知风云
合同审查这件事，发现风险是关键目标，而且要在有限时间内把风险找全、理清楚、说明白。比如一份涉及交叉担保和多层交割条件的投资协议，或者一份附件比正文还长的工程总包合同，逐条通读、核对勾稽、形成意见，一天未必够用。
责编|亿亿 编辑|阿苓
AI大模型介入合同审查，最大的价值在于把条款梳理、要素提取、一致性比对、意见格式化这些高耗时低判断的环节大幅压缩，把你的精力释放到真正需要法律推理和商业权衡的地方。
把这个价值兑现，需要一套结构化的使用方法。直接上传合同让AI全面审查，得到的通常是一份泛泛而谈的清单，既不深入也不好用。下面我们就基于实际操作经验，梳理一套适用于法务工作场景的AI协作审查框架。
合同审查的工作内容，从性质上可以切分为两层。
图1 合同审查中AI能力边界
第一层是结构化处理。
通读全文提取要素、识别条款类型与位置、比对不同版本或标准模板的差异、检查合同内部的数字和引用是否一致、将审查发现整理为格式化输出。
这些工作占据了审查总时长的大部分，但本质上是信息处理而非法律判断。
第二层是专业判断。
违约金比例是否在司法调整的合理区间内、免责条款在格式条款规制下的效力边界、陈述与保证条款的覆盖面是否存在重大遗漏、保密义务期限与竞业限制期限的合理匹配、某个风险条款在当前谈判格局下是否值得坚持修改。
这些工作需要法律功底、行业经验和对具体交易的理解。
AI的能力边界恰好落在两层之间，高效完成第一层工作，并对第二层提供初步参考，但最终的法律判断必须由人完成。认清这个定位，是科学应用AI的基础。
所以关键在于如何设计这个协作流程。你需要把“审查一份合同”这个笼统任务拆解成一组有明确先后顺序的结构化指令，让AI在每个环节发挥它的优势，而不是指望它一轮对话解决所有问题。
以下四步工作法经过多种合同类型的验证，核心逻辑是逐层深入——每一步的产出构成下一步的输入，逐步缩小审查焦点、提升分析深度。
图2 AI合同审查四步工作法
1、交易背景与审查语境设定
这是多数人跳过的一步，也是审查效果拉开差距的地方。
AI没有预设的交易语境。不提供背景信息，它的分析只能停留在通用层面——列条款、标风险点、给模板化建议。但同样一个“违约金为合同总额30%”的条款，在己方为买方且对方是强势龙头供应商的情境下，与己方为卖方且面对初次合作的中小客户的情境下，审查关注点和建议策略完全不同。
背景交代的核心要素包括：合同类型与交易结构、己方角色与利益诉求、双方谈判地位、审查侧重点和底线条款、适用的特殊监管要求（如涉及国有资产交易、跨境数据传输、特许经营等）。
不需要面面俱到，但要把影响审查方向的关键信息交代清楚。涉及敏感信息的，企业名称用代号、金额做模糊化处理即可，关键是保持交易结构和利益关系的准确性。
【提示词模板：审查背景设定】
2、全景扫描与结构化要素提取
上传合同后的第一个指令应当是全景扫描而非深度分析。目标是快速建立合同全貌的结构化认知：章节结构与条款索引、核心商务条件提取（主体、标的、金额、付款节点、交付条件、争议解决）、关键条款定位（违约、赔偿、免责、保密、知识产权、解除终止、不可抗力）、初步的结构性发现——必备条款缺失、条款间明显矛盾、模糊表述。
全景扫描的价值是对AI理解质量的校验：如果AI连合同主体或交易结构都识别错误，说明输入材料可能有格式问题，比如扫描版PDF识别不准、附件未上传完整等，需要先处理材料再继续。
扫描结果还为后续深度审查提供了优先级排序依据，结合你对交易的理解，确定哪些条款类别需要优先深入。
【提示词模板：合同全景扫描】
我已上传合同文本，请通读全文完成以下工作：
1. 合同结构梳理：列出合同共有多少条，各条标题和核心内容。
