前言

在法务工作和商业合作中，合同审查是一项既耗时又需要高度专业知识的重要任务。传统的人工审查方式虽然准确，但面临着效率低下、成本高昂、标准不统一等挑战。特别是当你需要处理大量合同时，这些问题会变得更加突出。

随着大语言模型技术的快速发展，AI 辅助合同审查正在成为提升工作效率的有力工具。通过合理设计的提示词和自动化工作流，AI 能够帮助你快速识别合同中的风险点、条款漏洞和合规问题，为后续的人工精审提供有价值的参考。

本文是初探 AI 辅助合同审查的简易方案，旨在提供思路。主要内容分为三节：

  1. 效果展示：展示 AI 合同审查的效果
  2. LLM 提示词：分享核心提示词和优化思路
  3. 自动化工作流：分享批量化处理的工具和解决方案

效果展示

输入示例

合同样本（内容较多，仅截图第一页）：

输出示例

AI 审查报告（内容较多，仅截图部分内容）：

从上面的示例可以看出，AI 能够准确识别合同中的风险点，提供结构化的分析报告，并给出具体的优化建议。这种方式大大提升了合同审查的效率和准确性。

LLM 提示词

## 角色定位

您是一名专业合同审查AI，专注分析由OCR转换生成的合同文本，精准识别法律风险、条款漏洞和权益失衡问题。目标是确保合同内容合法、清晰、完整，特别针对OCR特有错漏保持高度敏感。

## 核心能力模块

### 1. OCR专项纠错

* 检测 OCR 转换常见问题：数字/日期错误、标点缺失、错别字等
* 标记模糊或缺损段落，建议人工复核

### 2. 法律合规审查

* 检查是否违反《民法典》等强制性规定
* 验证合同主体一致性：名称、证照编号、签章对应性

### 3. 风险漏洞识别

* 识别模糊/歧义表达、责任缺失或过度免责条款
* 预警潜在陷阱条款（如不合理违约金、单方解约权）

### 4. 合同完整性核查

* 检查必备条款是否齐全：标的、价款、违约、争议解决等
* 检查是否缺少行业强制条款（如劳动/消费者/数据合规条款）

### 5. 权益平衡评估

* 分析双方权利义务是否对等，标记显失公平条款
* 建议调整方向以实现合理风险共担

### 6. 表述精准强化

* 修正逻辑冲突、语义歧义、定义模糊的问题
* 补充关键术语定义，优化表达严谨度


## 知识储备

* 《民法典》合同编及相关司法解释
* 常见合同范本（买卖、租赁、劳务、服务、技术）
* OCR识别错误模式数据库
* 行业监管合规条款（如金融、数据、劳动、消费）


## 审查流程

1. **OCR预处理**

   * 自动修复常见识别错误，标记可疑段落

2. **通读识别合同架构**

   * 确认合同类型、核心条款布局及基本逻辑结构

3. **逐条分析关键内容：**

   * 主体资格与签署一致性
   * 标的描述及交易安排
   * 付款条款与交付条件
   * 违约责任条款
   * 知识产权与保密条款
   * 争议解决方式及管辖

4. **公平性与合规性双重评估**

   * 判断是否存单方优势、不合理免责、不对等责任
   * 检查是否违反法律强制性规定或监管要求

5. **增补与优化建议**

   * 补充缺失条款或关键定义
   * 提供优化方向而非直接代拟条款文本


## 输出规范

### 1. 风险等级标识（置于每条建议前）：

* 🔴【高风险】：违反法律、影响合同效力
* ⚠️【中风险】：存在争议可能或履约风险
* 💡【优化建议】：非必须修改，但可提升清晰度或公平性

### 2. 报告结构如下：

#### 合同审查报告模板示例

'''
合同审查报告
================

风险等级：⚠️ 中等风险

主要风险点：
1. 条款：第4条第2款
   🔴【高风险】付款义务未设逾期责任，易造成拖延风险。
   ➤ 原文："乙方应于收到发票后尽快付款。"
   ➤ 法律依据：《民法典》第五百七十七条
   ➤ 建议方向：明确付款期限及逾期利息/违约责任。

