claude-for-legal
anthropics/claude-for-legal加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：周五下午 5 点，采购部门甩来三份供应商合同，说下周一必须签完。往常你得通宵读完每一行，现在 Claude 可以先帮你过一遍——标记出风险条款、对比你公司的惯用措辞、生成一份"差异备忘录"，你只需要做最终判断。这就是 Claude for Legal 正在做的事。
Anthropic 官方出品，这个仓库不是某个创业公司的产品，而是 Claude 背后的公司在亲自示范：AI 时代，法律团队可以怎样真正用上语言模型。
法律文档处理看起来是个"读文本、做总结"的简单任务，实际却是 AI 应用里最难的场景之一。原因是法律工作有三个特殊性：
第一，输出的质量直接影响法律责任。 一份合同审查报告不是给老板看看就完事的，它可能被呈堂证供、被监管机构引用。一个错误的风险评估，轻则让公司损失数百万，重则引发诉讼。通用 AI 的"一本正经胡说八道"在这里是不可接受的。
第二，法律文档有严格的格式和规范。 合同不是散文，每一条款都有特定含义，援引判例有固定格式，保密特权标注有严格规则。AI 输出必须"像法律文书"，而不是"像博客文章"。
第三，法律知识高度情境化。 每家公司的"风险偏好"不同，对供应商的强势程度不同，对某些条款的容忍度也不同。通用的 AI 输出不如"学会你公司打法"之后的 AI 输出有价值。
Claude for Legal 的设计正是围绕这三点来的。
这个仓库是一个插件市场（Plugin Marketplace），包含 12个官方法律插件 + 1个第三方插件，覆盖法律工作的方方面面：
| 插件名称 | 适用角色 | 核心功能 |
|---|---|---|
| commercial-legal（商业法律） | 法务顾问/合同经理 | 供应商协议审查、NDA分流、续约追踪 |
| privacy-legal（隐私法律） | 隐私合规团队 | DPIA撰写、DSAR响应、处理活动分类 |
| product-legal（产品法律） | 产品合规/市场营销 | 产品发布审查、营销声称核实、风险定级 |
| corporate-legal（公司法务） | 公司秘书/并购团队 | M&A尽调、披露时间表、董事会决议起草 |
| employment-legal（劳动法律） | HR/雇佣法务 | 入离职审查、工人分类测试、请假截止追踪 |
| litigation-legal（诉讼法律） | 诉讼团队/律师助理 | 诉状起草、证据组织、答辩策略 |
| regulatory-legal（监管法律） | 合规官员 | 监管动态监控、政策差异对比、评论期追踪 |
| ip-legal（知识产权） | IP团队 | 专利布局、商标审查、版权风险 |
| ai-governance-legal | AI合规团队 | AI法规遵从、算法审计 |
| law-student | 法学院学生/诊所 | 案例研究、法律写作辅助 |
| legal-clinic | 法律诊所 | 客户沟通、截止日期管理 |
| legal-builder-hub | 法律创新团队 | 自动化工作流构建 |
每个插件都是一个独立的工作流系统，内置了专门设计的 prompt、skill（技能）和 sub-agent（子代理）。
这个项目最独特的设计理念是冷启动访谈（Cold-Start Interview）。
第一次使用某个插件时，它不会直接干活，而是先"采访"你。比如 commercial-legal 插件会花 10 分钟左右，问你：你们公司在供应商协议中最关心哪些条款？你们的续约提前多少天必须追踪？哪些情况需要升级到合伙人批准？你通常用什么格式输出给业务部门？
然后它会要求你提供 5-20 份近期已签署的合同作为样本，让它学习你们公司的实际谈判立场和措辞偏好。
这一切的结果是生成一份 CLAUDE.md 文件——一个纯文本的团队配置文件，写在 ~/.claude/plugins/config/claude-for-legal/commercial-legal/CLAUDE.md。每个 skill 加载时都会先读这份文件，了解"这家公司怎么做事"，而不是用一个通用模板套所有客户。
