企业做AI合同审查，先把规则这一步做好

最近一段时间“养龙虾”成了技术圈的热门话题。随着OpenClaw的走红越来越多人开始尝试部署自己的AI Agent。从自动操作电脑到帮人写代码、处理复杂任务大家似乎第一次真正看到了“AI替人干活”的可能性。与此同时大模型能力也在快速进化。从推理能力突出的DeepSeek-R2到不断强化综合能力的GPT-5oAI正在从“回答问题的工具”逐渐走向“能够完成任务的系统”。法律科技领域自然也不例外。越来越多的法律科技产品开始接入更强的推理能力希望在合同审查、案件分析、法律检索等专业场景中实现突破。但在实际落地过程中一个颇为有趣的现象逐渐显现出来。同样是用AI做合同审查有的企业用得得心应手——AI就像一个效率极高的法务助手能够迅速定位风险条款给出较为合理的修改建议。而有的企业却叫苦不迭——系统要么满屏红色提示几乎每一份合同都被标注“存在风险”要么遗漏频出一些审查通过的合同后来却暴露出明显问题。同样的AI技术为什么在不同企业手中会产生如此大的差异很多时候答案并不在AI本身而在于我们如何与AI“沟通”。如果希望AI能够稳定、准确地完成合同审查任务就必须为它设计一套清晰、可执行的规则体系。换句话说AI不是天然就会审合同它只是一个执行能力极强的工具。而本文想讨论的核心问题正是如何设计有效的合同审查规则把AI当成“严格按说明书工作的执行者”在讲解具体方法之前我们需要先理解AI的工作特点这样才能有的放矢地编写审查规则。一个比较准确的理解方式是把AI当成一个严格按照说明书工作的执行者。它的执行能力非常强也非常稳定。只要规则足够清晰它可以在极短时间内完成大量重复性的工作而且几乎不会因为疲劳、情绪或疏忽而出现错误。但问题也恰恰在这里。如果说明书写得不够清楚它就无法理解你的真实意图。很多在资深法务看来理所当然的判断在AI那里其实并不存在。例如一位经验丰富的法务在审查合同的时候往往会凭借经验迅速判断某个违约条款责任明显偏轻某个付款条件对资金回收不利某个管辖条款可能增加维权成本这些判断来自长期的实践经验但AI并不会自动具备这种经验。如果规则中只是写“审查违约金是否合理”AI其实并不知道什么叫“合理”。因此当我们为AI设计合同审查规则时本质上就是在为它写一份足够清晰、足够具体的操作说明书。只有当规则把在什么情况下需要审查具体要审查什么内容什么情况属于风险都表达清楚时AI才能稳定地执行任务。从这个角度来看编写合同审查规则其实就是把法务的经验转化为一套可执行的操作说明。审查点描述的四个基本要求基于上述理解一条高质量的合同审查规则通常需要满足四个基本要求场景明确、条件清晰、标准具体、无歧义。场景明确是指要清楚地界定审查规则在什么情况下适用。AI系统需要知道它在审查一份什么样的合同、合同中的哪种情形需要触发这条规则。例如审查合同中的违约金条款审查标的物交付条款审查付款条件中的账期约定而“看看这个合同有没有问题”则过于笼统AI无法据此执行审查。条件清晰是指要明确列出触发审查的具体条件。AI需要知道在满足什么前提条件时这条规则才应该生效。比如“当合同标的为租赁物时审查租赁物的维修责任承担”就是一个条件清晰的规则它清楚地说明了只在标的为租赁物的情况下才触发这条审查规则。再比如“当合同涉及分期付款时审查是否存在逾期付款违约责任”也是如此它明确了触发条件是“涉及分期付款”这个前提。标准具体是指要把判断风险的具体标准清晰地表述出来。AI不能理解“合理的”“适当的”这种模糊表述而需要具体的数值、比例或明确的判断标准。例如“违约金不超过合同金额的20%”比“违约金不能过高”更具体“付款期限不超过60天”比“付款期限要合理”更可执行。标准越具体AI的判断就越准确。无歧义是指表述要准确唯一不能产生多种理解。例如“关联公司”在不同语境下可能有不同的定义“主要条款”和“重要条款”的含义也可能因人而异。编写规则时要么使用法律或行业内的标准术语并给出明确定义要么就用更具体的表述替代模糊用语。常见编写错误类型与正确示范在实际编写过程中以下几类错误最为常见了解这些错误可以帮助我们更好地规避问题。1.缺少风险判定要素许多审查规则只告诉了AI要审查什么却没有说明什么样的情况算有风险、什么样的情况算正常。例如“审查合同中的管辖约定”这个表述只说明了审查对象却没有给出任何判断标准。AI执行这条规则时只能找到管辖条款的位置却无法判断该条款是否存在风险。正确的写法是“审查合同中的管辖约定是否约定在原告所在地法院管辖——当管辖约定不在原告所在地法院时存在管辖不利风险”。这样的写法既明确了审查对象又给出了具体的风险判定条件。2.结构不完整有些规则包含了审查要素和判定条件但缺少风险结论。AI知道要审查什么、也知道在什么情况下触发审查但不知道这种情况下应该给出什么样的审查结论。例如“审查合同中是否约定保密期限——当合同为技术合同时”这个规则说明了审查对象和触发条件但没有说明审查结果是什么。完整的写法应该是“当合同为技术合同时审查是否约定保密期限如未约定保密期限或保密期限短于合同履行期限存在保密信息泄露风险”。