在「垂直行业」类工具里，Harvey 的定位是：面向律所与法务团队的生成式 AI 平台。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我合规清单」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

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。

变化（示意）：输出结构稳定，可以直接按「注明了确认对象」检查。

对比二：一次做完 vs 分步完成

改之前：把「客户沟通稿」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

用非专业人士能理解的语言解释这个问题，避免给出绝对化承诺，并提醒客户需要专业人士最终确认的部分。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「待确认处被明确标出」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

更多可以试的用法

批量文档审阅

适用情况：手头有一批合同、报告或单据时。

审阅这批文档，标出缺少关键条款、金额不一致或日期异常的文件，输出问题清单，不做最终判断。

验收标准：只标问题不下结论。

资料检索与摘要

适用情况：手头有一个专业问题时。

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」。

验收标准：区分原文与推论。

常见问题：数据合规审批卡住

提前准备数据流向说明、供应商资质和合同条款。

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：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。

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：数据驻留

数据存储在指定地区，满足行业或地区监管要求。

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：销售

销售可以用 Harvey 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

适合人群：法务与律师助理

法务与律师助理可以用 Harvey 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。

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。

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。

延伸阅读