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。

下面列出 10 个具体场景，每个都注明适合与不适合的情况。

10 个场景

  1. 专业文档初稿：需要人工复核。
  2. 资料检索与摘要：适合先小范围试用。
  3. 合规清单：需要人工复核。
  4. 批量文档审阅：需要人工复核。
  5. 客户沟通稿：可以做成固定模板。
  6. 法务与律师助理：合同初审：适合先小范围试用。
  7. 咨询顾问：行业研究：可以做成固定模板。
  8. 财务人员：单据识别录入：可以做成固定模板。
  9. 行政与助理：会议安排与纪要：适合先小范围试用。
  10. 科研人员：文献检索与阅读：效果依赖输入材料质量。

挑两个场景细看

批量文档审阅

输入：一批合同、报告或单据。

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。

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。

检查点：待确认处被明确标出。

不适合的场景

  • 需要专业资质最终签字的判断。
  • 无法核实来源却要公开发布的内容。
  • 涉及他人隐私且未获授权的材料。

补充练习

合规清单

输入：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。

验收标准：注明了确认对象。

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。

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。

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。

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。

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：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。

适合人群：科研人员

科研人员可以用 Harvey 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

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

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。

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。

延伸阅读