2. 条款：第7条
   ⚠️【中风险】争议解决条款未指定仲裁地点。
   ➤ 原文："争议提交仲裁机构解决。"
   ➤ 风险：产生程序不确定性，可能导致履行难度。
   ➤ 建议方向：补充具体仲裁机构名称及地点。

OCR可疑段落：
- 第10条：扫描模糊，含义不明，建议人工核对。

合规性检查：
✓ 主体资格一致  
✓ 标的物描述清晰  
⚠️ 违约责任缺失，建议补充第X条
'''

### 3. 输出强调重点

* 明确条款位置（如"第X条第X款"）
* 提供"原文引用"+"问题分析"+"修改建议方向"
* 不直接代拟法律条款，但指出合规或商业优化路径

---

合同OCR文本："""{你的合同文本}"""

针对不同合同类型的定制化调整

你可以根据具体的合同类型对提示词进行调整定制，以满足不同场景的审查需求：

采购合同重点关注：

  • 价格条款的合理性和透明度
  • 交付时间的可执行性
  • 质量标准的明确性
  • 验收条件的可操作性
  • 付款方式的风险控制

服务合同重点关注：

  • 服务范围的边界清晰度
  • 服务标准的量化指标
  • 绩效评估的客观性
  • 知识产权的归属明确
  • 保密条款的执行力度

劳动合同重点关注：

  • 工作内容的具体描述
  • 薪酬福利的完整性
  • 工作时间的合规性
  • 社保缴纳的明确约定
  • 竞业限制的合理范围

技术服务合同重点关注：

  • 技术方案的可行性
  • 服务标准的技术指标
  • 知识产权的保护机制
  • 技术资料的保密要求
  • 后续维护的责任划分

提示词迭代优化方法

为了确保提示词的效果，建议采用以下优化流程：

  1. 选择典型样本：挑选各种代表性的合同类型作为测试样本
  2. 网页版测试：使用 DeepSeek 网页版进行初步测试验证
  3. 对比分析：将 AI 审查结果与专业人工审查结果进行对比
  4. 持续优化：根据实际使用反馈不断调整和完善提示词

通过这种迭代方式，你可以逐步提升 AI 审查的准确性和实用性。

自动化合同审查工作流：高效批量处理解决方案

可以基于任意工作流平台（如 Dify、n8n、扣子）进行实现。但本文重点介绍组合使用原子化的开源工具本地化部署的方式，以获得更好的灵活性和更高的数据安全性。

应用场景说明

这套工作流适用于以下几种场景：

  • OCR 合同初审：自动识别扫描件中的文字错误，修复语义断裂问题
  • 合同合规筛查：为法律顾问或法务团队提供初步的风险筛查
  • 风险提示摘要：在合同签署前快速了解重点风险和注意事项

也可在此基础上修改提示词和工作流，适应不同的场景

核心能力：

  • 多格式支持：智能处理 PDF、TXT、图片等多种格式的合同文档
  • 批量处理：支持同时处理多份合同，显著提高工作效率
  • 智能审查：基于大语言模型进行深度语义分析和风险识别
  • 结构化输出：生成格式统一、重点突出的审查报告
  • 可定制化：根据不同合同类型和业务需求调整审查重点

整个工作流的环节如下：

合同文档 → 文档转换 → OCR文本提取 → AI 语义分析/合规检查 → 审查报告

核心工具组件介绍

原子化的工具都承担着特定的职能，相互配合形成完整的自动化流水线：

工具名称核心功能作用说明
amo工作流编排引擎负责安装管理各种工具，执行自动化脚本，串联整个处理流程
llm-callerAI 模型调用器管理提示词模板，与大语言模型进行标准化交互
doc-to-text文档格式转换器支持 PDF、Word、图片 OCR 等多种格式转换为纯文本
DeepSeek API大语言模型接口提供强大的语言理解和合同分析能力

接下来我们逐步搭建这个环境，构建出一套从文档输入到智能分析输出的完整自动化流水线。

环境搭建指南

第一步：获取 DeepSeek API 访问权限

要使用 AI 进行智能分析，首先需要获取 DeepSeek 的 API 访问权限：

  1. 注册账号：访问 DeepSeek 控制台，注册账号并完成实名认证
  2. 创建 API Key：在控制台的 API 管理页面创建新的 API Key
  3. 保存密钥：复制并妥善保存 sk-xxx 格式的密钥（这个密钥后续会频繁使用）

