随着 Nebulaw 产品研发和企业项目的持续推进，我们开始重新思考：企业真正需要的 AI，不应止于完成具体任务，还要能持续理解企业的实际经营情况。

过去几年，AI 在文档生成、信息检索、合同审查和数据分析等领域取得了显著进展。

但在实际业务中，许多企业面临的困难是缺少一种能够跨越部门和系统、持续理解自身业务运行状态的能力。

这也促使 Nebulaw 开始从法律文档自动化，进一步探索面向企业真实业务关系的智能系统。

01        

缺的不是数据，

是对业务的理解

今天的大型企业，通常建立了相当完善的信息化体系。

ERP、OA、CRM、财务系统、供应链系统和合同管理系统，记录着企业经营活动的不同环节。

但这些系统往往只了解业务的一部分。

例如，一家企业签订了一份价值500万元的采购合同——合同管理系统记录双方的权利义务，采购系统生成订单，仓储系统记录货物出入库，财务系统记录付款情况。

每个系统都在正常运行，但如果企业想知道这笔交易是否真实发生、是否按照合同约定履行、是否存在异常付款或违规操作呢？

要核对的内容远不止于合同、订单、物流记录、验收凭证、发票和资金流水等。

而且即便所有数据都已存在，企业仍然需要投入大量人力，将分散的信息重新关联起来。

上述数据是否打通只是一方面，真正需要解决的是，系统能否理解这些不同来源的数据实际上描述的是同一笔交易。

传统的数据集成、商业智能和风险管理系统已经解决了部分问题，但复杂业务关系的识别、建模和维护，仍然高度依赖人工。

我们认为，AI 的下一阶段，有机会进一步降低这些工作的成本，让企业从记录业务，逐步走向理解业务。

02        

为什么从合同开始？

Nebulaw 最初的设定，是一款面向专业法律场景的 AI 原生工作平台。

我们围绕 Word、PDF 等专业文件，持续建设文档理解、精确修改、修订批注、Agent 执行和法律 Skills 等能力，让 AI 不再停留于生成建议，而是能够直接参与文档工作。

随着企业项目的推进，我们逐渐发现，合同不仅是法律文档，也是理解企业交易关系的重要入口。

因为合同定义了一笔交易应该如何发生。

交易主体是谁？交易标的是什么？价格和付款条件如何约定？何时交付、如何验收，以及出现违约时应当承担什么责任？

这些内容既是法律上的权利义务，也可以被进一步组织为业务对象、关系和约束条件。

但真实的经营活动往往发生在合同之外。

订单可能被拆分，货物可能分批交付，付款可能提前或延迟，验收可能出现争议，合同本身也可能发生变更。

如果 AI 只理解合同，它能够帮助企业判断约定是否合理，却很难回答履行过程中究竟发生了什么。

因此，我们开始尝试将合同中的约定，与采购、仓储、物流、财务等系统中的实际业务记录建立关联。

这也是 Nebulaw 当前形成的一项重要判断：

以交易为基本业务单位，以合同为初始语义入口，逐步建立企业经营状态的持续理解能力。

从理解一份合同，进一步走向理解一笔交易。

03        

从完成单次任务，

到持续理解交易

目前大多数 Agent 仍然围绕一次性任务展开工作——用户提出需求，Agent 读取材料、调用工具、生成结果，任务结束。

这种任务中心的模式已经能够解决很多实际问题，同样也是我们的长期投入方向。

但企业的经营活动并不会随着某个任务的完成而结束。

一份合同可能持续履行数年。在此期间，交付、验收、付款、合同变更以及外部监管要求，都可能不断改变这笔交易的实际状态。

如果 AI 每次都从一个孤立任务开始，就很难形成对交易全过程的连续理解。

因此，我们正在探索另一种工作方式：让 AI 不仅处理任务，还能够围绕长期存在的业务关系持续工作。

以一笔设备采购交易为例，系统需要逐步建立并维护对交易状态的理解：

• 这笔交易涉及哪些主体、合同和业务对象；
• 已经发生了哪些交付、验收和付款事件；
• 哪些合同义务已经履行，哪些仍未完成；
• 新发生的业务事件是否带来了新的风险；
• 哪些异常需要补充证据或交由人工核查。

当一笔新的付款记录产生时，系统不仅识别这是一笔付款，还需要理解它属于哪笔交易、对应什么义务、是否满足付款条件。

当新的验收记录出现时，系统也应能够更新此前对履约状态的判断。

这意味着，AI 的工作单位正在从一次性任务，向持续存在的业务关系延伸。

我们希望先理解一笔交易，再理解一类交易，最终逐步建立对企业经营状态的持续理解能力。

04        

四层一核架构：

真正面向业务关系

要实现上述能力，仅仅依靠更强的大模型是不够的。

AI 既需要理解企业应该如何运行，也需要知道企业实际发生了什么；既要能够形成判断，还要能够进入业务流程，并适应规则和环境的持续变化。

基于已有的研发积累和企业项目经验，Nebulaw 正在探索一套「四层一核」的企业 AI 技术架构。

规范层：理解企业应该如何运行

将法律法规、监管要求、合同约定、内部制度和业务规范组织起来，逐步转化为可引用、可追溯的业务约束。

连接层：理解企业实际发生了什么

在获得授权的前提下，连接 ERP、业务系统、企业文件和外部数据，将分散在不同系统中的业务记录关联起来，并识别不同记录之间的业务关系，处理数据冲突，判断证据是否充分可信。

