面向律所与法务团队的生成式 AI 平台——这是 Harvey 最主要的用途，也是本文讨论的前提。

当同一类任务每天重复出现时，就值得考虑把它接进自动化流程。

适合自动化的任务特征

  • 输入格式固定（同一种表单、文件或消息）
  • 判断规则可以写清楚。
  • 出错时可以被发现并人工补救。
  • 频率足够高，值得投入配置时间。

接入方式

Harvey 属于在线服务。如果官方提供 API、集成市场或与 Zapier、Make、n8n 等平台的连接器，可以直接接入；如果没有，就不要用模拟点击等不稳定方式硬接，可改为半自动：自动收集材料，人工在 Harvey 中处理。

示例：自动化里的核心指令

合规清单

适用情况：手头有一项业务流程时。

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。

上线前的风控

  • 对外发送的内容一律先进入人工审核。
  • 设置每日调用上限和费用告警。
  • 保留原始输入，便于出错时追溯。
  • 每周抽查一批自动处理结果。

延伸练习

资料检索与摘要

输入：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」。

检查点：区分原文与推论。

专业文档初稿

输入：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。

验收标准：待确认处被明确标出。

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。

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。

概念补充：审计日志

记录谁在何时用 AI 处理了什么数据。

概念补充：环境感知文书

在征得同意后记录对话并自动生成专业记录。

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。

适合人群：财务人员

财务人员可以用 Harvey 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。

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。

注意事项

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

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