安全提醒：API Key 具有账号权限，请勿泄露给他人。

第二步：安装 amo 工作流引擎

amo 是整个自动化流程的核心调度工具，负责管理其他工具组件：

  1. 下载工具：

    • 访问 amo 发布页面： https://github.com/amo-run/amo-cli/releases
    • 根据你的操作系统下载对应版本的可执行文件
    • 将下载的文件重命名为 amo
    • 验证文件完整性，运行 shasum -a 256 ./amo，检查哈希值与发布页面的 SHA256 值一致，确保下载的文件没有被篡改

  2. 安装（macOS/Linux 用户）：

    # 添加执行权限
chmod +x ./amo
# 移除下载文件的隔离标记
xattr -d com.apple.quarantine ./amo
# 移动到当前用户的bin目录
mv ./amo ~/.local/bin/
# 验证安装
amo --version

由于不同系统细节不同，这里不展开详述。可以参考项目文档或期待后续的专门教程，或加群交流。

  1. 安装依赖组件：
    # 安装 AI 模型调用器
amo tool install llm-caller

# 安装文档转换工具
amo tool install doc-to-text

第三步：准备专用提示词模板和工作流

可使用如下命令直接下载我已开源的提示词模板：

llm-caller template download https://github.com/nodewee/llm-calling-templates/blob/main/deepseek-contract-review.json

这个模板包含了前面介绍的完整提示词逻辑，经过实际测试验证，你也可以根据具体业务场景进行个性化调整。

下载专门用于合同审查的自动化工作流脚本：

amo workflow get https://github.com/nodewee/amo-workflows/blob/main/workflows/contract-review.js

这个脚本已经封装了从文档转换到 AI 分析的完整流程，支持多种文档格式的智能识别和批量处理。

配置 API 密钥管理

为了方便批量调用，建议将 API 密钥保存到配置文件中：

  1. 创建密钥文件：

    {
  "deepseek_api_key": "sk-你的实际密钥"
}

    将上述内容保存为 api-keys.json 文件

  2. 配置 llm-caller：

    llm-caller config set secret_file "/完整的路径/api-keys.json"

这样配置后，后续调用就不需要每次手动输入 API 密钥了。

执行工作流，审查合同文档

处理单个文件：

amo run contract-review.js --input 合同.txt

批量处理整个文件夹：

amo run contract-review.js --input 待审查合同文件夹/

处理效果说明：

  • 工作流会自动识别文件格式（PDF、Word、图片等）
  • 自动调用相应的转换工具进行文本提取
  • 逐一调用 AI 进行深度分析
  • 生成对应的结构化审查报告
  • 所有结果文件会保存在同目录下，方便后续查看和归档

实际应用建议

  1. 先小批量测试：在大规模使用前，建议先用几个典型合同测试效果，调整提示词参数
  2. 建立审查标准：根据你的业务特点，在提示词中强调重点关注的风险类型
  3. 人机结合审查：AI 审查结果作为初筛参考，重要合同仍需人工复审确认
  4. 持续优化迭代：根据实际使用反馈，不断完善提示词和工作流配置

后续扩展方向

当基础工作流稳定运行后，你还可以考虑以下增强功能：

  • 智能归档存储：将审查结果自动存入数据库或企业知识库系统
  • 上下文增强：结合企业内部法务知识库进行 RAG（检索增强生成）
  • 即时通知推送：通过钉钉、飞书等办公平台自动推送审查结果给相关人员
  • 前置风险拦截：与电子签名系统集成，在签署前自动进行风险校验
  • 审查质量监控：建立审查准确率统计和质量评估机制

提示词探讨，或遇到使用问题、下载问题，可加群交流。

微信公众号：缓坡漫步

推广：
阿里云百炼大模型 9折优惠 + 所有模型各百万免费Token →
即梦 免费AI画图、生成视频。每日领免费额度，可累加 →