2. 核心商务条件提取：以表格呈现合同主体、标的与范围、金额与价格条件、付款方式与节点、履行期限、争议解决方式。
3. 关键条款定位：标注违约责任、赔偿与免责、保密、知识产权、不可抗力、解除/终止条款在合同中的位置。
4. 初步观察：是否存在明显缺失的必备条款、条款间矛盾或不一致、表述模糊可能引发争议的条款、明显对己方不利的条款。
3、分类深度审查与多轮追问
这是流程的核心环节。根据全景扫描结果和审查优先级，逐类展开深度分析。
实操中有一个细节，每轮对话只聚焦一个条款类别。试图让AI在一个指令中同时分析违约责任、知识产权、保密条款和合规性，得到的只能是每项都浮于表面的概述。聚焦单一类别，AI的分析深度和结构化程度都会显著提升。
以违约责任条款审查为例，一个有效的指令应当要求AI完成以下分析：逐项梳理合同约定的违约情形及对应后果、以表格呈现双方违约责任的对等性对比、评估违约金比例是否存在被司法调整的风险（过高或过低）、检查免责条款的范围及其在格式条款规制下的效力、识别遗漏的重要违约情形、对每项问题标注风险等级并给出条款修改建议。
【提示词模板：违约责任条款审查】
请对合同中的违约责任条款进行深度审查。己方角色是【买方/卖方】。
1. 违约情形梳理：以表格列出合同约定的各项违约情形→违约方→违约责任形式→违约金计算方式。
2. 对等性分析：双方违约责任是否对等？是否存在一方承担严格责任而另一方几乎不承担责任的情况？
3. 违约金合理性：各项违约金比例是否存在被司法调减的风险（过高）或不足以弥补损失的风险（过低）？
4. 免责与限责：免责条款范围是否过宽？责任上限是否合理？在格式条款规制下是否存在效力问题？
5. 遗漏检查：有无重要违约情形未约定违约责任？
对每个问题标注风险等级（高/中/低），并给出具体的修改建议。
深度审查中的另一个关键动作是多轮追问。AI首轮输出往往偏概括，需要针对性地追问细化。
比如AI指出“保密条款存在风险”，应追问是保密信息定义过宽、还是保密期限与交易周期不匹配、还是违约救济措施不足。
AI给出修改建议后，值得追问对方可能的抗辩理由以及退而求其次的方案，这类追问能将AI的输出更接近实务层面可用。
对于不同类别的条款，审查侧重点差异很大。核心商务条款（标的范围、价格与付款、交付验收）侧重可操作性和商务对等性；风险分配条款（违约、赔偿、免责、解除终止）侧重责任平衡和法律效力；合规性条款侧重强制性规定的符合性和行业监管要求的覆盖面。
在每类审查的指令中明确侧重方向，AI的输出针对性会好得多。
4、风险分级与修改意见整理
深度审查完成后，需要对分散在各环节的发现做汇总和分级。
风险分级是核心。建议按三级划分：重大风险（影响合同效力或可能导致重大损失，不修改不宜签约）、一般风险（对己方不利但可通过谈判调整，属于谈判筹码）、提示事项（条款可优化但不影响签约大局）。
分级的目的不是给业务部门一个“能不能签”的结论，而是让谈判团队清楚哪些问题必须坚持、哪些可以灵活处理、哪些属于锦上添花。
在此基础上，让AI生成格式化的修改意见清单：条款定位、原条款摘要、问题描述、风险等级、修改建议。这份清单是法务向业务部门或谈判团队交付的直接工作产出。
AI生成的是初稿，法务需要重点审核两个方面：一是法律依据的准确性（下文专门讨论），二是修改建议的商业合理性——AI提出的修改方案是否在当前谈判格局下切实可行。
【提示词模板：风险汇总与修改意见整理】
请基于前面的分析，汇总形成审查意见。
1. 风险分级：将所有发现的问题按三级划分——重大风险（不修改不宜签约）、一般风险（建议修改但可谈判）、提示事项（可优化但不影响签约）。
