先说清楚它是什么：Harvey 属于「垂直行业」方向的在线服务，面向律所与法务团队的生成式 AI 平台。

这篇写给负责在团队里引入它的人：账号、权限、数据和费用怎么管。

上线前

  • 开通团队空间并按部门分组。
  • 启用单点登录（如支持）并关闭个人账号混用。
  • 设置成员角色：管理员 / 编辑 / 只读。
  • 确认数据保留期限与导出方式。
  • 指定一名负责人跟进账单与用量。

制度与培训

  • 写一页使用规范：能做什么、不能上传什么、产出由谁负责。
  • 准备 3 个标准任务的示例，如「资料检索与摘要」「批量文档审阅」
  • 设立反馈渠道，收集好用的提示词和踩过的坑。
  • 每季度复查一次账号、权限与费用。

给成员的标准示例

资料检索与摘要

准备材料：一个专业问题。

检索与这个问题相关的权威资料，给出摘要并附出处，明确区分「资料原文结论」与「推论」。

交付前确认：区分原文与推论。

数据分级建议

  • 公开信息：可以直接使用。
  • 内部信息：在企业账号内使用，避免个人账号。
  • 机密信息：脱敏后使用或禁止使用。
  • 受监管数据（身份证号、病历、财务明细等）：除非有明确合规方案，否则不要输入。

补充练习

合规清单

准备材料：一项业务流程。

针对这项流程列出需要关注的合规检查点，每项注明依据类型（法规 / 行业标准 / 内部制度）以及需要向谁确认。

检查点：注明了确认对象。

专业文档初稿

准备材料：一份行业内常见的文书模板和案情要点。

根据要点起草一份初稿，使用行业规范格式，所有需要专业人员确认的地方用【待确认】标出，不得编造法规条款或数据。

交付前确认：待确认处被明确标出。

常见问题：输出引用了不存在的条款或文献

只接受能追溯到原文的引用，逐条核对。

常见问题：客户误以为是专业意见

在输出中加入明确提示，并由专业人员审核后再发出。

常见问题：识别模型在新场景失效

补充新场景的标注数据重新评估。

概念补充：领域模型

针对特定行业数据训练或调优的模型。

概念补充：人在回路

关键判断必须由有资质的人员确认。

适合人群：行政与助理

行政与助理可以用 Harvey 处理会议安排与纪要、通知公告等工作。需要注意：员工个人信息与内部文件按权限管理。

适合人群：研究生

研究生可以用 Harvey 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

适合人群：数据分析师

数据分析师可以用 Harvey 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

注意事项

本文基于 Harvey 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

涉及个人信息、商业机密或受监管数据时，先确认 Harvey 的数据处理条款，再决定能否使用。

延伸阅读