背景
法律工作向來高度依賴大量文字的閱讀、分析與產出。無論是訴訟案件、企業併購還是監管申報，律師都需要在短時間內消化法院文件、事務所內部資料、判例研究以及各種法律來源，再將這些資訊轉化為結構嚴謹、格式正確的法律文件。這個過程耗時且繁重，也讓法律科技成為人工智慧應用的重要領域。
Harvey 是一家專注於法律產業的人工智慧新創公司，總部位於北美，主要協助律師事務所與企業法務部門在複雜的法律工作流程中安全部署 AI，涵蓋訴訟、併購等不同業務類型。2026 年 9 月，OpenAI 發布了 Harvey 採用 GPT-6 Astra 模型的案例，說明這項技術如何讓律師在起草法律文件時獲得更好的結構與上下文支援。
核心內容
GPT-6 Astra 是 OpenAI 推出的新一代模型，其特色在於能夠處理更大量的上下文資訊，並產出更具結構性的內容。對 Harvey 而言，這意味著律師可以在起草過程中納入更多與案件相關的背景資料，包括法院資訊、律師事務所文件、判例研究以及其他法律來源。Harvey 使用 GPT-6 Astra 來協助律師分析、綜合這些資訊，並進一步產出法律文件草稿。
根據 Harvey 的共同創辦人兼總裁 Gabe Pereyra 的說法，GPT-6 Astra 讓團隊能夠提供更多上下文給模型，並因此獲得結構更完善的輸出結果。與其他模型相比，Harvey 觀察到 GPT-6 Astra 在文件格式化和上下文感知方面有顯著進步，客戶能取得更完整的文件，且文件內容更能反映背後的原始材料。
技術與脈絡解讀
GPT-6 Astra 的關鍵優勢在於上下文處理能力。傳統的語言模型在處理長文件或大量背景資料時，往往會因為輸入長度限制而遺漏重要資訊，或是無法有效整合分散在不同來源的內容。GPT-6 Astra 擴展了可處理的上下文範圍，讓模型能夠同時考量更多材料，進而產出更連貫、更符合案件需求的草稿。
Harvey 還設計了記憶面板功能，將律師的個人偏好直接帶入起草流程。舉例來說，律師可以在記憶面板中設定偏好，例如使用編號列表、優先採用 EDGAR 作為資料來源，或是依照優先順序以不同顏色標示議題。EDGAR 是美國證券交易委員會的電子化資料系統，收錄企業申報文件，是法律與金融領域常用的權威來源。這些偏好設定會與原始材料及草稿備忘錄一同顯示，讓律師在引導模型輸出時有更清晰的參考依據。
這項設計的實務意義在於，法律文件往往有嚴格的格式要求與客戶特定偏好。過去律師需要手動調整草稿格式，或是在每次新案件中重新設定模型參數。透過記憶面板，律師可以將這些偏好系統化地保存並套用，減少重複性工作，讓律師能將更多時間投入策略性思考與法律判斷。
影響與限制
GPT-6 Astra 對法律文件起草流程的改善，直接影響了律師的工作方式。文件格式化與上下文感知的提升，意味著律師花在整理格式、確認引用來源、調整文件結構的時間可以大幅減少。Harvey 的客戶因此能將更多精力放在案件策略、客戶溝通與談判等需要人類判斷的層面。
不過，這項技術仍有其限制。法律文件的準確性至關重要，模型即使能處理更多上下文，仍可能產生錯誤引用或遺漏關鍵細節，律師必須對模型輸出進行審查與驗證。此外，偏好設定依賴律師主動維護與更新，若案件類型差異過大，記憶面板中的既有偏好可能不適用於所有情境。資料安全與隱私也是法律科技應用的核心考量，Harvey 強調安全部署，但客戶在採用這類工具時仍需評估合規風險。
整體而言，GPT-6 Astra 為法律文件生成提供了更完整的上下文理解與結構化輸出能力，Harvey 的案例顯示 AI 在專業領域的應用正從單純的文字生成，走向更貼近實際工作流程的輔助工具。這項發展的意義不僅在於提升效率，也在於讓律師能夠專注於真正需要人類專業判斷的工作。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。