城东新店的租赁合同,房东发来了一份,店主让「法眼·合同」分身帮忙看看有什么坑,并附上了文件:门店租赁合同-房东版.docx。09:30 发出,09:41 分身就交回结果:审完,高风险 3 处、中风险 4 处。
以前
- 在 Word 中逐条阅读合同条款、标注风险点
- 用 Excel 记录各合同关键条款对照和风险等级
- 使用 Beyond Compare 等工具对比新旧版本差异
- 通过邮件发送审核意见给业务方并跟进修改
现在
- 秒级解析全文,自动标注 30+ 类风险条款并给出修改建议
- 直接产出可采纳的红线修订稿,而非一句笼统建议
- 每条修改都标明已核验的法条出处,查不到的照实标「未核验」
不是建议,是能直接采纳的修改
违约责任第九条:乙方逾期支付租金,原文按「月租金的 5%」每日计违约金,分身直接改成「欠付租金的万分之五」,并批注:日 5% 折合年化逾 1800%,明显过高,可请求法院调减 ——《民法典》第 585 条,已核验。第九条第二款「甲方有权随时解除合同,乙方不得提出异议」,改为「任何一方解除应提前 60 日书面通知,甲方无正当理由提前解除的需退还剩余租期租金并赔偿装修残值」,依据《民法典》第 563 条,已核验。第三款的装修归属条款,建议区分可移动与不可移动部分分别处理,这一条标注「地方细则 · 未核验」,不装作查到了。
高风险的排在最前面;原文在上、改后在下;法条去法规库里查过,查不到的会标「未核验」。
合同审核分身到底在做什么
它不是在「用自己的话复述」合同,而是做三件具体的事:把全文拆解成可独立评估的条款单元;对每条给出风险等级并说明理由(而不是笼统的「有风险」);对能改的条款直接产出修订版本,而不是停留在「建议您关注」。这三件事合在一起,才让 11 分钟审完一份合同成为可能 —— 普通聊天工具能做第一步,大多数也能做第二步,但第三步(给出可直接采纳的红线稿、并标注法条出处)需要法条数据库检索能力和排版还原能力,这是通用大模型默认不具备、需要专门搭建的部分。
三个边界,决定它能不能被信任
边界一:法条引用必须可核验,查不到就说查不到。合同审核最容易出问题的地方,不是漏看了风险,而是「编造」了一个听起来权威但查无实据的法条来支撑自己的修改建议 —— 这比不给建议更危险,因为它看起来更可信。法眼·合同坚持对每条引用去法规库里实际核验,核验不到的条款明确标注「未核验」,而不是含糊带过。 边界二:给修订稿,不做最终决定。红线修订是起草稿,不是生效文本 —— 是否采纳、是否需要和对方谈判、是否要请律师再过一遍,始终是人的决定。 边界三:涉密合同不出本机。合同原文往往包含租金、股权结构、客户名单等敏感信息,审核过程可以完全在本地 Karma Box 上完成,不依赖云端模型处理敏感文本。
怎么把它接入实际的合同审核流程
1. 先用已经审过的旧合同做校准。挑几份团队已经人工审完、结论明确的合同喂给它,对比它给出的风险等级和法条引用与人工结论是否一致 —— 这比直接拿新合同测试更容易发现系统性偏差。 2. 从「初审」角色开始,而不是「终审」。让它承担第一遍通读和风险分级的工作,把人工精力集中在它标记的高风险条款上复核,而不是让它的结论直接生效。 3. 建立一张「未核验」条款的处理清单。地方性法规、行业惯例、特定法院的裁判倾向,这类内容法条数据库里未必查得到,提前约定好这类条款统一转交专职律师复核,而不是放任分身给出不确定的猜测。 4. 定期抽查法条引用的准确性。法规会修订、会废止,抽查机制能及时发现引用过时法条的情况,而不是等到真正用在谈判桌上才发现。
怎么衡量它有没有真的降低风险
不要只看「审核速度变快了」,更要看:高风险条款的召回率(有没有漏掉人工审核时会发现的风险点,这需要定期用已知结果的合同回测);「未核验」标注的比例(比例过低,反而值得警惕 —— 可能是检索范围没覆盖到地方性规定,而不是真的都核验过了);采纳率(红线修订稿有多大比例被直接采纳而不需要律师大改,采纳率低说明它对这类合同、这类条款的理解还不够);以及真正进入谈判阶段后,对方对修改条款的接受程度。
常见误区
最常见的误区,是把「核验过的法条」等同于「这条建议一定正确」—— 法条是真实存在的,但是否适用于这份合同的具体场景,仍然需要专业判断,法条核验解决的是「有没有编造」,不是「用得对不对」。其次是忽略「未核验」标注,把它当成系统的瑕疵而不是重要信号 —— 恰恰是这部分最需要人工介入。还有一种误区是让分身直接把红线稿发给对方,省掉内部确认环节 —— 外发永远应该是一次明确的人工决定,而不是审核完成后的自动下一步。
常见问题
它能审核英文或其他法域的合同吗? 法条核验能力取决于接入的法规数据库覆盖范围;跨法域合同建议先确认数据库是否覆盖目标法域,未覆盖的法域应整体按「未核验」处理,而不是用其他法域的法条替代。 它会不会把合同内容用来训练模型? 审核可以完全在本地 Karma Box 上运行,合同原文不离开这台机器,也不会被用作任何外部模型的训练数据。 审核结论和人工律师意见不一致怎么办? 以人工律师的专业判断为准 —— 分身的产出是加快初审、降低遗漏风险的工具,不是替代执业律师的法律意见。
一个真实团队的采用过程
一家开了 6 家门店的连锁餐饮品牌,法务其实只有创始人一个人在兼顾。接入法眼·合同的头两周,创始人只干了一件事:把过去两年签过的、自己记得条款细节的 12 份租赁和供应商合同喂给它复核,逐条对照分身给出的风险等级和自己当年的判断是否一致。结果发现它在违约金、解约条件这类条款上判断准确,但在「装修归属」这类高度依赖地方惯例的条款上,有 3 次标注了「未核验」—— 这恰好是创始人自己当年也没完全确定、后来靠律师朋友帮忙才搞清楚的部分。确认了这个边界之后,新店拓店期间的租赁合同审核改成了「分身先审,创始人只看高风险条款和未核验条款」,原来需要自己通读两小时的合同,现在 10 分钟就能决定重点看哪几条。供应商合同的审核方式也复制了过去,没有另起一套。
在把合同审核分身用于正式对外谈判之前,建议先用一批已有明确结论的历史合同做校准测试,确认其风险识别的召回率和法条核验的准确率达到团队可接受的水平,再逐步扩大到新合同、新合同类型。


