用大模型做合同条款风险初筛:一套可落地的提示词与复核流程
法务和业务同事最耗时的活之一,是审合同。一份几十页的采购合同,逐条读完再标风险,往往要花掉半天。真正需要人来判断的争议条款其实就那么几处,大量时间耗在了翻找和定位上。把机械的初筛环节交给大模型,让人集中精力做判断,这条路径现在是可行的。
但要说清楚:模型做的是初筛,不是定稿。它能帮你快速把可疑条款挑出来,最终的取舍还得由人来做。下面是一套可以照着搭的流程。
一、先界定模型适合做什么
合同条款初筛适合交给模型的,是这几类相对机械的任务:
- 找出合同里出现的特定类型条款,比如违约责任、管辖约定、单方解除、自动续约;
- 标注条款的位置和原文,方便人快速定位;
- 按预设清单做勾选式检查,比如有没有写清交付标准、有没有约定验收期限;
- 把长段落压缩成一句话摘要,帮助快速浏览。
不适合直接交给模型的,是最终的法律判断。某条违约金约定是否合理、某个责任限制能不能接受、这份合同整体风险是否可控,这些都要结合交易背景、商业诉求和谈判地位来定,模型给不了可靠答案。
二、提示词怎么写才可用
给模型的指令,关键是限定角色、范围和输出格式。一个可用的提示词骨架长这样:
角色与任务:你是一名合同初审助手。请从下面的合同文本中,找出所有涉及违约责任、单方解除和争议解决的条款。
输出要求:逐条列出,每条包含三部分——条款原文、所在章节、可能需要注意的是什么(一两句话即可)。不要对合同整体下结论,不要给修改建议,只做定位和标注。
边界声明:如果某项没有找到,明确写"未找到",不要推测或编造。
你是一名合同初审助手。
任务:从合同文本中找出涉及【违约责任/单方解除/争议解决】的条款。
输出:逐条列出,每条含①条款原文 ②所在章节 ③需要注意的点(不超过两句)。
要求:只做定位与标注,不下整体结论,不给修改建议;
未找到的类别写"未找到",不得推测或编造。
合同文本如下:
{
{contract_text}}
几个细节值得强调。第一,把类别用方括号列清楚,比笼统说"找风险条款"效果好得多。第二,明确禁止给修改建议,能减少模型一本正经地写出不可靠建议的情况。第三,"未找到就写未找到"这句很关键,能压住模型编造条款的倾向。
三、把输出结构化,方便后续处理
如果要把结果落到表格或台账,可以让模型按固定格式输出,比如用竖线分隔的字段,或者直接用 JSON。结构化之后,就能把"条款位置—类型—关注点"自动整理成清单,人工复核时按图索骥。
这里有个工程上的提醒:模型输出格式偶尔会跑偏,尤其是合同文本很长的时候。稳妥做法是分段处理,先把长合同按章节切开,逐段跑提示词,再汇总结果。这样每次输入更短,输出更稳定,定位也更准。
四、人工复核这一步不能省
初筛结果出来后,人工要重点核对三件事:
一是有没有漏。 模型可能漏掉表述不标准的条款。有些合同不用"违约责任"这样的字眼,而是把责任写进"服务承诺"或"特别约定"里。这类条款容易被规则式的检索错过。
二是有没有认错。 模型偶尔会把上下文理解错,把对公司有利的条款标成风险,或者张冠李戴。原文定位要逐条回看,不能只看摘要。
三是有没有编。 虽然提示词里做了限制,但模型在长文本里仍可能生成原文并不存在的句子。凡是标注了原文位置的,都要回到合同里核对一遍。
五、数据安全要提前考虑
合同往往包含商业信息甚至个人信息。用公有云的大模型服务处理合同前,有几点要先确认:
- 服务商对输入数据保留多久,会不会用于训练,能否关闭;
- 是否支持私有化部署或专属实例,敏感合同是否必须走内部模型;
- 上传前是否需要做脱敏处理,把当事人名称、金额、编号等替换掉;
- 公司内部的保密制度是否允许把合同文本交给外部服务,流程上要不要审批。
这几条属于合规层面的前置条件,技术流程搭好之前就要想清楚,不能等合同传上去了再补。
六、把流程固化下来
跑通一次之后,建议把提示词、分段规则、复核清单固化成标准动作:
- 合同上传前先脱敏,确认符合内部规定;
- 按章节切分文本,逐段调用初筛提示词;
- 汇总输出,生成条款定位清单;
- 人工逐条复核,重点看遗漏、错标和编造;
- 复核结论记入台账,形成可追溯的记录。
这样一套流程走下来,初筛的机械活由模型承担,判断和拍板留给人。效率提上去了,责任边界也清楚。
小结
用大模型做合同条款初筛,价值在于快速定位和结构化整理,不在于替人下结论。把任务限定清楚、提示词写具体、输出做结构化、人工复核不省略、数据安全先落实,这套流程就能稳稳用好。工具是辅助,最终的风险判断仍然掌握在懂业务、懂法律的人手里。
本文由执业律师整理,仅供普法参考,不构成个案法律意见。
配图:由AI生成