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。

当数据不能离开公司或个人设备时，就需要考虑自托管或开源路线。

先判断：它能不能自托管

它本身是云端服务；如果数据不能出域，可以考虑可自托管的开源方案做部分替代，代价是部署与维护要自己负责。

决策要点

  • 数据敏感级别：只有内部公开信息时，云端服务通常更省事。
  • 团队是否有人负责运维和安全更新。
  • 硬件投入：本地运行模型需要显卡或较大的内存。
  • 效果差距：用自己的任务实测，不要只看榜单。

可以评估的开源方向包括：Browser Use、Label Studio、Ultralytics YOLO。它们与 Harvey 的能力并不完全等同，适合用来承接对数据要求最高的那部分任务。

用同一个任务做对比

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。

验收标准：待确认处被明确标出。

自托管上线清单

  • 固定版本号并记录配置。
  • 只在内网暴露服务或加上认证。
  • 设置日志与资源监控。
  • 订阅仓库的版本发布与安全公告。
  • 准备回滚方案。

延伸练习

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。

交付前确认：注明了确认对象。

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：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：免责声明

说明 AI 输出仅供参考、不构成专业意见的提示。

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：咨询顾问

咨询顾问可以用 Harvey 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

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。

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。

写在最后

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