Harvey，这款由红杉加捏、OpenAI投资的法律AI，不仅以惊东说念主的融资节拍跃升为独角兽，更在家具结构、数据闭环与行业深度上竖立了垂类智能体的新标杆。本文将以Harvey为样本，深切明白垂直Agent的构建逻辑与交易后劲，为你揭示下一代AI家具的破局之说念。

前两天先容了医疗AI中的明星家具OpenEvidence，其实那时被红杉吹捧的不单是他，还有个法律Agent家具Harvey：

要是通达这个家具，再勾通OpenEvidence的终了旅途，人人可能就会发现数字分身类AI表情许多共同的特质了。

Harvey AI 创举东说念主是一双KnowHow + 本领的经典组合，由行业内行（讼师）以及AI本领内行组成，旨在打造专为法律专科处事智能体平台。与OpenEvidence一致，他们也成立于2022年，属于ChatGPT第一批受益者。

阛阓方濒临其出路高度招供：

不错看到，比之OpenEvidence的60亿估值，Harvey是不遑多让，铁心2025年第三季度，他们仍是终清亮数千万好意思元收入。

进一步，他存在的真谛也很粗浅，等于降本增效。法律行业布告量弘远且高度专科，讼师需破耗多数时辰在审查合同、法律检索和布告草拟上等责任上。

Harvey AI降生的中枢原因是惩办现存大模子在法律专考场景中的不及，尤其是“幻觉”问题。其实关于数字分身AI来说，起首可靠、可回想简直是通用要求了。

终了旅途方面亦然老三样，通过构建特殊的法律常识库，使得AI回答附带完竣起首援用，极大提高了谜底实在度。

临了，专科的法律东说念主员老是稀缺，Harvey的出现也投合了阛阓之于降本增效的需求，是以越来越多的客户和企业要求讼师使用AI器具。

接下来，咱们来望望具体的家具结构：

一、家具功能

Harvey的家具由多个协同模块组成，其中包括法律助手、文献仓库、常识检索和责任流等中枢功能：

法律助手提供对话式界面，可在Word、Outlook等应用内商讨法律问题、草拟文献或分析案件事实，这是属于门径的基于常识库的AI“布告”生奏遵循；

文献仓库允许批量导入多数文献，自动索要要道要求并进行蚁合式审查；

常识检索模块复古用户针对复杂法律、监管、税务问题进行深切检索，自动复返带有出处援用的谜底，涵盖全球律例、案例和业内最好延迟；

责任流模块则是一套可视化的自动化活水线缠绵器具，讼师可无需编程常识即可串联多个AI任务，如自动翻译、信息索要、批量草拟…

举例，用户不错缠绵一个“合同尽责访问”责任流，由Harvey自动轮番索要合同重心、查对门径要求并生成讲演；也可使用Harvey预置的NDA审核责任流，大幅镌汰了脱手审查时辰；

Harvey还与微软Office 365深度集成：在Word中镶嵌了Harvey的AI撰写和查验插件，在Outlook中可快速生成或恢复邮件，并能将SharePoint中的历史文献同步至Harvey环境进行查找。

这里我知说念人人领略得懵懵懂懂的，这里需要举个例子：

二、法律版Coze

Harvey 在家具模块缠绵上与国内Coze 有不少相同之处，但又更贴正当律行业的需求。最大不同起首于两点：它内置了多数法律常识库、使用了覆按的法律模子。

是以，他所谓端到端的低代码责任流构建环境，昌盛讼师事务所定制化的业务经过需求。其实是因为他是一个法律行业专属的智能体平台：既有 Coze 式的可视化责任流机制，又有许多法律插件，还摆布专科法律语料和端正大幅责怪了常见的“幻觉”风险。

是以，这东西跟之前的OpenEvidence还确实有所不同，OpenEvidence愈加2C少许，Harvey 貌似企图让各个讼师上传我方的责任流与数据？

就如业界不雅点，在企业级阛阓上，垂直限制的智能体OS（如法律行业的 Harvey）更能听懂行业言语、领略真确需求：

懂行的同学皆知说念，责任流平台这东西不蹙迫（责任流蹙迫），是以Harvey 最有特色的部分是其常识库模块，系数系统缠绵围绕法律场景张开。Harvey 的法律研究功能大略检索并分析法律执行，自己就犀利常好的常识库应用，致使不错单拎出来使用。

