用多Agent搭建更可靠的合同审查智能体

这篇我不聊客户细节，只写我在真实项目里走通的版本。我的做法很朴素：先把输入和边界固定下来，再把风险识别和复核动作分层拆开。与“技术展示型”文章不同，我更在意失败后如何回退：哪一环要重跑，哪一环能直接进入可执行动作。

我后来把这篇实践和几套外部方案对齐了一次，不是照抄，而是把“可复用”与“可复核”分开管理。最后形成的链路更朴素：先验审查、并行分工、结构化抽取、风险判定、缺失条款追补、动作化建议。
法务看的是这个顺序，不看“模型多聪明”。

先把输入管住，再谈风险：版本冲突是法务失真源

我越来越觉得，合同审查里最容易翻车的不是结论太“大胆”，而是输入在不同模块里口径不一致。比如你发给系统的一组主合同里，附件有两种版本；又或者页码范围是按对方上传后自动分辨出来的，而不是按我方归档口径固定。这个时候再怎么调 prompt，误报和漏报都会持续出现。我的第一道动作是把输入治理放前面：

• 文档来源是否一致（主文本、附件、补充协议的来源是否同一批次）；
• 版本号是否有统一主版本号；
• 附件范围是否完整覆盖（不要把“包含附件”当作默认行为）；
• 法域参数是否可复核（不靠系统猜测，要有人类确认）。

这份清单不是“预处理”，而是把“可复用”变成“可追责”的基础。每次踩过坑后我能确认它的作用：前置校验少一处，后面的返工就少一轮。
我把输入治理放在最前，不给后续步骤留“用错版本也能过审”的缝。

我把这四个动作写成了一个固定流程：

1) 输入冻结：主版本、附件清单、页码范围、签章状态都要上锁
2) 结构抽取：条款号、金额、付款条件、解除权、争议条款逐项落表
3) 风险判别：风险点 + 影响方向 + 启动条件 + 动作建议
4) 人工签发：未通过项必须回到人工确认

这四步是前置，不是加分项。再往前我加了一个 5 分钟的硬校验，通常被大家省掉，但它很容易决定“今晚不加班”还是“凌晨补救”：

• 空字段检测：$X、TBD、[金额]、________ 这种占位符不能直接过；
• 缺失附件检测：所有正文引用的附件、附表都得列齐；
• 签署状态：草稿与已签署不能混在同一次审查里；
• 页数与章节完整性：缺页、截断段落、重复页码都标红处理；
• 角色与语境：先确认我是站在哪个身份（买方、卖方、乙方、甲方）再评分。

做这一步不是为了好看，而是为了避免一份“先读完再反悔”的文档，被错误地带到谈判桌上。

真正差异在这里。很多人会以为“多Agent”只是多个模型同时发观点，我更愿意叫它“多角色协同的一条法务流水线”。只要职责和输出锚点固定，模型的结论更容易被团队接住。

分工清楚，不靠猜测才是关键

我把合同审查流程定为 5 个角色，每个角色只负责一层，输出必须带状态，不给“似是而非的结论”留空间：

• 输入治理 Agent：先做版本登记、页码归一、附件完整性校验和可执行性检查；
• 条款结构化 Agent：从原文提取条款号、定义、金额、付款、期限、解除、争议解决等字段，并保留来源页码；
• 风险识别 Agent：按风险词库和规则，给出争议点和触发条件；
• 法域与合规 Agent：按法域层级匹配适用规则，标注可能冲突的法域条款；
• 复核与出报告 Agent：复算分数、生成动作建议，并输出哪些内容必须人工签发。

我后来给流程加了权重后，输出会更稳：

• 条款抽取 20%
• 风险评估 25%
• 合规稽核 20%
• 义务与时序映射 15%
• 建议生成 20%

这组权重不是标准答案，它只是把“谁影响决策更大”讲清。单条模型输出可以很完整，但若证据链不完整，这个输出不能当作法务签发依据。

每个角色除了正文结论，还要返回一句状态：

• 已通过：可复用旧规则；
• 条件通过：满足改写与复核；
• 拒绝：需补样本、补证据或人工复判。

我特别强调“状态返回”这一层，不然就会陷入“有结果没边界”的反复。一个常见场景是条款提取看着完成，但字段缺失，合同比对时才发现章节没对齐。每个角色都要返回失败标记，比如：

