,與律師已經使用的工具無縫連接。

什麼是 Computer for Counsel?

它並非一個新的法律研究數據庫。Perplexity 明確表示不打算取代 Westlaw、LexisNexis 或 Bloomberg Law。相反,它充當一個研究、起草和工作流程層。該層能夠對開放網絡、律所繫統以及專業法律來源進行推理。

其運行機制是代理式的:系統將法律任務分解為若干子任務,為每個子任務分配一個模型和一個數據源,然後將結果彙編成簡報、備忘錄或交易摘要。每個輸出都鏈接回其來源。律師可以在將引用用於客户工作前迅速驗證。判斷力和策略仍然由律師保留。

多模型編排層

Computer 由 20 多個前沿 AI 模型驅動,能夠自動為每個子任務選擇最佳模型。研究、推理和合同工作可以各自使用不同的模型。Perplexity 通過持續評估保持模型庫的最新狀態。對於法律團隊來説,這消除了押注單一 AI 供應商的壓力。

連接器基於模型上下文協議(MCP)運行。MCP 是一種開放標準,用於將 AI 系統與外部工具和數據相連。管理員還可以為內部系統安裝自定義 MCP 連接器。

數據層:來源與連接器

優質法律來源為答案提供了基礎。連接器列表涵蓋研究、合同和文檔管理。

關鍵來源包括:Midpage(美國判例法、法規及引證摘要)、Deel(合規數據)、LegalZoom(合同模板)、Docusign(電子簽名)、NetDocuments/Box(文檔管理)、DeepJudge(機構智能)、Clio(即將推出)、Carta/Ironclad(股權/合同)等。應用連接器還覆蓋 Microsoft 365、Google Workspace 以及 400 多個其他工具。在 Microsoft 365 中,Computer 可以在 Word 中起草文檔,從 SharePoint 檢索文件,並引用 Outlook 或 Teams 對話中的上下文。

法律團隊的實際應用

目前有三個典型工作流程:

  1. 第三方 NDA 審核:Computer 審核第三方 NDA 中的危險信號,填寫實體和簽署人信息,準備乾淨副本,並通過 Docusign 路由審批和簽名。
  1. 監管監控:Computer 為美國州隱私和廣告技術法律建立一個可共享的儀表盤,顯示哪些州的法律已生效,並引用 Midpage 的相關案例。
  1. 案例研究與引用審查:Computer 研究 FTC 2024 年禁令後競業限制的可執行性,總結關鍵案例並標記未解決的部分,導出帶引用的 PDF。

面向開發者:引證搜索原語

Computer for Counsel 以產品形式提供,而非 SDK。但它基於 Perplexity 的引證搜索原語,該原語通過 Sonar API 公開。API 兼容 OpenAI,每個答案都返回來源。域名過濾器允許將答案限制在可信站點內。

比較與定位

Perplexity 進入了一個競爭激烈的法律 AI 市場。其定位與其他產品不同:與 Westlaw/LexisNexis 相比,它作為工作流和研究層;與 Harvey 相比,它更注重開放網絡和日常工具集成;與 Microsoft 365 Copilot 相比,它專注於法律特定需求。核心差異化在於多模型路由、與開源網絡的連接以及豐富的連接器。

優勢與侷限

優勢:多模型路由減少單一供應商鎖定;每個輸出都鏈接到可驗證的來源;400+ MCP 連接器融入現有工作流;企業版不訓練模型數據。

侷限:不具備獨立的引證工具,依賴 Midpage;部分連接器(如 Clio 和 Ironclad)尚未推出;律師仍需驗證每個引用;網絡來源可能遺漏付費或未公開的判決。

有興趣的讀者可以查看技術細節,關注 Twitter,加入 150k+ ML SubReddit 或訂閲 Newsletter。