2. 修改意见清单：以表格格式整理，包含字段——条款位置、原条款摘要、问题描述、风险等级、修改建议。
3. 重大风险条款请附修改后的完整条款文本供参考。
【提示词模板：风险汇总与修改意见清单】
请基于前面的审查分析，整理一份结构化的审查意见清单。
一、风险分级：将全部发现按以下三级分类：
· 重大风险：影响合同效力或可能导致重大损失，不修改不宜签约
· 一般风险：对己方不利但可通过谈判调整，属于谈判筹码
· 提示事项：条款可优化但不影响签约大局
二、修改意见清单：以表格形式整理，包含以下字段：
条款位置 | 原条款摘要 | 问题描述 | 风险等级 | 修改建议
三、整体签约建议：结合风险全貌，给出综合判断（建议签/修改后签/不建议签）及理由。
方法论讲完，必须直面两个AI辅助合同审查中绕不开的硬约束。回避这两个问题，等于在误导使用者。
1、AI幻觉防范
这是合同审查场景下AI应用最突出的风险点。
AI在分析条款时经常主动援引法条，形式上看起来很专业——“根据《民法典》第五百八十五条第二款”“依据《最高人民法院关于适用〈中华人民共和国民法典〉合同编通则若干问题的解释》第六十五条”——但这些引用有相当比例是不准确的：条文号张冠李戴、条文内容与实际不符、甚至整部司法解释是编造的。这是当前大模型的固有缺陷，短期内不会彻底解决。
应对策略很明确，AI引用的每一条法律依据，都必须到法律数据库中逐一核实。
可以在提示词中要求AI标注具体的法律名称、条款编号和相关条款内容，对不确定的法条主动标注“建议核实”。但即便如此，法务人员仍需独立验证。在正式审查意见中，只引用经过人工确认的法律依据。
这一点与AI在其他业务场景中的应用有本质区别。财务分析中数据算错可以回溯修正，但合同审查意见如果建立在虚假法律依据之上，影响的是整个审查结论的根基和法务部门的专业公信力。这个验证环节的成本不能省。
2、人工决策边界
AI可以解析条款文本，但无法真正理解交易博弈的全貌。它可能指出某个单方解除权条款“对己方不利”，但不知道这是双方在价格和付款节点上做出对等让步后的谈判结果。
它可能建议增加对赌条款中的业绩补偿上限，但不了解这个项目中投资方的核心诉求是控制权安排而非财务对赌。
这个局限无法通过优化提示词彻底解决。交易背景信息可以在一定程度上引导AI的分析方向，但商业博弈中的权衡取舍、行业惯例中的“合理区间”判断、谈判策略的优先级排序，都依赖法务人员基于专业经验和项目理解做出。
正确的定位是：让AI在你做判断之前把材料铺好——条款结构理清、风险点标全、修改方案列出、对比分析做完。你在这个基础上做取舍和决策，效率远高于从原始合同文本开始逐条推进。
3、差异化审查方法
四步工作法是通用框架，但在第三步“深度审查”中，不同类型合同的审查焦点差异显著，使用AI时需要针对性地调整指令方向。
图3 不同合同类型的审查焦点差异对照图
采购合同的审查重心通常在交付验收环节：标的物规格描述的精确度、验收标准的可量化性、质量异议期与默示验收条款的合理性、延迟交付与延迟付款的违约责任对等性。在背景介绍阶段即应引导AI关注这些方向。
服务合同的风险集中在范围边界和成果归属：服务范围的定义是否存在模糊地带、变更流程与费用调整机制是否配套、SLA指标是否可量化可考核、服务成果的知识产权归属是否明确。
服务合同的争议大多源于“范围蔓延”，审查时应重点关注兜底性表述（如“包括但不限于”）的风险。
投资合同/股权转让合同是审查复杂度最高的类型。