AI 工具最大的痛点之一是"数据孤岛"——AI 能处理文档，但文档存在 DocuSign、iManage、Ironclad、Box、Google Drive 里，进不去就用不了。
Claude for Legal 通过 MCP（Model Context Protocol） 协议解决这个问题。项目内置了丰富的 MCP 连接器：
这些连接器让 Claude 能够主动读取合同内容、追踪签署状态、更新工作台——而不只是被动等用户复制粘贴。
除了即时交互，这个仓库还包含 5个 Managed Agent Cookbook（托管代理食谱），用于构建定时执行的自动化工作流：
这些 agent 通过 scripts/deploy-managed-agent.sh 部署到 Anthropic Managed Agents API，后台运行、按时执行。
深入代码层面，Claude for Legal 的架构非常清晰——这是一个纯 Prompt 工程产品，不涉及任何模型训练或定制。
核心技术栈：
agent.yaml 中定义了"watch"和"grid"两种模式代码结构亮点：
.claude-plugin/plugin.json（插件清单）、.mcp.json（MCP连接器）、skills/、agents/、hooks/、references/validate.py（marketplace schema）、lint-tool-scope.py（MCP 权限检查）、JSON/YAML 完整性检查Anthropic 在 README 中用加粗的 IMPORTANT 块做了特别声明：
每一个插件的输出都是供律师审阅的草稿——不是法律意见，不是法律结论，不能替代律师。输出文件上必须标注来源引用，保密特权标记保守应用，跨越司法管辖区的假设要明确说明，发文/发送/执行操作有明确的确认门槛。
这既是法律上的必要保护，也是产品设计上对用户期望的精准管理。法律 AI 的最大风险不是技术不够准确，而是用户把 AI 的"参考意见"当成"律师结论"直接采用。这个项目通过设计上的多层次 guardrail（来源标注、保守默认值、明确升级门槛）尽量降低这个风险。
这个项目不需要 Docker、不需要 GPU、不需要自己部署模型，门槛相当低。
路径一：Claude Cowork（最快，2分钟上手）
/claude-for-legal:install，按引导选择要安装的插件路径二：Claude Managed Agents API（适合企业集成）
scripts/deploy-managed-agent.sh 部署特定 agent cookbook硬件需求：零。不需要本地 GPU，所有推理都在 Anthropic 云端完成。
部署难度：极简单（1/5）。
局限性一：输出质量依赖你的"教练"工作。 冷启动访谈的质量直接决定后续输出的质量。如果最初提供的样本合同不够多，或者访谈中表述不够清晰，AI 可能学偏了还不自知。
局限性二：对中文法律体系支持有限。 这个项目默认面向英美法系（美国为主），合同模板、MCP 连接器（Ironclad、iManage 等）都是英语法律市场的工具，中文法律场景的直接适配需要大量工作。
局限性三：API 成本。 使用 Claude Opus 4 进行大量合同分析会产生 API 调用成本，企业部署前需要评估用量和预算。
争议点：AI 辅助 vs. AI 替代。 法律界对 AI 工具的接受度分化明显：年轻律师欢迎效率工具，高级合伙人担心责任边界模糊。Claude for Legal 的设计选择明确站在"辅助"一侧，但这也意味着它的能力上限受限于"AI+律师"这个组合模式。
Claude for Legal 的意义不仅是提供了一个好用的工具，更是 Anthropic 在向整个行业示范：AI 时代的法律工具应该长什么样。
标准化插件生态：Marketplace + per-plugin 架构，让不同法律领域的最佳实践可以模块化分享和复用。
工作流与AI的深度整合：不是"把文档丢给AI"，而是"AI介入完整工作流"——从文档读取、分析、起草、审阅到路由、归档。
合规先行的设计理念：在功能设计层面就内置了法律风险控制，而不是事后补救。
如果你在构建法律 AI 应用，Claude for Legal 是目前最好的参考实现之一；如果你在法务部门，它可能已经在你的工作桌上找到了一席之地。