• 命中条款但页码缺失；
• 条款号重复；
• OCR 置信度偏低；
• 附件版本未覆盖。

这类标签的价值很直接：它把“模型会写什么”变成“法务可否接手”。只要失败标签明确，复核时就不会再出现“这条其实没法直接签”的误差。

版本对齐这道线，基本能挡住一半返工

我在法务场景里加了版本矩阵，起初只是为了后续追责，后来反而是质量提升的主因。这里我不用只说“要做版本管理”，而是把每次审查动作都绑定字段：

我会把这张表按“硬约束”执行，不留讨论余地：

• 版本不一致：不能走自动放行，输出“数据对齐建议”；
• 完整性不通过：输出“证据不足”；
• 法域冲突：输出“请确认法域”。

这套规则确实会慢一些，但我更愿意把这理解成少一点“最后一秒发现错版本”的返工。实操里它能把“先发版后补证据”的情况拉回到“有证据可回放”。

评分不是标签，必须绑定动作才有意义

早期我也用过“高风险/中风险/低风险”三档输出，问题在于定义够了，动作不够。后来我改成“评分 + 动作”一体化：

总分 = 风险项(40%) + 合规性(20%) + 完整性(20%) + 可追溯性(20%)

分项解释也不是放在口号上，而是绑定落地动作：

• 风险项：金额相关、付款触发、责任归属、单方解除等;
• 合规性：法域规则匹配、禁用条款命中;
• 完整性：签署位、页码、附件、空字段、签章;
• 可追溯性：每条发现是否有页码、字段、原文片段。

再往下映射处理阈值：

• 88-100：可放行到法务确认（仅当签发点通过）；
• 74-87：可谈判项，先出修改建议再复核；
• 60-73：关键修改后才能继续；
• 48-59：必须人工主导，暂停推进；
• 0-47：重建条款结构，重跑再评审。

你会看到这比“单纯列风险清单”更接近实际：每一档都对应动作。现场最常见的问题不是“风险在哪”，而是“在什么条件下该停”。这也是模型结果和人工签发边界分离的关键。

我另外加了风险变化方向字段：上升就优先谈判，下调就观察，持平就继续跟踪。这个字段看着小，却很实用：不是每条风险都要拉停，不是每个红字都要炸掉项目。

法务汇报我保留一套 A+/F 级别映射，和风险值一一对应。它和风险分值是同一逻辑，只是更快让团队同步动作优先级。

法域不是下拉框，是三层知识结构

合同里误伤最容易发生在法域切换点。很多系统只会让用户选一个 cn / us / eu，然后直接切提示，这种做法在真实项目里很快失灵。我的经验是把法域建成三层：

• base：通用风控口径和行业基本规则；
• jurisdiction：具体国家/地区制度约束；
• custom：企业自定义规则，覆盖模板、审批习惯和内部红线。

优先级是 custom > jurisdiction > base，这样同一份合同在不同法域下不会被“通用规则”带偏，也不会每次靠人工口头补。更实用的一点是，新规则可以有版本号地上线，不会出现你明天刚改了规则，昨天的审查结果还被当成新结论。对我来说，这就像给规则系统加了时间维度，能防止“规则已经变更但系统还是复用旧建议”。

这套结构和 DesireCore 里的治理思路是对齐的：底层语义框架保持稳定，边界上层叠加，避免每次都从头解释。用一句人话说，就是“让系统先懂共性，再懂你们组织的特殊约束”。

工具链和输出格式：决定法务是否能直接交付

我把工具链写成一条固定链路，而不是让“模型自己选工具”。顺序是我反复踩坑后定下的：

1. 结构化解析（文本抽取 + 文档结构）；
2. 完整性检查（签署、日期、页码、附件）；
3. 条款抽取（金额、期限、解除、违约、争议解决）；
4. 法域和知识注入（jurisdiction + custom 叠加）；
5. 风险判读（给出处置建议）；
6. compare_contracts（版本间差异 + 风险变化）；
7. 报告输出（条款级 Markdown，保留关键证据索引）。

如果顺序被打乱，报表看起来可能更顺眼，但复核会断链。比如把对比放前面，没冻结范围就开始算差异，后来才发现附件范围变了，这种问题很难往回补。把顺序固定住后，审查过程才能被他人复现，不靠个人记忆。

我还会要求报告里每条结论都带一个“条款四元组”：

• 条款编号；
• 证据位置；
• 结论等级；
• 对应动作。

这部分我也借鉴了我跑过的多套审查范式，给报告加了固定栏目：

• 风险摘要：高/中/低与条数；
• 条款逐条清单：每条有“风险说明 + 影响 + 建议改写”；
• 完整性检查：哪些要素缺失；
• 谈判优先级：必须改、建议改、可选改。

这样法务拿到文档可以直接推进，不用先做“你先帮我确认这条是什么意思”的二次解读。

我把“可追溯输出”再往细化了一步，和常见实务框架保持一致：

法务交付模板：审前、审中、审后都要有接力动作

我把法务常用场景再做了一次落地梳理，少一层口号，多一层执行动作。每一轮审查都给出三段输出：

1. 审前：版本一致性、签署状态、附件范围、原文可读性是否达标；
2. 审中：条款提取结果、风险触发点、法域冲突、建议动作；
3. 审后：待办清单、法务签核点、下一次版本更新时的回滚条件。