3.脱离合同文本审查规则应该基于合同中实际存在的条款内容来编写而不是基于假设或理想状态。例如“审查合同是否规定了履约担保”但实际上很多合同根本没有担保条款AI在审查这类合同时就会给出“未发现履约担保条款”的结论但这可能根本不是风险而是双方商业谈判的结果。正确的做法是“当合同中约定了履约保证金条款时审查保证金金额是否超过合同金额的10%。如超过存在资金占用风险”。这样规则只在相关条款存在时才触发审查。4.标准不明确这个问题在违约金、付款期限、违约责任等条款的审查中尤为常见。例如“审查违约金是否过高”就是一个标准不明确的规则——多少算“过高”不同类型的合同有不同的商业惯例。正确的写法是“审查合同中的逾期付款违约金标准——如违约金标准低于同期LPR的1.5倍存在违约成本过低风险”。这样AI就有了一个明确的判断标准。五个实用的规则编写技巧掌握了基本要求和常见错误后以下五个关键要点可以帮助我们编写出高质量的审查规则。1.明确审查范围。每一项审查规则都应该有清晰的边界告诉AI具体要审查合同的哪个部分、是审查条款的存在性还是审查条款的合理性、是审查单一条件还是审查多种条件的组合。例如“审查合同中的知识产权归属条款”就是一个范围明确的审查点它告诉AI只需要关注知识产权相关的条款而不需要去审查其他条款。2.明确判定标准。如上述内容判定标准越具体越好。对于数值型的判定条件应该给出具体的数值或比例对于状态型的判定条件应该说明具体的状态表现。例如审查验收条款中的验收期限——如验收期限超过30个工作日存在款项回收延迟风险审查合同是否约定解除权行使期限——如未约定或约定不明存在权利悬置风险3.写清楚风险结论。每一条审查规则都应该让AI知道在满足条件的情况下应该给出什么样的审查结论。应该包括两个要素一是风险的性质即这是什么类型的风险二是风险的后果即这种风险会导致什么问题。例如“如仲裁条款约定在合同签订地以外的仲裁机构仲裁存在维权成本增加风险”“如未约定争议解决条款存在争议解决方式不确定风险”等这些都是完整的风结论表述。4.使用合同内信息。AI只能基于合同文本中实际存在的信息进行判断不能凭空想象或补充信息。因此审查规则的触发条件和判定标准都应该基于合同条款中可能包含的信息来设计。例如可以基于合同中可能出现的条款类型如“鉴于条款”“标的条款”“价格条款”“违约条款”等、可能出现的表述方式如“一方违约”“逾期付款”“不可抗力”等、可能出现的数值和比例如百分比、金额、期限等来设计审查规则。5.使用自然语言表达。虽然AI可以处理结构化的规则表述但用自然、流畅的语言编写规则可以让AI更好地理解规则的意图。避免使用过于复杂的长句把复杂的判断逻辑拆分成多个简单的判断步骤。可以将条款拆分成两条规则“审查合同中的违约金约定金额——如违约金金额超过合同总标的的30%存在违约金约定过高风险”“审查违约金与实际损失的关系——如违约金超过实际损失的130%存在违约金不被支持风险”。搭建可执行的合同审查规则对于刚开始构建合同审查规则体系的企业来说一个常见误区是一开始就希望规则非常全面。于是不断往里加规则、补场景、扩边界结果是——规则越做越多系统越来越复杂但实际使用体验却并没有变好甚至变得更难用。更合理的方式是从最小可行清单MVP开始。所谓“最小可行清单”并不是规则越少越好而是在当前阶段选取最关键、最具通用性的风险点先形成一套“可以稳定运行”的审查规则集合。具体怎么做可以先把范围收紧到最关键的 7–10 个风险点例如合同主体是否明确付款条件是否合理违约责任是否缺失或失衡是否约定争议解决方式标的条款是否清晰这些规则通常有一个共同特征出现频率高一旦出问题影响较大相对容易标准化处理换句话说它们是“最值得优先被规则化”的部分。先把这部分做好往往就已经覆盖了大多数日常审查场景。在具体编写规则时可以遵循一个简单但非常有效的结构审查对象 → 触发条件 → 判定标准 → 风险结论换成更直白的说法就是回答四个问题在看什么审查什么内容什么时候看什么情况下触发怎么判断有问题什么算风险最终给出什么结论提示什么风险按照这个结构拆解每一条规则都会变得清晰、完整也更容易被系统执行。规则写完之后还有一个很关键但常被忽略的步骤自检。这里推荐一个简单有效的方法——“反向验证法”试着把自己当成一个完全不懂业务的人只根据这条规则来执行审查然后问自己几个问题能不能仅凭规则完成判断每一个判断是否都有明确依据能不能区分“正常情况”和“风险情况”如果在这个过程中出现“好像要靠经验补充判断”的地方那通常就说明规则还不够清晰还需要再往前走一步。结语AI合同审查系统的效果很大程度上取决于审查规则的质量。如果把AI理解为一个严格按照说明书执行任务的系统那么合同审查规则本质上就是这套系统的操作说明书。当企业能够把自身的风险判断经验逐步结构化、规则化并不断在实践中优化这些规则时AI才能真正理解企业的风险逻辑。在这样的基础上合同审查也会从依赖个人经验的工作逐渐演变为一种可以沉淀、可以复用、可以持续优化的企业能力。