比如，当讼师在系统中商讨复杂的律例问题时，Harvey 会复返包含完竣出处商量的谜底。当常识不实时，不错由文献仓库模块补足文献，由此竖立私东说念主法律常识库。

再匹配其私有覆按过的大模子，于是家具专科度会进步不少，只不外我这里其实有些质疑其是不是只是是早期覆按过模子，因为现阶段其实是不太覆按的了。

综上，固然在功能上可能与Coze、Dify肖似，但从定位上Harvey属于法律助手类协同平台，具体来说互异体当今数据，这里有许多是Dify这类平台作念不到的，比如：

三、生态情况

Harvey 与 LexisNexis 晓喻战术定约，把 低级法 平直集成到 Harvey 里，用于检索与可考证援用，心事“爬网页”式起首；

同期，Harvey 有可能是OpenAI早期的数据供应商，他早期与OpenAI、PwC等互助，设备了针对好意思国案例法的专用模子，在GPT-4之上注入了十亿级别的法院判决文本，显耀提高了复杂法律问题的准确性。

粗浅来说，Harvey是一家在法律限制至极有底蕴的团队，比如他们和微软办公体绑缚合得很深，许多客户接收Harvey除了因为其高度定制化的法律大模子、成果的可考证性；然后等于他不错与现存办公系统的无缝集成…

是以，Harvey是吃了渠说念流量的红利啊，这也体现出了其弘远的生态上风。

再者，因为其2B责任台的秉性，交易花样其实也比拟固定，无非是订阅费乃至为大客户定制模子和责任流的工程处事费。

只不外，跟着用户量增多，其不错完成的撮合交游秉性也在体现，活脱脱有将自身造成法律品类某个流量撮合平台的趋势：与律所互助设备的责任流（如A&O Shearman的ContractMatrix、Macfarlanes的Amplify）对外交易化，律所和Harvey按比例共享收益。

临了，咱们聊聊国内对标：

四、国内情况

国内的话，也不是莫得法律关联的家具，比如：AlphaGPT、法狗狗、契约锁等，完奏遵循也很常见，包括同审查、法律布告草拟、法律看管、档册阅读、案情分析等。只不外DeepSeek尤其是R1这东西的幻觉率，懂的皆懂。

而且粗浅望望其融资情况：iCourt AlphaGPT 没找到融资数据；法狗狗最近的融资要到2017年的数千万了；契约锁也要到2021年，数字未知；好少许的是幂律智能，作念合同AI/法律AI的，23年融资近8000w；

咱们只从成本层面来说很难产生平直的对标家具，因为法律场景不像医疗那么“有钱”（百川智能如故花了不少钱），而且唯有占领进口告白皆不错赚许多（比如百度）…

综上，国内尚无家具能在功能深度与数据基础上系数匹配Harvey。

其背后原因，我以为中枢如故在于数据，但并不是数据难以赢得的问题，其实数据安全这块走展空间很大，只不外重要点可能在于标注难度高！

何况就我客岁搏斗下来，法律这个行业还很传统，他们许多数据依旧土产货化Word、PDF、邮件飞来飞去，并莫得太好的刚烈要作念规整；

然后就要从更深层的东说念主性角度想考了，比如为什么咱们有点微恙痛心爱先到线上去问问AI医师，为什么咱们简直不倾向于问AI讼师？会不会其自己有什么问题？

五、结语

回到咱们起初的问题：为什么 OpenEvidence 与 Harvey 会成为“垂直智能体 OS”的代表？

医疗与法律看似不同，但底层逻辑很肖似，把“笃定性”用工程面孔固化出来，再让模子在鸿沟内推崇推理能力。

是以谜底是：强起首的数据笔据 + 可复用的责任流门径件 + 面向可委派成果的评估体式学。其要道在于三个工程化闭环：数据闭环：放手全网爬取，构建“私域常识-人人笔据-高低文经管”的可回想体系，让每个论断皆班班可考。责任流闭环：将复杂任务拆解为30-50个“可委派单位”，标的依旧是可控性。评估闭环：用“完成度/可委派度”取代虚高的“准确率”；

临了，对中国阛阓而言，法律AI爆款家具要出现，其难点不在数据匮乏，而在“数据是否可用、可评、可控”。洒落的Word/PDF、薄弱的常识结构、严格的安全顾虑等等皆是咱们接下来要攻克的…

本文由东说念主东说念主皆是家具司理作家【叶小钗】，微信公众号：【叶小钗】，原创/授权 发布于东说念主东说念主皆是家具司理，未经许可，退却转载。

题图来自Unsplash开云kaiyun，基于 CC0 合同。