估值与价格调整机制、陈述与保证条款的覆盖面与存续期、交割条件的可控性与过渡期安排、对赌指标的合理性与补偿机制、公司治理安排中的一票否决权范围、退出机制（优先清算权、回购条款、随售权/拖售权）——每一组条款都是高风险领域，需要逐一深入分析。
这类合同建议走完整流程且不压缩任何环节。
租赁合同相对标准化，但几个高频争议点值得专门关注：租金调整机制是否设有涨幅上限、提前解约的违约成本计算方式、维修责任在日常维护与结构性修缮之间的划分标准、租期届满后装修残值与恢复原状义务的处理。
4、关联条款检查
深度审查聚焦单类条款的纵向风险，但合同作为一个整体文件，条款之间的横向一致性同样关键——这恰恰是AI的结构化处理能力最能发挥优势的领域。
实务中合同内部不一致的情况远比预期常见：合同首部与落款处的主体名称不一致（尤其是集团内关联公司较多的情况下）、总价条款与分项明细加总不符、交付期限在正文与附件中的表述存在口径差异（“60个工作日”与“三个月”）、某条款引用了“本合同第8条”但第8条的实际内容与引用语境不匹配。
这些问题在人工逐条审查时极易遗漏——注意力集中在单条款风险分析上，很难同时追踪全文各处的数字、日期和交叉引用。
建议在深度审查完成后单独做一轮一致性检查，让AI比对全文中出现的主体名称、金额数字、日期时间、条款编号引用、以及附件与正文之间的对应关系。
这一步的投入产出比很高：耗时短（通常几分钟），但发现的问题往往具有实质性影响——有些是需要修正的笔误，有些可能反映出更深层的条款逻辑矛盾。
【提示词模板：关联条款一致性检查】
请对合同全文进行内部一致性检查，重点比对以下内容：
1. 主体名称：合同首部、正文各条款、落款处的合同主体名称是否完全一致。
2. 金额数字：合同总价与分项明细加总是否一致，大小写金额是否匹配，各处引用的金额数字是否一致。
3. 日期时间：合同期限、交付日期、付款节点等时间节点在正文与附件中是否一致。
4. 条款交叉引用：合同中引用“本合同第X条”的地方，被引用条款的实际内容是否与引用语境匹配。
5. 附件与正文：附件中的技术指标、价格清单、服务范围等与正文约定是否一致。
对发现的不一致之处，请标注具体位置并说明差异内容。
合同审查的本质是交易风险管理——识别法律风险、评估风险敞口、设计防控措施、平衡商业利益。
这些工作的核心能力是法律推理和商业判断。AI压缩的是条款梳理、要素提取、版本比对、格式化输出这些环节的时间，释放出来的精力应当投入到风险实质判断、修改策略设计、谈判方案权衡这些高价值环节。
从工作时间分配看，变化是显著的。过去一份复杂合同的审查中，可能百分之七十的时间花在“读合同、提条款、做比对、写格式”上，百分之三十留给“判风险、做取舍、定意见”。
AI辅助可以把这个比例扭转过来。但前提是掌握一套有效的协作方法——不是把合同扔给AI等结果，而是用结构化的指令引导AI在每个环节发挥它的优势。
本文介绍的四步工作法是一个基本框架。更完整的操作流程、各类条款的具体提示词模板、不同合同类型的专项审查策略、长合同的分段处理技巧、常见问题的应对方法，我们在《 AI大模型用于合同条款风险审查操作指南》中做了系统展开。
指南共七章加附录，覆盖从审查准备到意见整理的完整工作流程，提供了可直接使用的提示词模板速查表，面向企业法务和风控人员的日常工作场景设计。
业务咨询
小知老师：13717782620（微信同号）
座机：010-82685584
转载、商务合作 ：wyf35729
-
深度解读：《国企领导人员廉洁从业规定》与《国企管理人员处分条例》的协同与分野 -
国企准确学习利用“十五五规划纲要”，要防止三个缺陷 -
《国有企业一人董事履职工作手册》重磅上新！系统破解一人董事履职治理难题
