黄子艺
iCourt 法律 AI 研究员
和对话式 AI 相比，Claude Code 作为 Agent 具有天然优势：上下文能力强，读长文件不容易断；Projects 又能存放固定模板，适合反复做同类项目。
但律师在使用 Claude Code 处理法律问题时，常常缺少清晰的流程。本文以专项合规报告为例，向各位律师、法务展示 Prompt、输出清单、差距分析、生成报告初稿的全流程。
业务需求介绍
客户是一家电商公司，委托律师做一份个人信息保护专项检查。客户提供的两份材料包括用户协议以及隐私政策。律师需要基于这两份材料，形成一份专项合规报告。
⬆️ 用户协议及隐私政策部分内容截图
这是一个实务中实际存在的场景。为了测试系列提示词是否真的有效，我在两份用于测试的文件中埋了一些坑：告知事项不完整、第三方共享披露过粗、营销推送退出机制不清楚、境外传输情况只写了模糊表述等。
此次测试的重点是让 Claude Code 把材料拆开、对照规则并形成报告初稿，顺便查看它能否找出文件中的法律漏洞和风险。
Claude Code 生成专项合规报告全流程展示
1、设定角色和规则。
想要确保 Claude Code 输出的内容准确无误，首先要做的是通过提示词确立原则性规则，包括限定角色、说明交付限定输出边界、限定风险表达、限定“无法判断”的处理方式等等。
基于这一原则，提示词如下：
2、生成合规检查清单
这一步很关键。在生成合规检查清单后，Claude Code 后面的工作就会变成逐项核对是否合规，能够大大减少输出结果的不稳定性。
在这一过程中，清单不能只写成抽象原则，而是需要将检查项具体化，例如：隐私政策是否写明保存期限，是否区分必填和选填信息，是否说明第三方接收方名称和联系方式，是否提供个性化推荐的关闭方式。
提示词如下：
上述提示词中有一点要格外注意： 以《个人信息保护法》作为主依据，而不是要求它综合所有数据合规法律法规。
后者虽然听起来全面，但风险也高，AI 可能会把不确定的规范、条款甚至旧规则混在一起，注意这一点即可。
在发出第二个提示词后，Claude将生成一个检查清单：
为便于修改校准，我还在提示词中要求输出了 YAML 工作版，从而便于后续内容的调整以及格式的统一：
律师收到上述结果后，需要从两方面进行校准：
第一，业务方面需要结合用户的具体业务分析判断，看哪些检查项不适用于这个客户，哪些客户业务里一定要补进去，哪些问题看文件就能判断，哪些问题必须问产品、技术或运营。
比如“是否存在境外提供个人信息”，隐私政策里可能只写了一句“我们可能使用第三方服务商”。这时 Claude Code 没法判断服务器在哪里、服务商是否在境外、SDK 是否向境外传输数据。这个问题就不能直接写成“不符合”，而应该进入业务/技术核实事项。
第二，法律方面，首先是检查各项风险等级的判断是否过高或过低；其次是更重要的一步，检查法律依据是否准确。
由于 Claude Code 不含实时法规库，它在生成内容时可能会将相近条文混在一起。比如在本次测试中，我们就发现个别法条的引用存在偏差，第 12 个检查项中“停止处理其个人信息”实际上对应《个人信息保护法》第 47 条，而不是其生成的第 15 条。
提前整理一份常用条款表放进 Claude Project 中，可以降低法条援引的错误率，但仍然建议在采用前进行校准。
在对清单进行上述两方面确认后，可以给 Claude Code 发一条衔接提示词，再进入下一步。
3、根据材料做差距分析
这一步最重要的是要求 AI 仅引用原文，不能进行转述。在 prompt 中，可以讲“具体发现”和“差距说明”分成两列，方便检查：具体发现只放材料原文和出处；差距说明再写分析。
结论中需要有一类为“无法判断”。数据合规里有很多问题，本来就不是看两份文本能判断的，比如服务器位置、SDK 实际数据流、第三方服务商所在地、是否存在境外传输、产品是否真的使用个性化推荐等，这些都需要进一步问业务、产品或技术。
所以，Step 3 的输出不只是差距分析表，也是一张后续访谈和补充资料清单。参考提示词如下：
Claude Code 具有读取本地文件的能力，因此直接要求其读取桌面文件，即可输出差距分析表：
4、生成报告初稿
到了这一步，Claude Code 已经获取到了比较稳定的材料：哪些事项符合、哪些不符合、哪些无法判断等。
但仅通过两个文件，所能生成的内容即使做到极致也仍是初稿，尤其是给客户看的报告，律师更需要保留判断空间：哪些是文本披露不完整，哪些是授权机制需要核实，哪些是业务事实尚不清楚，哪些才可能构成实质风险。
比如在前述对比中归于“无法判断”的事项，将不直接写进风险结论，而是单独整理成“待进一步核实事项”。这样报告不会把没查清的事实写死，也方便律师后续向客户补充访谈。
我们可以直接要求 Claude Code 生成 doc 格式的文档，便于律师直接做个性化修改乃至对内对外的交付。
提示词如下。受限于篇幅，这部分提示词只展示部分截图：
完成上述步骤后，我们即可获得一份排版美观、格式规范的报告初稿：
除了生成报告外，Claude Code 还审核出了以下问题：
告知义务履行不完整、同意机制采用捆绑同意方式、缺乏第三方共享清单、撤回同意条款未说明操作路径和时效等高风险事项；
注册信息必要性未逐项说明、存储期限表述笼统、未披露个人信息保护负责人或部门联系方式等中风险事项；
推送频率和时间段限制未在材料中体现等低风险事项。
除了风险分析外，还有相应的合规整改建议，符合实务中客户的真实需求。
该流程的应用场景扩展与复用
除了数据合规，上述流程还可以扩展至更多法律场景：
做劳动合规，可以把 Step 2 的模块换成招聘、入职、考勤、薪酬、休假、解除终止；
做数据安全合规，可以换成数据分类分级、访问权限、日志留存、备份恢复、供应商管理、应急响应；
做反垄断合规，可以换成价格行为、渠道管理、经销商约束、平台规则、经营者集中、商业合作限制。
在保留总体结构的情况下，只要对法规依据和业务模块进行替换即可。
/ / /
对于不想投入精力研究技术，只想享受先进、靠谱、易用的 AI 服务的律师，不妨选择专业的法律 AI 工具，比如 Alpha AI 法律智能体。
Alpha AI 以超 6 亿法律大数据为基础，除前文提到的庭审提纲功能外，还涵盖类案检索、法律咨询、合同审查、文书写作、证据阅卷等多个功能板块，能大幅减少律师的重复性工作，将原本需要数小时的基础任务缩短至几分钟。
目前已有数万名律师在使用 Alpha AI，每一项功能都收获了众多好评。
该工具由清华大学前法学教授领衔研发，汇聚资深律师、法学专家与高级工程师协同发力，与律师的工作、办案、学习场景高度适配，能有效规避大模型「幻觉」问题，数据安全已通过国内及国际权威认证。
撰文：黄子艺 编辑：魏新峰