Harvey gọi vốn 500 triệu USD cho AI pháp lý, lập trình viên tự xây bản mã nguồn mở tương tự

Câu chuyện về Harvey — startup AI pháp lý vừa huy động được 500 triệu USD — đang khiến giới công nghệ chú ý. Nhưng song song với đó, một lập trình viên độc lập đã chứng minh rằng không cần số vốn khổng lồ như vậy để xây dựng một nền tảng nghiên cứu pháp lý ứng dụng AI. Anh đã phát triển CaseCite, một hệ thống RAG pháp lý tự lưu trữ và công bố mã nguồn công khai, hướng tới các hãng luật muốn giữ dữ liệu trong tay mình.

CaseCite là gì?

CaseCite là nền tảng nghiên cứu pháp lý tự triển khai (self-hosted), cho phép người dùng tải tài liệu của hãng luật lên, đặt câu hỏi và tra cứu án lệ, thẩm phán — tất cả trên hạ tầng do chính họ kiểm soát. Tài liệu, chỉ mục tìm kiếm và lịch sử trò chuyện đều nằm trên máy chủ riêng.

Điểm khác biệt cốt lõi là mô hình BYOK (Bring Your Own Key) — người dùng tự cung cấp khóa API cho các nhà cung cấp AI mà họ lựa chọn. Không có dữ liệu nào gửi về cho nhóm phát triển CaseCite, và hệ thống không hề tích hợp telemetry.

Huy hiệu giấy phép Elastic v2 của dự án

Bộ công cụ gồm những gì?

Tám công cụ nằm sau một lần đăng nhập duy nhất, tất cả đều đọc từ cùng một kho tài liệu:

• Nghiên cứu (/research): Trò chuyện với tài liệu của hãng, truy xuất ngữ nghĩa kết hợp chấm điểm lại bằng từ khóa (BM25), kèm trích dẫn ngay trong câu trả lời.
• Tài liệu (/documents): Tải lên, lập chỉ mục và tổ chức kho tài liệu; nhập từ Google Drive, OneDrive, Box, Dropbox, iManage, NetDocuments, Filevine hoặc Clio.
• Hợp đồng (/contracts): Quy trình soát xét hợp đồng đầy đủ — phân tích, trò chuyện với một hợp đồng, so sánh 2–4 hợp đồng theo từng điều khoản, xuất bản nháp hoặc bản đánh dấu sửa đổi.
• Soạn thảo (/drafting): Soạn văn bản dựa trên tối đa bốn tài liệu tham chiếu, hỗ trợ tài liệu dài (hợp đồng 30 trang) bằng cách duyệt kế hoạch từng phần trước khi viết.
• Xem án lệ (/case/:id): Mở một bản án từ CourtListener và trò chuyện trực tiếp với nó.
• Bản đồ thẩm quyền (/case-citations): Lập bản đồ các án lệ được trích dẫn trong các tài liệu đã chọn.
• Thông tin thẩm phán (/judge-intel): Phân tích dữ liệu thẩm phán từ CourtListener.
• Công cụ pháp lý (/tools): Tra cứu án lệ, kiểm tra trích dẫn, án lệ tiền lệ, hồ sơ vụ án, tranh luận miệng và xu hướng án lệ.

Đáng chú ý, sản phẩm không gắn cứng bất kỳ lĩnh vực hành nghề nào. Người dùng khai báo lĩnh vực mình hoạt động, CaseCite tự tạo hồ sơ những điểm quan trọng và người dùng chỉnh sửa lại. Hồ sơ này sau đó được đưa vào mọi lần soát xét, soạn thảo như ngữ cảnh thường trực.

Mọi câu trả lời, phân tích và bản nháp do AI tạo ra đều kèm cảnh báo phải đối chiếu với tài liệu nguồn và pháp luật hiện hành trước khi sử dụng. CaseCite là công cụ hỗ trợ nghiên cứu, không thay thế phán đoán của luật sư.

Dữ liệu nào rời khỏi hạ tầng của bạn?

Đây là phần được các hãng luật quan tâm nhất. CaseCite lưu tài liệu, chỉ mục vector, lịch sử trò chuyện và kết quả phân tích chỉ trên bản triển khai của bạn. Khi dùng các tính năng AI, nội dung sẽ được gửi tới bên thứ ba do bạn chọn:

• Tải tài liệu lên sẽ gửi văn bản tới nhà cung cấp embeddings (mặc định là OpenAI; có thể cấu hình Voyage hoặc Cohere).
• Đặt câu hỏi, phân tích hoặc soạn thảo sẽ gửi câu hỏi và văn bản liên quan tới nhà cung cấp LLM (OpenAI, Anthropic hoặc Gemini).
• Các công cụ án lệ gửi truy vấn và trích dẫn tới CourtListener.

