律师事务所场景下的
合同关键条款抽取 · 把律师从逐行通读解放出来

设想一家中等规模的综合性律师事务所，主做企业法律服务。这类场景里，审查压力通常集中在四件事：律师审一份中等篇幅合同，大量精力耗在逐行定位违约责任、管辖、保证、付款等关键条款上；旺季合同量一多，违约金、争议解决这类条款偶有漏检，复盘时才发现；新入所律师对「该重点看什么」没有统一清单，全靠合伙人口头带；同类条款的审查口径，不同律师把握不一，客户感受不一致。

这类场景的落地路径，第一步不是动手，而是和资深合伙人一起把不同合同类型的「必看条款清单」与各自的风险判断要点梳理成结构化规范，再抽样历史合同与审查批注做比对。这样会得到清晰的结论——能 AI 化的是「条款定位 + 要素抽取 + 风险初标」，不能 AI 化的是「法律判断、修改建议与对客解释」。

这一方案按双周迭代、分段验收。第一段是 文档解析管线——把扫描件、Word、PDF 统一解析为带版面结构的文本，章节与条款编号准确对齐；第二段是 条款抽取 LLM——按合同类型识别并抽取违约责任、付款、保证、管辖、争议解决等关键条款，每一条都带原文位置定位，律师一键跳转核对；第三段是 风险初标与清单核对——结合「必看条款清单」给出风险提示与缺失提醒，标明「需人工重点复核」的条款；第四段是 审查初稿生成——产出一份结构化审查初稿，写回合同管理系统，律师在此基础上修改定稿。

• 模块 1 · 文档解析管线（扫描件 / