面向金融与咨询的大批量文档分析平台——这是 Hebbia 最主要的用途，也是本文讨论的前提。

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

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。

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 Hebbia 的结果与人工完成或 Harvey 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

客户沟通稿

准备材料：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。

验收标准：没有绝对化承诺。

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。

交付前确认：注明了确认对象。

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：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：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：人在回路

关键判断必须由有资质的人员确认。

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：财务人员

财务人员可以用 Hebbia 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：法务与律师助理

法务与律师助理可以用 Hebbia 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：销售

销售可以用 Hebbia 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。

使用提醒

本文基于 Hebbia 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。

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

延伸阅读