在「垂直行业」类工具里，Luminance 的定位是：面向合同审阅与谈判的法律 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「资料检索与摘要」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。

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」。

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「只标问题不下结论」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

客户沟通稿

适用情况：手头有一个需要向客户解释的专业问题时。

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。

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。

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：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：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：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。

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：HR 与招聘

HR 与招聘可以用 Luminance 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 Luminance 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：法务与律师助理

法务与律师助理可以用 Luminance 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。

使用提醒

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。

涉及个人信息、商业机密或受监管数据时，先确认 Luminance 的数据处理条款，再决定能否使用。

延伸阅读