一、一个真实的痛点
上个月，一个做企业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20-30份合同。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。
"最烦的不是看合同，而是重复劳动。"他说，"每份合同都要看那几个常见条款------违约责任、保密义务、管辖法院，80%的审查工作是重复的。"
他问我："有没有办法用AI做合同审查？"
我说：有，用Agent编排就能实现。
这篇文章就是那次搭建的完整实现过程，从需求分析到流程设计，再到落地执行。
二、什么是Agent编排？
在讲具体实现之前，先简单说明一下Agent编排。
Agent（智能体）是一个能够自主完成任务的AI程序。它不只是"回答问题"，而是"执行动作"------读取文档、调用工具、做出判断、输出结果。
Agent编排，就是把多个Agent串联成一个工作流，让它们协同完成一个复杂任务。
类比一下：
- 单次调用LLM ≈ 问一个人一个问题
- Agent编排 ≈ 组建一个团队，分工协作
对于合同审查这个场景，我们需要多个Agent分工配合：
- 一个Agent负责读取合同
- 一个Agent负责提取关键条款
- 一个Agent负责对照风险规则做判断
- 一个Agent负责生成审阅报告
三、整体流程设计
合同审查自动化的工作流如下：
text
合同上传 → 文档解析 → 条款提取 → 风险匹配 → 生成报告 → 人工复核
下面详细拆解每一个环节。
四、第一步：合同上传与文档解析
目标：让系统能够读取合同文件内容。
支持的格式：PDF、Word、TXT
需要处理的问题：
- PDF中的表格和排版需要正确解析
- 扫描件需要OCR识别（可选）
- 保留段落结构，便于后续提取条款
输出：合同全文的纯文本，保留原始段落结构。
五、第二步：条款提取
目标：从合同中自动提取关键条款。
一份标准合同通常包含以下核心条款：
|------|-----------------|
| 条款类型 | 需要提取的内容 |
| 违约责任 | 违约金比例、赔偿范围、免责情形 |
| 保密义务 | 保密期限、保密范围、违约责任 |
| 管辖法院 | 仲裁还是诉讼、管辖地 |
| 付款条款 | 付款时间、付款方式、发票要求 |
| 合同期限 | 生效日期、终止条件、续约方式 |
实现思路：
这一步不需要复杂的模型训练，用提示词+规则就能完成。
提示词示例：
text
请从以下合同中提取关键条款，输出JSON格式：
-
违约责任条款
-
保密义务条款
-
管辖法院条款
-
付款条款
-
合同期限
合同内容：[合同文本]
输出示例：
json
{ "违约责任": "任何一方违约，需向对方支付合同总金额20%的违约金",
"保密义务": "保密期限为合同终止后3年",
"管辖法院": "北京市朝阳区人民法院诉讼管辖",
"付款条款": "合同签订后7个工作日内支付50%",
"合同期限": "自2026年1月1日至2026年12月31日"}
六、第三步：风险匹配
目标：将提取的条款与风险规则库进行比对，识别风险点。
首先需要建立一份风险规则库。这是法务团队的核心知识资产。
风险规则示例：
|--------|--------------|------|
| 风险项 | 规则 | 风险等级 |
| 违约金过高 | 违约金比例 > 20% | 高风险 |
| 管辖地不利 | 管辖法院不在公司所在地 | 中风险 |
| 保密期限不足 | 保密期限 < 2年 | 低风险 |
| 付款账期过长 | 付款时间 > 30天 | 中风险 |
匹配逻辑：
- 读取上一步提取的条款
- 逐条与风险规则进行匹配
- 匹配方式：关键词匹配 + 语义判断
- 输出每条规则是否触发，以及触发原因
输出示例：
text
【风险发现】
-
违约责任：违约金比例为20%，超过公司标准的15%，建议谈判降低
-
管辖法院：约定为北京朝阳法院，公司所在地为上海，建议改为上海
-
付款条款：账期30天，在可接受范围内
七、第四步：生成审阅报告
目标：将风险匹配结果汇总成一份结构化的审阅报告。
报告应包含以下内容：