执行层：让 AI 能够进入业务流程

通过 Agent 执行框架和受控工具链，让 AI 具备读取文件、定位内容、修改文档、生成报告和执行具体操作的能力。

这也是 Nebulaw 已经持续投入研发的领域。对于专业场景，我们尤其重视执行过程的可见性、操作边界的可控性，以及结果的可检查和可追溯。

学习层：让企业知识能够持续演化

通过 Memory、知识更新和反馈记录实现快速适应；通过训练或微调逐步改善特定任务的判断能力。

同时，企业规则的更新必须受到治理约束。AI 可以提出新的规则或例外，但正式规则的变更仍需经过人工审核与授权。

一个核心：业务关系建模

通过 Ontology（本体建模）等方式，组织企业中的对象、关系、事件、约束和证据，进一步形成能够随业务变化而更新的状态模型。

例如，将合同、订单、交付、验收和付款识别为同一笔交易中的关联对象与事件，并结合规则持续判断交易状态。

05        

从理解规则

走向理解经营

在海外法律与监管风险监控场景中，我们尝试将复杂监管要求拆解为更加细致、可计算的判断逻辑，让风险识别不再只依赖模型给出的总体评价。

在合同风险相关项目中，我们则进一步意识到，单纯审查合同文本，并不足以判断真实交易是否存在异常。

法律规则提供判断依据，合同定义交易约定，而实际业务数据决定了企业究竟发生了什么。

这三个部分需要被组织起来。

过去，我们更多关注如何让 AI 准确理解和操作一份文件；现在，我们开始进一步关注文件背后的业务关系，以及这些关系如何随着真实经营活动不断变化。

目前，Nebulaw 已经建立了文档自动化、多格式文件理解、知识库、Agent 执行及相关学习框架等基础能力。

跨业务系统的数据连接、正式的 Ontology 建模，以及持续追踪交易状态的完整体系，则仍然是我们下一阶段需要建设和验证的方向。

我们希望从合同履约等业务边界相对清晰的场景开始，逐步连接真实交易数据，验证业务关系模型，并将可复用的能力沉淀为底层组件。

06        

企业 AI

不止于提效

过去几年，企业 AI 的价值常被归纳为提高效率、减少重复劳动和降低人力成本。

诚然对于一家大型企业来说，让法务人员更快完成合同审查，是价值点的体现。

而如果系统能够持续发现履约异常、异常付款、证据冲突或跨主体交易风险，让管理者更及时地了解企业正在发生什么，则可能创造另一种更深层次的价值。

前者是在提高已有工作的效率，后者则是在帮助企业建立过去难以实现的管理能力。

当然，这并不意味着 AI 可以代替企业管理者进行决策。

复杂的业务判断、风险处置和规则变更，仍然需要明确的责任主体与人工控制。

我们希望的是，让 AI 能够持续提供有依据、可追溯的业务状态判断，使企业在面对复杂经营活动时，获得更完整、更及时的信息支持。

从法律文档自动化，到专业 Agent，再到面向企业业务关系的持续理解，Nebulaw 的探索正在从单个工作环节延伸到更广泛的企业经营过程。

    写在最后

未来的企业 AI，或许不仅是帮助企业完成更多工作，更是帮助企业持续理解自身如何运行。

Nebulaw 将以交易为起点，把法律专业知识、业务规则、数据关系和 AI 工程能力结合起来，逐步探索从任务执行走向持续业务理解的企业智能系统。

体验可用浏览器访问

https://nebulaw.com.cn/nebulaw-web/#/

随时随地启动 Nebulaw

我们会继续往前迭代。如果你在使用中发现了有趣的实践，或者有任何产品方向的建议，欢迎随时在后台留言，或发送邮件至 membership@nebulaw.ai 告诉我们。

   关于我们

在 Nebulaw，我们相信技术可以让法律工作更简单、更透明，也更具创造力。

在高风险、强合规的法律场景中，单次的优质回答并不足以支撑真实业务。

Nebulaw 选择从法律工作的运行方式出发，将人工智能嵌入到法律事务的实际流程中，帮助个人与企业更好地完成判断前的每一步准备。

更多信息：

入口更轻，专业不变：Nebulaw 网页端正式上线

Nebulaw Ver0.6：一次面向项目级工作的产品重构

Nebulaw Ver0.5.4：为稳定性而生

Nebulaw 助力锦天城（重庆）法律 AI 实训：从工具使用到工作流落地

让AI进入真实法律交付环节——星云衡律携Nebulaw亮相2026全球人工智能终端展