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。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
专业准确是否符合行业规范和事实明显不合格无需修改即可使用
可追溯结论能否回到原始资料明显不合格无需修改即可使用
合规是否满足行业监管与隐私要求明显不合格无需修改即可使用
责任清晰是否保留专业人员的最终判断明显不合格无需修改即可使用
效率是否切实减少重复性工作明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

客户沟通稿

输入：一个需要向客户解释的专业问题。

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。

交付前确认：没有绝对化承诺。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Harvey 的结果与人工完成或 Legora 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

更多可以试的用法

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。

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」。

检查点：区分原文与推论。

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：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：从业者担心责任问题

明确 AI 只做草稿与检索，签字与判断由专业人员负责。

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：领域模型

针对特定行业数据训练或调优的模型。

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。

适合人群：HR 与招聘

HR 与招聘可以用 Harvey 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。

使用提醒

文中提示词和示例仅作示意，实际效果取决于你的材料和 Harvey 当前版本，重要内容请人工核对后再使用。

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