从 0 到 1 搭一个合同审查 Agent：流程、Prompt、规则库全拆解
一个做法务的朋友跟我诉苦。
他们公司法务团队一共5个人，每天要审查50-80份合同。下半年更多，采购合同、销售合同、保密协议、NDA……每份合同都要逐条看条款、找风险点、写审阅意见。
最关键，现在外面“企业Agent合同审查化智能系统”报价7W~10W，
我觉得AI时代，企业有场景，只要是重复性，固定场景都可以自己搭建，不是省钱，关键自己了解自己需求才是真的。
合同审查，是一个非常适合做 AI Agent 工作流的场景。
原因很简单：它不是一个“自由聊天”任务，而是一个高度流程化的任务。
一份合同拿过来，法务通常要做这些事：
1、看合同类型；
2、读合同正文；
3、提取关键条款；
4、判断有没有风险；
5、给出修改建议；
6、整理审阅报告；
7、最后人工确认。
这些步骤里，很多工作是重复的。
比如：采购合同、销售合同、NDA、劳动合同、服务合同、租赁合同，虽然合同类型不同，但审查动作大体类似：都要看付款、违约、保密、期限、解除、管辖、责任边界这些内容。
所以，合同审查智能化的重点，不是让 AI 直接替代法务，而是用 Agent 工作流，把重复、固定、规则明确的部分自动化。
这篇文章直接讲实操：如何搭一个合同审查 Agent 工作流。
一、合同审查为什么适合 Agent 工作流？
合同审查有几个特点：
1、流程固定
大部分合同审查都绕不开这些步骤：
1、文档解析；
2、条款提取；
3、风险识别；
4、修改建议；
5、报告生成；
6、人工复核。
这天然适合拆成多个 Agent。
01
2、重复劳动多
法务每次都要看类似条款：
1、违约责任；
2、付款条款；
3、保密义务；
4、争议解决；
5、合同期限；
6、解除条件；
7、知识产权；
8、验收标准。
这些内容不一定难，但很耗时间。
AI 最适合先处理这种重复审查。
02
3、风险规则相对明确
比如：
1、违约金比例过高；
2、付款账期过长；
3、管辖法院对我方不利；
4、保密期限太短；
5、验收标准不清；
6、解除条件缺失。
这些都可以沉淀成规则库。
03
4、结果需要结构化输出
合同审查不是让 AI 写一段感想，而是要输出：
1、合同基本信息；
2、核心条款摘要；
3、风险清单；
4、风险等级；
5、修改建议；
6、人工复核重点；
7、综合初审意见。
这种结构化任务，也非常适合 Agent 编排。
04
5、必须保留人工复核
合同涉及法律责任，不能让 AI 直接拍板。
正确的定位是：
AI 做初审，人工做终审。
AI 负责提效，法务负责判断。
二、整体工作流怎么设计？
合同审查 Agent 工作流可以拆成 7 步：
1、合同上传；
2、文档解析；
3、合同分类；
4、条款提取；
5、风险匹配；
6、报告生成；
7、人工复核。
标准流程如下：
【流程图位置：合同审查 Agent 工作流】
图片说明：展示“合同上传 → 文档解析 → 条款提取 → 风险匹配 → 生成审阅报告 → 人工复核 → 最终审阅意见”的完整流程。
这里的关键不是让一个大模型从头到尾自由发挥。
而是把任务拆开，每个 Agent 只负责一个明确动作。
三、Agent 怎么分工？
一个基础版合同审查系统，可以拆成 6 个 Agent 或节点。
Agent 名称
负责内容
输入
输出
文档解析 Agent读取 PDF、Word、TXT 合同内容 合同文件 合同纯文本
合同分类 Agent判断合同属于哪一类 合同文本 合同类型
条款提取 Agent提取关键条款 合同文本 + 合同类型 条款 JSON
风险匹配 Agent对照规则库识别风险 条款 JSON + 风险规则库 风险清单
报告生成 Agent生成合同审阅报告 条款摘要 + 风险清单 审阅报告
人工复核节点提醒法务确认关键风险 审阅报告 最终审阅意见
这里有一个经验：
Agent 分工越清楚，系统越稳定。
不要指望一个 Prompt 同时完成“读合同、提条款、判风险、写报告、给结论”。
更好的方式是：每一步都结构化输出，下一步只处理上一步的结果。
四、第一步：合同上传
合同上传节点要解决的是输入问题。
支持格式建议包括：
1、PDF；
2、Word；
3、TXT；
4、扫描 PDF；
5、合同附件；
6、补充协议。
上传时最好保留这些信息：
{
“file_name”: “XX采购合同.pdf”,
