合同里的风险条款怎么用AI挑出来

签合同前最怕漏看一两条要命的条款，可一份合同几十页，人眼扫一遍容易疲劳走神。这篇不讲哪个工具最强，而是给一套能马上照做的做法：先把合同拆成几类风险点，再按固定提问顺序让AI逐条过，最后人工只看AI标出来的地方。也会说清哪些条款AI判断不可靠、必须自己回原文确认。

签合同前最怕漏看一两条要命的条款，可一份合同几十页，人眼扫一遍容易疲劳走神。更麻烦的是，律师和商务往往不是同一个视角——律师盯责任和赔偿，商务盯交付和付款，两边都看完还是可能漏掉中间那一层。

这篇不讲哪个工具最强，而是给一套能马上照做的做法：先把合同拆成几类风险点，再按固定提问顺序让AI逐条过，最后人工只看AI标出来的地方。也会说清哪些条款AI判断不可靠、必须自己回原文确认，以及哪些合同压根不适合先丢给AI。

先定清单：合同里哪些才算风险条款

很多人用AI审合同效果不好，根本原因不是模型不行，而是自己没想清楚「什么算风险」。你问得含糊，AI就答得宽泛，最后给你一堆正确的废话。所以第一步不是打开工具，而是先列一张自己的风险清单。

这张表不用抄通用的，照自己业务改。每类写一句判断标准就够了，比如「赔偿是否设上限」「终止要不要提前书面通知」。标准写死，每次审查结论才不会飘，也方便团队里不同人给出差不多的判断。

喂给AI之前，先把合同处理干净

合同没处理干净就丢给AI，出来的结论基本不能信。这一步不花多少时间，但直接决定后面要不要返工。

1. 脱敏删掉或替换真实主体名称、金额、联系方式，用占位符代替。涉及商业机密的合同先过一遍数据边界，参考 /ai-nav/category/ai-legal 挑支持本地或私有部署的方案，合规口径看 /safety。
2. 转文字扫描件先OCR成可复制文字。图片版合同丢给模型容易漏段，尤其是页眉页脚和手写批注。
3. 拆章节按条款编号分段投喂，一次只让AI看一个章节。一次性塞整本合同，模型容易在中后段走神，漏掉关键句。
4. 分离附件表格类报价单、技术附件单独拎出来，不要混在正文里。混在一起会让AI把报价规则当成合同条款来解读。

提问顺序：从识别到定位到追问

提问顺序比提问措辞更重要。一上来就让AI「判断这份合同有没有风险」，它只会给你一段概括。正确的做法是分三轮，每轮只做一件事，逼它落到条款编号和原文上。

• 第一轮只做识别：让AI列出它认为有风险的条款，给出条款编号和原文片段，明确不要它下结论
• 第二轮做定位核对：逐条问「这一条对哪一方不利、触发条件是什么、缺了什么常见保护条款」，要求引用原文
• 第三轮做补漏：把标准清单反过来问一遍，「按这份清单逐项核对，哪些项在合同里没有对应条款」
• 每轮都要求输出表格，列头固定为条款编号、原文摘录、风险描述、影响方、建议动作

这里有个关键原则：凡是没引用原文的结论一律不采信。模型有时候会「脑补」一个看起来合理的条款，你回原文一搜根本没有。要求它引原文，能挡掉大部分瞎编。

另外要接受一个现实：AI识别得出的结论会随合同长度变差。合同越长，越要拆开问。你可以到 /models 看当时各模型的长文本能力对照，别用上下文太短的模型读长合同。

人工只看三处：数字、例外、缺失项

AI筛完之后，人工不是从头再看一遍，而是集中看三类地方。这三类是AI出错率最高、后果又最严重的位置。

还有一类不适合交给AI的判断：涉及行政审批、行业监管资质的合同，条款合规性需要专业律师拍板，AI只能做初步筛查。另外，如果合同本身是用你不熟悉的语言写的，AI翻译加判断的叠加误差会很大，最好先拿到可靠译本再上流程。

把这次审查变成下次能复用的东西

一次合同审查做完就丢，下次还得从头来。把过程沉淀成模板和对照表，团队下次能省不少时间，也能减少「AI说没问题」变成责任真空的情况。

• 把AI给出的风险点整理成对照表：条款位置、风险类型、影响方、处理建议、是否已改
• 把反复出现的风险类型补进自己的标准清单，下次直接按清单问
• 团队协作固定谁提问、谁复核、谁签字，责任落到人
• 如果涉及数据外发，参考 /ai-nav/category/ai-enterprise 选企业级方案，别用个人账号传敏感合同

判断标准可以这样定：如果一份合同审查完，你没有更新清单、没有留下对照表，那这次审查基本只解决了这一份合同，团队能力没有增长。反过来，只要每次补几条，三五份合同之后你的清单就会比任何通用模板都贴合自己的业务。