Legora CTO Jacob Lauritzen 谈在看不到数据的情况下构建法律智能体
Legora CTO Jacob Lauritzen 在访谈中讲述如何在看不到律师工作数据的前提下构建和测试法律智能体：其团队用三名工程师加三名律师搭建模拟客户工作的测试环境。他估计模型目前已能完成约 60% 的法律工作，并提到一次发布让引用准确率从 70% 升到 99%。
#部署/工程
Latent SpaceAI 评分4949 Latent SpaceAI 评分5555 Legora CTO Jacob Lauritzen 谈如何为律师构建 AI
Latent Space 播客访谈 Legora CTO Jacob Lauritzen，聊为律师构建 AI 智能体的具体做法。Legora 已实现超过 1 亿美元 ARR、拥有 1800 多家客户，今年 10 月以 88 亿美元估值完成 5.5 亿美元融资。由于客户数据高度保密，其评测团队由 3 名工程师与 3 名律师搭建 RL 环境模拟真实工作，并把失败归类为 10 到 20 种已知故障模式。
Latent SpaceAI 评分4343 为什么 AI 智能体偏爱 Supabase：Latent Space 对话 Supabase 创始人
Latent Space 播客对话 Supabase 创始人 Paul Copplestone 和 Ant Wilson，探讨 AI 智能体为何偏爱 Supabase 作为应用后端。
Latent SpaceAI 评分4242 Anthropic 如何用 Claude 打造 Claude：将“大脑”与“双手”分离
Anthropic 工程与产品负责人 Katelyn Lesse 和 Angela Jiang 详解 Opus 5.5 发布背后的工程思路：把智能体的会话日志与 harness 同执行代码的沙箱分离，沙箱故障不再拖垮整个会话，凭证经代理单独挂载而不进入沙箱。该架构也支撑了 Managed Agents 的“Dreaming”记忆功能——由一个智能体检视另一个智能体的先前工作并写回记忆。