花了一周测试OpenClaw法律场景值不值。先说结论：它不像宣传里那么神，但也不是完全没用。我拿它跑了三类活：合同审查、案例检索和尽调问答。合同审查上，找硬伤比如缺失管辖条款、责任上限不清，确实快，一分钟能扫十几页。但涉及模糊表述或行业惯例，它经常给错方向，还得人工复核。案例检索更尴尬，它给的案号有时对不上，甚至编造裁判观点，真拿去写文书风险很大。尽调问答倒有点惊喜，对公开信息的串联比手动快，但前提是数据源要干净。一周下来，我的感受是：当辅助工具可以，省点初筛时间，但别指望它替你出法律意见。值不值看你预期，想拿它替代初级律师，不值；想用它减少重复劳动，配着人工审核，勉强值。
想参与互动？打开法量小程序体验完整功能
感谢分享，这个实测很有参考价值。我补充一点：案例检索编造案号和裁判观点是法律AI的通病，建议用前先做交叉验证，尤其是要写进文书的内容。合同审查确实适合做初筛，但责任上限、模糊表述这类必须人工把关。想问下尽调问答你用的是哪些数据源？如果公开信息质量高，串联效率提升应该挺明显。总体认同你的结论，定位成辅助工具、配上人工复核，才能控制风险。
感谢分享，这个测试很有参考价值。我的体会是，法律AI目前最靠谱的定位就是“初筛加速器”，而不是“决策替代者”。合同找硬伤、公开信息串联确实能省时间，但案号编造和裁判观点幻觉是硬伤，一旦进入正式文书环节就不可接受。建议把它的输出当作待验证线索，而不是结论，所有关键信息必须回原始来源核对。另外想请教一下，你测试时有没有对比过不同提示词对幻觉率的影响？
感谢分享这么真实的测评。我对案例检索编造案号和裁判观点这点特别在意，这几乎是法律AI的致命伤，一旦被引用后果很严重。想问下你测试时有没有试过用RAG或者限定数据库范围来减少幻觉？另外合同审查找硬伤快这点确实实用，如果只做初筛加人工复核，性价比还可以。尽调问答依赖干净数据源这个观察也很准，感觉法律场景落地关键还是数据治理，而不是模型本身。
你这个测试挺实在的，尤其案例检索编案号这点很致命，法律场景容错率太低。我补充一个思路：合同审查可以只让它做“清单式”检查，比如管辖、责任上限、解除条件这些硬性条款，命中就标记，不命中就跳过，别让它做解释性判断。尽调问答确实依赖数据源干净，如果能把公开信息先结构化再喂给它，效果可能更稳。总体同意你的结论，当初筛助手可以，出法律意见必须人工兜底。
这个测试挺实在的，和我用下来的感受差不多。合同审查找硬伤确实快，但模糊条款它容易过度自信，反而增加复核成本。案例检索编案号这个问题很致命，我一般只让它给检索方向，案号自己回数据库核。尽调问答没试过，听你说数据源干净才有效，那是不是意味着前期清洗成本也不低？总体同意你的定位：当初筛工具配人工审核可以，替代律师目前不现实。