这不是为了流程好看，而是为了减少法务在例会上解释“这个问题到底是谁在补”。输出要让新同事接管也不费劲，能直接接着跑。

风险模型之外，市场标尺也要进来

我在这类流程里经常看到同一类条款被“过度乐观”地判断过关。后来我加了条款级市场标尺，至少能把争议点卡在量化上：

它不是替代法条判断，也不是“打分游戏”。目的是减少“这段有点不对劲”的口头争执，让双方先就标准对齐。

缺失条款也要量化，不能只列问题

很多团队会把审查结果写成“这条不对”。那没法直接行动。更稳妥的是把“缺失项”也做成评分对象。按合同类型，优先检查这些普适项：

• 限制责任与索赔上限
• 违约责任与赔偿机制
• 宽限期/补救期
• 终止便利性与过渡条款
• 分包与变更控制
• 审计权
• 数据导出、删除、归档流程

每项给“严重/重要/建议”三档，不同档位对应不同动作顺序，能直接接到法务待办。

其中“缺失到什么程度才算危险”，我会避免主观词，改成“影响了哪一类权益”：

• 关键：若遗漏会直接影响财务/责任边界；
• 重要：影响执行秩序、后续追责成本；
• 建议：影响效率，但不致命。

没有这四项，法务再牛也不容易接到下一个动作；有了这四项，法务能快速判断先处理哪一条，商务也能按动作推进，不会在“你说了什么风险”这一步卡住。

对比里有“差异为 0”时，才会出最大风险

我之前就踩过这个错：两个版本比对结果差异是 0，于是大家默认一致；后来才发现主版本没变，但附件编号替换了，审查链默认把附件视作已包含，关键付款条款的风险没打出来。这个例子让我把 compare_contracts 的前置条件提前了。

现在我要求：

• 对比范围先冻结（附件、页码范围、法域假设）；
• 输出结果里必须带“风险变化方向”。

这样一来，新增条款导致付款触发更严时，系统会把风险方向标为上升，动作从“建议优化”升级为“先谈判再推进”；如果只是措辞优化且风险持平，才会进入普通复核清单。这个小改动并不复杂，却显著减少了“差异报告为 0但实质不一致”的争议，尤其对跨团队复核很有帮助。

这套方法对我团队的实际收益

我不想说“提升了多少倍”，那种数字很容易在对账时被质疑。更直观的变化是执行习惯变了：从“全量重复看合同”变成“聚焦关键判断”。

我这边的团队反馈主要是这三点：

• 版本和完整性问题提前卡住，夜里临近审核截止时的加急返修明显少了；
• 争议条款按动作分级后，法务与商务沟通更直接，少了很多“你说这个为什么重要”的解释成本；
• 历史案例会沉淀到规则包，而不是留在聊天记录里。

对法务来说也更清楚：

• 哪些条款一定要人工确认，哪些可以先讨论再推进；
• 每个结论都能回到页码和字段，减少了“只看得懂一个人”的内耗；
• 旧结论失效场景（法域调整、规则更新）有迹可循，不会被当作“神秘历史数据”。

最让我认可的变化是，系统的价值不在于“替代法务”，而在于“把判断压力从重复核验中放出来”，留给人去做真正需要的判断。

这套方法对交付质量最关键的边界

我把这套流程最先拧紧的是三件事：第一，审查链路要支持多角色并行分工；第二，版本和完整性要被前置约束；第三，风险结论的出口先给出清晰行动。
有了这三层约束，系统的输出不仅仅是“审过了”，而是能直接落到办事层：风险摘要给出主判断，逐条条款给出依据页码，缺失条款给出缺口清单，谈判优先级直接对应团队排期。这样法务和商务接到的不是一段描述，而是一组可执行动作。

更关键的一条是退回机制：一旦触发关键风险，默认回到人工签发环节，涉及付款触发、违约责任分摊、权利义务归属这类核心问题，不能自动放行。模型链路负责先把问题暴露出来，把工作重点从重复核验上解放出来；最后是否放行、是否签署、是否重谈，仍然保留给有资质的人来拍板。

这条边界带来的价值很实在：合规团队减少了“自动化是否会替代我”的焦虑，业务团队也少了“明明有红线却跑了流程”的回头工。模型在这里并不是替代，而是更早把风险抬到桌面。

法务人工把关：我给它设了四类不可替代动作

如果你把边界交给系统，最后总会被这个问题拧回来：谁该对这份稿子拍板？在这条链路里我直接写死了四类必须由法务确认的动作：

• 付款触发与回款约定：金额门槛、逾期责任、结算周期变更；
• 争议解决机制：管辖权、争议解决地、仲裁/诉讼选择；
• 责任与违约分配：责任上限、间接损失、不可抗力边界；
• 签约生效要件：是否有效签章、是否存在依赖附件、是否缺少法定形式。

这四项不满足就退回重审，不做默认通过。法务不缺效率工具，它缺的是不该被机器吞掉的判断点，这个我认为要先固化。

相关阅读