Để giữ toàn bộ văn bản tài liệu trong mạng nội bộ, người dùng có thể tự vận hành cả hai mô hình bằng cách trỏ OPENAI_BASE_URL và EMBEDDING_BASE_URL tới các máy chủ tương thích OpenAI do mình quản lý. Lưu ý: nếu chỉ đặt biến đầu tiên, văn bản tài liệu vẫn bị gửi tới OpenAI để tạo embeddings.

Giấy phép và mô hình sử dụng

CaseCite dùng giấy phép Elastic License 2.0. Nói ngắn gọn:

• Miễn phí tự triển khai cho mục đích nội bộ của hãng luật.
• Miễn phí chỉnh sửa cho bản triển khai của chính mình.
• Không được phép cung cấp CaseCite cho bên thứ ba dưới dạng dịch vụ được quản lý.
• Không được xóa hoặc sửa thông báo giấy phép và bản quyền.

Tác giả gọi đây là "source-available" chứ không phải "mã nguồn mở" theo định nghĩa của OSI. Với giấy phép Elv2, việc kinh doanh dịch vụ SaaS dựa trên dự án bị hạn chế — một điểm khác biệt quan trọng so với giấy phép MIT hay Apache.

Bảo mật và quản lý khóa

Về bảo mật, nền tảng cung cấp một loạt tính năng đáng chú ý:

• Đăng nhập bằng mật khẩu (PBKDF2-SHA256) với MFA TOTP tùy chọn hoặc bắt buộc, mã khôi phục và đặt lại mật khẩu qua email.
• JWT access token với refresh token xoay vòng trong cookie httpOnly, thu hồi JTI trên Redis và tính năng "đăng xuất mọi nơi".
• Mỗi người dùng giới hạn 5 phiên, vòng đời tuyệt đối 8 giờ và có thời gian chờ khi không hoạt động.
• Mã hóa AES-256-GCM cho bản gốc tài liệu tải lên, khóa API, token kết nối và mã bí mật MFA.
• Nhật ký kiểm toán dùng chuỗi băm HMAC-SHA256, được xác minh khi khởi động và theo yêu cầu.

Khóa API của từng người dùng được lưu phía máy chủ, mã hóa AES-256-GCM với dẫn xuất khóa PBKDF2 và tách biệt theo từng bản ghi bằng HKDF. Khóa chỉ hiển thị dạng che khuất và không bao giờ gửi về trình duyệt.

Điều quan trọng cần lưu ý: ứng dụng chỉ mã hóa ở tầng ứng dụng. Văn bản phái sinh (các đoạn vector, lịch sử trò chuyện, kết quả phân tích) vẫn nằm ở dạng rõ trong cơ sở dữ liệu và Redis — việc mã hóa toàn bộ ổ đĩa máy chủ là trách nhiệm của người triển khai.

Triển khai nhanh chóng

Dự án cung cấp sẵn gói Docker Compose gồm Postgres, Redis và proxy HTTPS Caddy. Quy trình gồm các bước tạo khóa bí mật bằng openssl, cấu hình tên miền và chạy lệnh docker compose -f docker-compose.prod.yml up -d. Tài khoản đầu tiên đăng ký sẽ trở thành quản trị viên và cần token bootstrap để kích hoạt — cơ chế ngăn người lạ chiếm quyền trên một instance mới.

CaseCite hiện chưa có chứng nhận bảo mật nào như SOC 2, ISO 27001 hay HIPAA. Tác giả công khai các giới hạn đã biết trong tệp ROADMAP và khuyến khích báo cáo lỗ hổng qua SECURITY.md.

Ý nghĩa với thị trường Việt Nam

Với các hãng luật và bộ phận pháp chế tại Việt Nam, mô hình tự lưu trữ có sức hấp dẫn riêng. Quy định về bảo vệ dữ liệu cá nhân ngày càng chặt chẽ, và việc gửi hồ sơ khách hàng lên dịch vụ đám mây nước ngoài thường là rào cản lớn. Một giải pháp cho phép tự vận hành trên máy chủ nội bộ, dùng khóa API riêng và không có telemetry có thể là lựa chọn phù hợp cho các tổ chức muốn thử nghiệm AI pháp lý mà không đánh đổi quyền kiểm soát dữ liệu.

Dù vậy, cần nhận thức rõ: đây là dự án cá nhân đang trong giai đoạn phát triển, chưa được kiểm chứng trên diện rộng. Việc tự triển khai đòi hỏi năng lực vận hành hạ tầng, và các công cụ AI vẫn chỉ là trợ thủ — không thể thay thế trách nhiệm nghề nghiệp của luật sư.