- 合同基本信息：合同名称、签约方、日期
- 条款摘要：核心条款的提取结果
- 风险清单：按风险等级排序（高→中→低）
- 修改建议：每条风险对应的具体修改方案
- 综合结论：是否建议签署、需要谈判的事项
输出示例：
Text
【合同审阅报告】
合同名称：XX采购合同
签约方：A公司（甲方） vs B公司（乙方）
【风险清单】
高风险（2项）1. 违约金比例20% - 建议谈判降至10%
- 管辖法院在北京 - 建议改为上海
中风险（1项）
- 保密期限3年 - 符合要求，无需修改
低风险（0项）
【综合结论】建议谈判后签署。重点谈判：违约金比例、管辖法院。
八、第五步：人工复核
目标：AI完成初筛后，由法务人员进行最终确认。
这一步是必须的。AI的作用是提效，不是替代。
人工复核的内容：
- 确认AI提取的条款是否准确
- 确认风险判断是否合理
- 对AI未发现的特殊风险进行补充
- 最终签字确认
人机协作的分工：
|------|------|------|
| 环节 | AI负责 | 人工负责 |
| 文档解析 | ✅ | - |
| 条款提取 | ✅ | 复核修正 |
| 风险匹配 | ✅ | 复核确认 |
| 报告生成 | ✅ | - |
| 最终审批 | - | ✅ |
九、完整工作流示意图
text
┌─────────────────────────────────────────────────────────────┐│ 合同审查Agent工作流 │├─────────────────────────────────────────────────────────────┤│ ││ 合同上传 ──→ 文档解析 ──→ 条款提取 ──→ 风险匹配 ──→ 报告生成 ││ │ │ │ │ ││ ▼ ▼ ▼ ▼ ││ PDF解析 提示词调用 规则库匹配 结构化输出 ││ │ │ │ │ ││ └───────────┴───────────┴────────────┘ ││ │ ││ ▼ ││ 人工复核确认 ││ │ ││ ▼ ││ 最终审阅意见 │└─────────────────────────────────────────────────────────────┘
十、效果与收益
用Agent编排实现合同审查自动化后，那家法务团队的效率变化：
|----------|---------|---------|------|
| 指标 | 之前 | 之后 | 提升 |
| 单份合同审查时间 | 40-60分钟 | 10-15分钟 | 70% |
| 法务每日处理量 | 3-5份 | 8-12份 | 150% |
| 风险漏判率 | 约5% | 约1% | 80% |
| 重复劳动时间 | 60% | 20% | 67% |
核心价值不是"替代法务"，而是让法务从重复劳动中解放出来，专注于真正需要专业判断的工作。
十一、技术选型参考
如果你正在考虑实现合同审查自动化，以下几个技术方向值得关注：
- 文档解析：支持PDF/Word的文本提取
- 提示词工程：设计稳定的条款提取提示词
- 规则引擎：风险规则的配置和管理
- Agent编排：多个Agent的串联和协同
目前开源生态（LangChain、AutoGen）和部分商业产品都在这些方向上探索。
生产环境参考实现可参考ZGI的Agent编排能力。ZGI支持可视化Agent工作流设计，内置RAG和多模型接入，可以快速搭建合同审查等自动化场景。
十二、延伸阅读
本文介绍的合同审查Agent编排流程------文档解析、条款提取、风险匹配、报告生成，与 ZGI 的Agent编排能力在思路上基本一致。ZGI提供可视化Agent工作流设计、多模型接入、知识库RAG等能力，感兴趣可以去 zgi.cn 看看。
写在最后
用Agent编排实现合同审查自动化，核心流程就五步：
- 合同上传（PDF/Word格式）
- 文档解析（提取纯文本）
- 条款提取（用提示词提取关键条款）
- 风险匹配（规则库比对，识别风险）
- 报告生成（结构化输出，人工复核）
这套流程的价值不是替代法务，而是让法务从80%的重复劳动中解放出来，专注于20%的高价值判断。
希望这篇文章能帮你快速上手Agent编排的实战应用。