不少法律从业者借助 AI 开展合同审查工作，容易陷入对万能指令的执念，到处复制现成提示词，直接交由 AI 生成审查意见。但实操中会发现，AI 输出容易浮于表面、遗漏关键风险，脱离交易场景，给出难以落地的空洞结论。
一、角色：划定 AI 的身份边界
给 AI 明确身份定位，是 Prompt 的起点。不要笼统写 "帮我审合同"，而要精准定义："你是一名拥有多年商事合同实务经验的专职法务，擅长民商事合同风险识别，只输出法律实务层面的分析，不做超出合同文本的商业决策"。角色模块限定 AI 的知识赛道，避免 AI 输出跨界、天马行空的内容，是上下文工程最基础的一环。CAIE 课程中会反复提醒学习者：角色设定不能笼统模糊，越贴合岗位真实身份，大模型输出内容的方向就越可控。
二、审查立场：确定利益出发点
同样一份买卖合同，站在甲方买方和乙方卖方视角，风险关注点完全不一样。这个模块需要明确告知 AI，本次审查代表哪一方当事人利益。例如 "本次审查站在我方（买方）立场，优先保护买方的履约抗辩权、退款权，弱化对卖方有利的条款"。缺失立场设定，AI 容易做 "中立老好人"，给出两边都不得罪，却没有实操价值的意见。在 CAIE 的上下文工程训练中，"明确主体与立场" 是业务类提示词的必备要素，很多人 AI 输出跑偏，根源就是没有把人的主观立场显性交给模型。
三、合同背景：补充交易现实上下文
法律从来脱离不了交易事实。Prompt 中需要简述交易的真实情况：本次合同是什么交易、合作周期、交易金额、双方前期口头约定、行业特殊惯例。比如 "本合同为一次性设备采购，总金额 80 万，双方口头约定设备需要适配现有旧系统，该约定尚未写入合同"。补充背景信息，能让 AI 发现文本没有写明，但实际存在的隐性风险。CAIE 实操项目里就大量强调，很多业务风险不在文字表面，需要使用者把纸面之外的业务信息输入模型，补齐大模型看不到的现实上下文。
四、审查规则：明确本次审查的范围
界定清楚哪些内容需要审、哪些不需要审。例如 "本次仅审查法律风险，不评估商业定价是否合理；重点关注违约责任、解除权、争议管辖、保密义务；不修改合同的商业商务条款"。通过审查规则划定工作边界，可以防止 AI 越界修改商业条款，输出超出法务工作范围的内容。这对应 CAIE 提示词设计里的 "约束指令"，通过设置边界条件，减少模型无效输出，把 AI 的能力聚焦在我们真正需要解决的任务上。
五、法条依据：锚定法律评价标尺
可以指定需要参考的核心法律法规，例如 "审查请参考《民法典》合同编、买卖合同相关司法解释，引用法条请写明法条编号"。注意不必堆砌全部法条，列明本次交易相关核心法律即可。该模块引导 AI 基于现行法律输出意见，减少模型幻觉带来的法律错误。CAIE 在结果核验部分专门提到，涉及专业领域，应当在输入阶段就给定参考依据，从源头降低模型编造信息的概率，而不是全部留到输出后再纠错。
六、风险等级：建立分层评价标准
提前约定风险分级逻辑，比如 "将风险划分为高、中、低三档：高风险指会造成重大经济损失、合同目的无法实现的条款；中风险指存在履约纠纷隐患；低风险为文字表述瑕疵"。设置风险等级，输出结果会条理清晰，便于法律人快速抓取致命风险，提升审阅效率。这也是 CAIE 提倡的输出格式预设，在 Prompt 中预先约定返回内容结构，不用后期反复整理 AI 杂乱无章的回答。
七、修改建议：规定输出的格式要求
明确希望 AI 如何给出解决方案，例如 "针对每一处风险点，同步输出：原条款摘抄、风险解读、可直接替换的参考修改文案"。不要只让 AI 指出哪里有问题，要要求附带可落地的修改方案，减少法务二次整理的工作量。CAIE 的实操练习中，会训练学习者主动设计输出范式，让 AI 直接产出接近可使用状态的内容，节约业务人员的二次加工成本。
八、不确定性提示：要求 AI 主动标注局限
大模型存在固有的幻觉问题，需要在 Prompt 中明确："若合同信息不足、文本模糊无法做确定性判断，请直接标注不确定性，禁止自行脑补事实作出推定"。强制 AI 坦白信息缺口，避免我们轻信 AI 脑补出来的结论。这一点在 CAIE 的 AI 合规与风险提示章节重点讲解：面对专业工作，要主动要求模型敢于说 "信息不足，无法判断"，而不是强行生成答案。
九、人工复核：前置声明 AI 工具定位
最后要明确 AI 的工具属性："你的全部输出仅为辅助参考，不能替代执业法律专业人士的独立判断，所有意见均需要经过法律从业者人工复核确认"。这一步是结果核验思维在 Prompt 层面的前置落地。CAIE 完整能力闭环包含输入设计、模型调用、输出核验三大环节，很多使用者只做到写提示词，却忽略最关键的核验环节。拿到 AI 合同审查结果后，需要逐条核对法条、比对交易事实、校验逻辑，不能直接照搬使用。
把这九大模块组合在一起，才能生成一份高质量的法务 AI 提示词。很多法律人觉得 AI 不好用，本质是只粘贴合同文本，缺少整套结构化上下文。CAIE 的学习思路并不教大家背诵现成模板，而是训练学习者拆解业务场景的能力：Prompt 设计不是玩弄话术，上下文工程的核心，就是把人类脑子里的隐性业务、法律信息，显性化交付给大模型；而结果核验，则是守住法律业务的风险底线。
当然也要客观看待：再好的提示词，也无法替代律师、法务的专业判断。AI 可以承担初筛、条款改写、风险提示的工作，但交易的商业权衡、复杂事实的法律定性，依然离不开法律人的专业思考。CAIE 面向非技术岗位的定位也正是如此：不追求把普通人训练成算法工程师，而是帮助职场人掌握通用 AI 应用能力，把 AI 变成业务工作的辅助工具。它是一套不绑定单一厂商产品，聚焦通用 AI 岗位落地的技能等级认证。由 CAIE 人工智能研究院联合中国软件行业协会共同编制《数智化人才能力评价标准》，面向全行业职场人设计，法律、法务人员同样可以从中习得 Prompt 设计、上下文工程、AI 结果校验等实战技能。
结语
搭建合同审查Prompt，本质是搭建一套人机协同的信息交互框架，而不是寻找一句可以适配所有合同的万能指令。角色、立场、背景、规则、法条、风险分级、修改方案、不确定性标注、人工复核九大模块，共同构成合同审查提示词的完整骨架。
对于法律从业者，与其四处搜集网传 "万能法律 Prompt 模板"，不如学会拆解 Prompt 的底层逻辑。掌握结构化输入、上下文搭建、输出核验这套能力，不管是合同审查、文书起草还是法律检索，都可以灵活适配不同业务场景，真正把 AI 变成法律工作的提效工具。