合同审查规则怎么写：把法务经验变成 AI 可执行的审查标准

同样的 AI，为什么有的企业好用、有的不好用

同一套 AI 合同审查能力，落到不同企业手里，效果天差地别。有的企业像多了一个效率极高的法务助手，风险条款快速定位、修改建议合理可用；有的企业却叫苦不迭——系统要么满屏标红，几乎每一份合同都被提示「存在风险」，要么遗漏频出，审查通过的合同后来暴露出明显问题。

差别不在 AI 本身，而在怎么跟 AI「沟通」。AI 不是天然就会审合同，它只是执行能力极强的工具。如果希望它稳定、准确地完成审查任务，就必须为它设计一套清晰、可执行的规则体系。换句话说，合同审查规则，就是 AI 这套系统的「操作说明书」。

把 AI 当成「严格按说明书工作的执行者」

一个准确的理解方式是：AI 是一个严格按照说明书工作的执行者。它的执行能力强、状态稳定，只要规则足够清晰，就能在极短时间内完成大量重复性工作，而且几乎不会因为疲劳、情绪或疏忽而出错。但问题恰恰在这里——如果说明书写得不够清楚，它就无法理解你的真实意图。

很多资深法务认为理所当然的判断，AI 其实并不具备。比如法务凭经验就能迅速判断出「某个违约条款责任明显偏轻」「某个付款条件对资金回收不利」「某个管辖条款可能增加维权成本」，这些判断来自长期实践，AI 不会自动拥有。如果规则里只写「审查违约金是否合理」，AI 根本不知道什么叫「合理」。

所以，为 AI 写审查规则，本质上就是把法务的经验转化为一套可执行的操作说明：在什么情况下需要审查、具体审查什么内容、什么情况属于风险，都要写清楚。

审查规则的四项基本要求

一条高质量的合同审查规则，通常需要满足四个基本要求：场景明确、条件清晰、标准具体、无歧义。

标准具体这一条最值得强调。「付款期限不超过 60 天」比「付款期限要合理」更可执行，「违约金不超过合同金额的 20%」比「违约金不能过高」更明确。标准越具体，AI 的判断就越准确。无歧义同样关键：「关联公司」在不同语境下可能有不同定义，「主要条款」和「重要条款」的含义也可能因人而异，编写规则时要么使用法律或行业内的标准术语并给出明确定义，要么就用更具体的表述替代模糊用语。

常见编写错误与正确示范

实际编写中，最高频的错误就是「标准模糊」。把规则写成「审查违约金是否合理」，AI 无从判断「合理」的边界，审查结果自然忽左忽右。正确写法是把「合理」翻译成可判定的标准——违约金是否超过合同总标的的 30%、是否明显超过实际损失等。

另一个高频错误是「结论缺失」。规则只告诉 AI「要审查付款条款」，却不告诉它发现什么情况属于风险、应该给出什么结论。完整的规则应该包含风险的性质和后果两个要素，例如「如未约定争议解决条款，存在争议解决方式不确定风险」「如仲裁条款约定在合同签订地以外的仲裁机构仲裁，存在维权成本增加风险」。

五个实用的规则编写技巧

把上述要求落到笔头，有五个实用技巧。

第一，写清楚触发条件，让 AI 知道在什么前提下这条规则才生效。第二，把判定标准数值化——能写「20%」就不写「过高」，能写「60 天」就不写「合理」。第三，写清楚风险结论，同时包含风险性质（这是什么类型的风险）和风险后果（会导致什么问题）。第四，使用合同内信息——AI 只能基于合同文本中实际存在的信息判断，不能凭空补充，因此规则的触发条件和判定标准都应基于条款中可能出现的信息来设计。第五，使用自然语言表达，避免过于复杂的长句，把复杂的判断逻辑拆分成多个简单判断步骤。

比如「审查违约金约定」可以拆成两条规则：「审查合同中的违约金约定金额——如违约金金额超过合同总标的的 30%，存在违约金约定过高风险」「审查违约金与实际损失的关系——如违约金超过实际损失的 130%，存在违约金不被支持风险」。拆开后，每一步都可判定、可执行。

从最小可行清单开始搭建

刚开始构建规则体系的企业，常见误区是一上来就追求「全面」，不断加规则、补场景、扩边界，结果规则越做越多、系统越来越复杂，使用体验反而变差。更合理的方式是从最小可行清单（MVP）开始——不是规则越少越好，而是在当前阶段选取最关键、最具通用性的风险点，先形成一套「可以稳定运行」的审查规则集合。

可以先把范围收紧到最关键的 7-10 个风险点，例如：合同主体是否明确、付款条件是否合理、违约责任是否缺失或失衡、是否约定争议解决方式、标的条款是否清晰。这些规则通常有一个共同特征：出现频率高、一旦出问题影响较大、相对容易标准化处理，是最值得优先规则化的部分，往往已能覆盖大多数日常审查场景。

编写规则时，可以遵循一个简单有效的结构：审查对象 → 触发条件 → 判定标准 → 风险结论。换成更直白的说法，就是回答四个问题：在看什么、什么时候看、怎么判断有问题、最终给出什么结论。按这个结构拆解，每一条规则都会清晰、完整，也更容易被系统执行。

规则写完后还有一个常被忽略的步骤——自检。推荐「反向验证法」：试着把自己当成一个完全不懂业务的人，只根据这条规则来执行审查，然后问自己几个问题——能不能仅凭规则完成判断？每一个判断是否都有明确依据？能不能区分「正常情况」和「风险情况」？如果在过程中出现「好像要靠经验补充判断」的地方，通常就说明规则还不够清晰，还需要再往前走一步。

e签宝 把规则沉淀成企业能力

规则体系的落地，最终要落到产品上。e签宝 合同审查把「规则」作为核心资产来设计：企业可以在规则库维护自己的审查规则，把审查标准沉淀下来并持续优化；配合多角色审查，让法务、财务、业务各取所需；AI 没命中的风险点，还能划词手动补充，形成人机协同的完整闭环。

AI 合同审查的效果，很大程度上取决于审查规则的质量。当企业能够把自身的风险判断经验逐步结构化、规则化，并不断在实践中优化这些规则时，合同审查就会从依赖个人经验的工作，逐渐演变为一种可以沉淀、可以复用、可以持续优化的企业能力——这才是 AI 审查真正的价值所在。