“file_type”: “pdf”,
“upload_time”: “2026-05-28”,
“business_owner”: “采购部”,
“review_purpose”: “签署前审查”
}
五、第二步：文档解析
文档解析的目标是：
把合同文件变成结构清楚的纯文本。
这一步很关键。
很多合同审查系统效果不好，不是因为大模型不行，而是一开始文档解析就乱了。
常见问题包括：
1、PDF 换行混乱；
2、表格内容丢失；
3、页眉页脚干扰正文；
4、扫描件无法识别；
5、条款编号丢失；
6、附件没有合并进正文。
文档解析节点的输出建议是：
{
“contract_name”: “XX采购合同”,
“raw_text”: “合同全文文本”,
“paragraphs”: [
{
“index”: “1”,
“title”: “合同主体”,
“content”: “甲方：……乙方：……”
},
{
“index”: “2”,
“title”: “付款方式”,
“content”: “合同签订后7个工作日内支付50%……”
}
],
“tables”: [
{
“table_name”: “付款计划”,
“content”: “第一期：50%；第二期：50%”
}
]
}
文档解析要尽量做到三点：
1、保留段落编号；
2、保留表格内容；
3、保留原文位置。
因为后面生成审阅报告时，最好能引用原合同表述，方便人工复核。
六、第三步：合同分类
合同类型不同，审查重点不同。
至少可以先覆盖这 6 类：
1、采购合同；
2、销售合同；
3、NDA / 保密协议；
4、劳动合同；
5、服务合同；
6、租赁合同。
合同分类 Agent 的作用是：先判断合同属于哪一类，再加载对应的提取字段和风险规则。
合同分类 Prompt 可以这样写：
你是一个合同分类助手。
请根据合同文本判断该合同属于以下哪一类：
1、采购合同
2、销售合同
3、NDA / 保密协议
4、劳动合同
5、服务合同
6、租赁合同
7、其他
请严格输出 JSON：
{
“合同类型”: “”,
“判断依据”: “”,
“置信度”: “高/中/低”
}
要求：
1、不要编造合同内容；
2、如果合同类型不明确，输出“其他”；
3、如果置信度为低，需要提示人工确认。
合同文本：
{{合同文本}}
输出示例：
{
“合同类型”: “采购合同”,
“判断依据”: “合同中多次出现采购货物、交付、验收、付款等内容”,
“置信度”: “高”
}
如果置信度低，最好不要继续自动审查，而是进入人工确认。
七、第四步：条款提取
条款提取是合同审查 Agent 的核心步骤之一。
这一步要把合同里的关键信息提取成结构化 JSON。
通用字段可以包括：
1、合同名称；
2、签约主体；
3、合同类型；
4、合同金额；
5、付款条款；
6、交付条款；
7、验收条款；
8、违约责任；
9、保密义务；
10、知识产权；
11、合同期限；
12、解除条件；
13、争议解决方式；
14、管辖法院或仲裁机构；
15、其他特殊条款。
条款提取 Prompt 可以这样写：
你是一个合同条款提取助手。
请从以下合同文本中提取关键条款，并严格输出 JSON。
需要提取的字段包括：
1、合同名称
2、签约主体
3、合同类型
4、合同金额
5、付款条款
6、交付条款
7、验收条款
8、违约责任
9、保密义务
10、知识产权
11、合同期限
12、解除条件
13、争议解决方式
14、管辖法院或仲裁机构
15、其他特殊条款
要求：
1、不要编造合同中没有的信息；
2、如果合同中没有对应内容，填写“未约定”；
3、尽量保留原文关键表述；
4、每个字段给出对应原文依据；
5、如果某个字段存在多处约定，需要合并说明。
输出 JSON 格式：
{
“合同名称”: “”,
“签约主体”: “”,
“合同类型”: “”,
“合同金额”: “”,
“付款条款”: “”,
“交付条款”: “”,
“验收条款”: “”,
“违约责任”: “”,
“保密义务”: “”,
“知识产权”: “”,
“合同期限”: “”,
“解除条件”: “”,
“争议解决方式”: “”,
“管辖法院或仲裁机构”: “”,
“其他特殊条款”: [],
“缺失信息”: [],
“原文依据”: {
“付款条款”: “”,
“违约责任”: “”,
“管辖法院或仲裁机构”: “”
}
}
合同文本：
{{合同文本}}
