Ren(@Ryrenz):🔬 震惊，Harvey LAB 把 1671 道真实法律活儿做成了公开基准，专门考 AI agent 能不能干律师的事。 GitHub 1381 star，两百四十多个 fork，MIT 许可，Harvey 出品。在法务岗或者做法律方向 AI 的人最头疼一件事：怎么判断一个 agent 到底靠不靠谱。拿几套选择题式的法律考试去测，分数很漂亮，可真实工作里 agent 要翻几百页文档、要交叉核对条款、最后还得交一份能直接给人看的东西，这些一条都测不出来。 Harvey LAB 给的是两样东西。一套任务集，每道题带着指令、配套文档和评分标准，覆盖 24 个以上法律执业领域以及合同相关的活；再加一套执行框架，负责把 agent 跑起来、打分、出报告。评分用的是全部通过式的标准，一条不达标这题就不算过，中间配合 LLM 评判。仓库里那个并购 data room 的教程能完整走一遍流程：建任务、检查、跑 agent、打分、看报告，最后拉一个对比看板出来。项目方自己说这是个会持续扩的东西，九月中刚发了 v1.1.0。考 AI 会不会做题容易，考它会不会干活难。 GitHub：

2026.09.28 03:05

🔬 震惊，Harvey LAB 把 1671 道真实法律活儿做成了公开基准，专门考 AI agent 能不能干律师的事。 GitHub 1381 star，两百四十多个 fork，MIT 许可，Harvey 出品。在法务岗或者做法律方向 AI 的人最头疼一件事：怎么判断一个 agent 到底靠不靠谱。拿几套选择题式的法律考试去测，分数很漂亮，可真实工作里 agent 要翻几百页文档、要交叉核对条款、最后还得交一份能直接给人看的东西，这些一条都测不出来。 Harvey LAB 给的是两样东西。一套任务集，每道题带着指令、配套文档和评分标准，覆盖 24 个以上法律执业领域以及合同相关的活；再加一套执行框架，负责把 agent 跑起来、打分、出报告。评分用的是全部通过式的标准，一条不达标这题就不算过，中间配合 LLM 评判。仓库里那个并购 data room 的教程能完整走一遍流程：建任务、检查、跑 agent、打分、看报告，最后拉一个对比看板出来。项目方自己说这是个会持续扩的东西，九月中刚发了 v1.1.0。考 AI 会不会做题容易，考它会不会干活难。 GitHub：

显示更多