案例背景
某互联网公司需在签约前完成 200 份供应商合同的风险排查。传统流程：
| 环节 | 传统方式 | 耗时 | 痛点 |
|---|---|---|---|
| 合同分类 | 人工分类 | 8 小时 | 类型多样 |
| 条款抽取 | 人工标注 | 40 小时 | 重复劳动 |
| 风险识别 | 律师逐条审 | 80 小时 | 200 份×24 分钟 |
| 合规检查 | 对照法规 | 24 小时 | 法规更新 |
| 报告撰写 | 人工整理 | 16 小时 | 格式不一 |
| 总计 | 3 人 1 周 | 168 小时 | 效率低、漏检多 |
目标：用 AI 把全流程压缩到 1 天 1 人，风险识别率不低于人工。
工具组合
| 工具 | 角色 | 选型理由 |
|---|---|---|
| Claude Code | 合同解析 + 条款抽取 | 长上下文处理长合同 |
| GPT-4 | 风险识别 + 合规检查 | 法律推理能力强 |
| Cursor | 批量处理脚本 | IDE 内处理 200 份 |
| Filesystem MCP | 合同文件读取 | 批量读取 PDF/Word |
| Notion MCP | 报告沉淀 | 结构化写入合同数据库 |
| Memory MCP | 记住审查标准 | 跨合同保持标准一致 |
1 天整体规划
| 时段 | 阶段 | 产出 |
|---|---|---|
| 上午 9-12 | 合同解析 + 条款抽取 | 200 份结构化合同 |
| 下午 13-16 | 风险识别 + 合规检查 | 200 份风险报告 |
| 下午 16-18 | 汇总 + 优先级排序 | Top 20 高风险合同 |
实施步骤
阶段 1：合同解析与条款抽取
Prompt 1：让 Claude Code 做合同结构化
你是资深合同律师。请把以下合同解析为结构化 JSON：
## 合同文本
{contract_text}
## 输出格式
{
"basic_info": {
"contract_type": "", // 采购/服务/租赁/劳务
"party_a": "", // 甲方
"party_b": "", // 乙方
"signing_date": "",
"effective_date": "",
"duration": "",
"contract_amount": ""
},
"clauses": [
{
"clause_id": "1",
"clause_type": "标的", // 标的/价格/付款/交付/违约/保密/争议/终止
"content": "条款原文",
"key_terms": ["关键术语1", "关键术语2"]
}
],
"special_terms": [], // 特殊条款
"appendices": [] // 附件清单
}
Prompt 2：让 GPT-4 抽取关键条款
从以下合同中抽取关键条款，按类型分类：
## 合同
{structured_contract}
## 抽取要求
1. 付款条款：金额、节点、方式
2. 交付条款：时间、地点、验收标准
3. 违约条款：违约情形、赔偿计算
4. 保密条款：范围、期限、违约金
5. 知识产权：归属、许可、侵权
6. 争议解决：管辖法院/仲裁
7. 终止条款：终止条件、后果
8. 特殊条款：排他性、竞业限制等
## 输出
条款抽取表（Markdown 表格）：
| 条款类型 | 内容摘要 | 关键数字 | 风险提示 |
产出：200 份结构化合同 JSON + 关键条款表。
阶段 2：风险识别与合规检查
Prompt 3：让 GPT-4 做风险识别（Prompt Chaining 核心）
你是资深合同审查律师。请对以下合同做风险识别：
## 合同信息
{structured_contract}
{key_clauses}
## 风险识别维度
### 1. 商业风险 🔴
- 价格条款是否模糊（如"按市场价"）
- 付款条件是否对己方不利
- 交付标准是否可量化
- 违约金是否过高/过低
### 2. 法律风险 🔴
- 是否违反《民法典》合同编
- 是否违反行业监管规定
- 知识产权条款是否完备
- 争议解决条款是否有效
### 3. 操作风险 🟡
- 履约期限是否合理
- 验收流程是否清晰
- 变更管理是否规定
- 终止条件是否明确
### 4. 合规风险 🟡
- 反腐败条款是否包含
- 数据保护条款是否包含
- 劳动合规是否涉及
- 税务条款是否合规
## 输出
| 风险类型 | 风险描述 | 严重度 | 条款位置 | 建议 |
|----------|----------|--------|----------|------|
## 风险评分
- 高风险（🔴）：X 个
- 中风险（🟡）：X 个
- 低风险（🔵）：X 个
- 综合风险等级：高/中/低
Prompt 4：合规性检查
请检查以下合同是否符合公司合规要求：
## 公司合规清单
{compliance_checklist}
## 合同
{contract}
## 检查项
1. 是否包含反腐败条款
2. 是否包含数据保护条款（GDPR/个保法）
3. 是否包含知识产权归属条款
4. 是否包含争议解决条款
5. 是否包含不可抗力条款
6. 是否包含保密条款
7. 签约主体是否适格
8. 授权代表是否有权签署
9. 合同金额是否在授权范围内
10. 是否需董事会/法务部审批
## 输出
合规检查表：
| 检查项 | 状态（✅/❌/⚠️） | 说明 | 建议 |