这里最重要的是两点：
1、没有的信息必须写“未约定”；
2、重要结论必须带原文依据。
否则后面风险识别会变成模型猜测。
八、第五步：建立风险规则库
风险规则库，是合同审查 Agent 的核心资产。
模型负责判断，规则库负责告诉模型什么叫风险。
一个基础版规则库可以这样设计：
风险规则库可以从简单开始。
第一版不用追求覆盖所有法律问题，可以先覆盖高频风险：
1、付款；
2、违约；
3、保密；
4、管辖；
5、验收；
6、解除；
7、知识产权；
8、责任限制。
后续再根据法务复核结果不断补充规则。
九、第六步：风险匹配
风险匹配 Agent 的任务是：
把条款提取结果和风险规则库逐条比对，输出风险清单。
这里可以用两种方式结合：
1、规则判断；
2、语义判断。
比如：
1、违约金比例 > 20%，这是规则判断；
2、验收标准是否模糊，这是语义判断；
3、管辖地是否对我方不利，需要结合公司所在地判断；
4、保密范围是否过宽或过窄，需要语义判断。
风险识别 Prompt 可以这样写：
textCopy
你是一个合同风险审查助手。 请根据“合同条款提取结果”和“风险规则库”，识别合同中的风险点。
要求：
1、逐条对照风险规则；
2、说明是否触发风险；
3、给出风险等级；
4、说明触发原因；
5、引用原合同表述；
6、给出修改建议；
7、不要做最终法律结论，只输出供人工复核的初审意 见；
8、如果信息不足，请标记为“需人工确认”。
输出 JSON 格式：
{
“风险清单”: [
{ "风险项": "", "风险等级": "高/中/低", "是否触发": "是/否/需人工确认", "触发原因": "", "原合同表述": "", "修改建议": "", "是否需要人工重点复核": "是/否" } ], "综合判断": "", "人工复核重点": [] }合同条款提取结果：
{{条款JSON}} 风险规则库： {{风险规则库}}补充信息：
我方所在地：{{我方所在地}}
我方角色：{{甲方/乙方/采购方/销售方/出租方/承租方}}
这里建议增加两个变量：
1、我方所在地；
2、我方角色。
因为很多风险判断都和立场有关。
比如同样是付款账期，销售方和采购方的风险感受不一样。
十、第七步：生成审阅报告
报告生成 Agent 不负责重新判断风险。
它只负责把前面提取和识别的结果整理成报告。
审阅报告模板可以这样写：
textCopy
【合同审阅报告】
一、合同基本信息
1、合同名称：
2、合同类型：
3、签约主体：
4、合同金额：
5、合同期限：
6、我方角色：
二、核心条款摘要
1、付款条款：
2、交付 / 服务内容：
3、验收条款：
4、违约责任：
5、保密义务：
6、知识产权：
7、解除条件：
8、争议解决方式：
三、风险清单
高风险：1、风险项：
原文表述： 触发原因： 修改建议： 是否需要人工重点复核： 中风险：1、风险项：
原文表述： 触发原因： 修改建议： 是否需要人工重点复核： 低风险：1、风险项：
原文表述： 触发原因： 修改建议： 是否需要人工重点复核：四、人工复核重点
1、 2、 3、五、综合初审意见
本报告为 AI 初审结果，仅供法务人员复核参考。
建议结论： □ 可以签署 □ 修改后签署 □ 不建议签署 □ 需进一步人工判断
报告生成 Prompt 可以这样写：
textCopy
你是一个合同审阅报告生成助手。 请根据“条款提取结果”和“风险识别结果”，生成一份结构化合同审阅报告。
要求：
1、语言简洁；
2、按高风险、中风险、低风险排序；
3、每个风险都要包含原文表述、触发原因和修改建 议；
4 、不要新增前面结果中没有的风险；
5、结论必须标注为“AI 初审意见，仅供人工复核”。
条款提取结果： {{条款JSON}} 风险识别结果： {{风险JSON}}十一、不同合同类型怎么体现 AI 提效？
要体现合同审查智能化的价值，不能只讲一种合同。
可以把不同合同类型的高频痛点放出来。
这些合同虽然类型不同，但底层流程是一样的。
区别只在于：
1、条款提取字段不同；
2、风险规则库不同；
3、审查重点不同；
4、人工复核重点不同。
也就是说，搭好一个基础工作流之后，可以通过更换规则库，扩展到不同合同类型。
提示词是json结构，需要提示词评论区“提示词”
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～