Harvey AI 推出按需視覺功能，用於法律文件分析

James Ding 2026年5月6日 19:05（UTC +8）

Harvey AI 的新系統能夠對法律文件中的圖表和示意圖進行精確推理，解決傳統 OCR 方法中代價高昂的不足之處。

Harvey AI 發布了一套按需視覺系統，旨在解決法律科技領域長期存在的一大難題：理解並推理法律文件中的視覺元素。與傳統 OCR（光學字元辨識）流程將圖表、示意圖和表格簡化為純文字不同，新系統僅在必要時讀取並解釋視覺內容，從而提升準確性與效率。

法律文件鮮少僅包含文字，通常還包括財務圖表、工程示意圖，甚至平面圖。這些元素對決策至關重要，但 AI 系統歷來難以有效處理。Harvey AI 的解決方案允許使用者直接查詢這些視覺內容，並提供詳細、具上下文感知能力的答覆。例如，當被問及「第 47 頁的營收圖表顯示了什麼？」時，系統不僅提取數據，還會分析坐標軸、對未標記的數據點進行插值，並提供結構化洞察。

為何重要

傳統文件處理模型無法捕捉非文字元素的複雜性，導致 AI 生成的回覆存在缺漏。Harvey 的新系統採用選擇性、查詢驅動的方式，直接應對這些缺漏。系統並非在文件導入時處理所有視覺元素，而是僅在使用者的問題有所需求時才啟動視覺功能。這樣可避免不必要的運算成本——在數十億張圖片的規模下尤為關鍵——並確保在最重要的地方進行高保真分析。

主要功能

• 智慧頁面偵測：系統在分析視覺內容前，先利用基於文字的搜尋識別相關頁面，在數毫秒內將 500 頁的文件縮小至少數候選頁面。
• 高解析度渲染：文件被轉換為統一格式，並以高 DPI 進行渲染，保留小型圖表標籤和複雜版面等細節。
• 結構化視覺推理：視覺模型不僅描述圖像，還會提取數值、讀取圖表坐標軸，並區分精確與近似的數據點。
• 成本最佳化：透過按需處理視覺內容，Harvey 大幅降低了運算成本。早期測試顯示，文件中多達 90% 的視覺元素對於回答使用者查詢並非必要。

挑戰與創新

為法律科技建立可擴展的視覺系統面臨獨特挑戰。法律文件在格式和複雜性上差異極大，從手寫批注到超大圖表不等。Harvey 的解決方案整合了高速渲染服務，並確保文件格式的一致性。此外，系統還納入了「優雅降級」機制，當視覺元素缺失或不清晰時，避免產生虛構的答覆，而是如實報告其能夠確定和無法確定的內容。

實際測試的收穫

在評估過程中，Harvey 的系統展示了以高準確度回答涉及圖表和示意圖的複雜查詢的能力。值得注意的是，許多問題僅憑文字即可解決，這進一步印證了 Harvey「文字優先、視覺其次」設計理念的高效性。這一架構確保文字查詢能夠快速回覆，同時將視覺分析保留用於真正複雜的情況。

展望未來

Harvey AI 計劃將其視覺功能擴展至其他領域，包括更進階的示意圖解讀，以及針對邊緣案例的增強渲染。該公司還專注於降低延遲，並進一步優化其工具識別何時需要進行視覺分析的能力。

憑藉這項創新，Harvey 為法律科技領域的 AI 樹立了新標準，將成本效益與處理複雜文件的卓越準確性相結合。對於處理數據密集型案件的法律專業人士而言，這款工具代表著重大的飛躍。

如果構建此類系統令您感到興奮，Harvey AI 正在招聘。在此探索開放職位。

• ai
• legal tech
• document processing
• harvey ai