Prompt 5：用 Memory MCP 保持标准一致
记住以下合同审查标准：
- 违约金超过合同金额 30% 标记为高风险
- 付款周期超过 90 天标记为中风险
- 无知识产权条款标记为高风险
- 无保密条款标记为高风险
- 争议解决选外地法院标记为中风险
- 无不可抗力条款标记为中风险
- 排他性条款标记为中风险
后续所有合同都按此标准审查。
产出：200 份风险报告 + 合规检查表。
阶段 3：汇总与优先级排序
Prompt 6：让 Claude Code 生成汇总报告
请把以下 200 份合同风险报告汇总：
## 数据
{200_risk_reports}
## 报告结构
1. 总览（200 份合同的风险分布）
2. 高风险合同 Top 20（需立即处理）
3. 共性风险（多份合同的相同问题）
4. 供应商风险排名
5. 建议处理方案
## 输出
Markdown 表格 + 风险分布图描述
Prompt 7：生成处理建议
基于以下风险分析，生成处理建议：
## 高风险合同
{high_risk_contracts}
## 建议格式
| 合同编号 | 供应商 | 风险类型 | 严重度 | 建议动作 | 负责人 | 时限 |
|----------|--------|----------|--------|----------|--------|------|
## 建议动作类型
- 立即暂停签约
- 要求修改条款
- 补充协议
- 风险接受（需审批）
- 法律咨询
Prompt 8：用 Notion MCP 沉淀
把 200 份合同审查结果写入 Notion：
- 数据库：合同审查
- 字段：合同编号/供应商/风险等级/风险数/建议/状态
- 高风险标记：红色
- 状态：待处理/处理中/已解决
关键 Prompt 合集汇总
| Prompt | 用途 | 工具 |
|---|---|---|
| 1 | 合同结构化 | Claude Code |
| 2 | 关键条款抽取 | GPT-4 |
| 3 | 风险识别 | GPT-4 |
| 4 | 合规检查 | GPT-4 |
| 5 | 标准记忆 | Memory MCP |
| 6 | 汇总报告 | Claude Code |
| 7 | 处理建议 | Claude Code |
| 8 | Notion 沉淀 | Notion MCP |
效果数据
| 指标 | 传统流程 | AI 流水线 | 提升 |
|---|---|---|---|
| 总耗时 | 168 小时（3 人 1 周） | 12 小时（1 人 1 天） | 14 倍 |
| 合同数量 | 200 份 | 200 份 | - |
| 风险识别率 | 85% | 96% | +11% |
| 漏检率 | 15% | 4% | -60% |
| 误报率 | 20% | 8% | -60% |
| 审查一致性 | 低（3 人标准不一） | 高（统一标准） | 质变 |
| 高风险合同识别 | 18 份 | 23 份 | +28% |
| 成本 | 3 人 1 周 | API 约 $50 | - |
关键发现
- AI 发现了 5 份人工漏检的高风险合同：主要是隐蔽的"自动续约"与"单方调价"条款。
- 共性风险被系统识别：200 份中 120 份缺少数据保护条款，批量补充模板。
- 违约金条款是最大风险点：35% 合同的违约金超过法定上限（30%）。
- 供应商合同模板化程度高：AI 发现 60% 合同基于 3 个模板，重点审查模板即可。
经验总结
成功要点
- 结构化先行：先把非结构化合同转为 JSON，才能批量审查。
- 风险标准统一：用 Memory MCP 记住审查标准，保证 200 份一致。
- 分维度审查：商业/法律/操作/合规四维度，避免遗漏。
- 优先级排序：200 份合同只需重点处理 Top 20 高风险。
- Filesystem MCP 批量读取：用 MCP 批量读取 PDF/Word，无需人工上传。
踩过的坑
- PDF 解析错误：扫描版 PDF 无法直接解析，需 OCR 预处理。
- AI 过度报红：GPT-4 初版把所有"合理条款"也标红，需调整 Prompt 区分"风险"与"注意事项"。
- 法规更新滞后：AI 训练数据可能不含最新法规，需人工补充最新合规要求。
- 特殊行业条款：金融/医疗合同有特殊监管，AI 可能不熟悉，需人工复核。
- 合同附件遗漏：附件中的条款同样有效，需提醒 AI 读取附件。
- 金额识别错误：大写金额（如"人民币伍万元整"）AI 偶尔识别错，需校验。
不可 AI 化的环节
- 最终法律意见：AI 只做初筛，律师需复核高风险合同
- 商业谈判策略：哪些条款可让步需业务判断
- 合同修改起草：修改条款需律师起草
- 合规判断：特殊行业的合规要求需专业判断
- 签字授权：签约决策需人工
复用建议
这套方案可迁移到：
- 劳动合同审查：调整风险维度为"劳动法合规"
- 租赁合同审查：增加"物业条件""租金调整"维度
- 投资协议审查：增加"估值""对赌""退出"维度
- NDA 审查：聚焦"保密范围""期限""违约"
- 采购合同审查：增加"质量标准""售后"维度
核心是Prompt Chaining 串联解析-审查-报告，每个环节独立可调试。
工具版本
- Claude Code：v1.0.20+
- GPT-4：gpt-4o
- Cursor：v0.40+
- Filesystem MCP：最新版
- Memory MCP：最新版
- 1 天 API 总成本：约 $50（Claude $30 + GPT-4 $20）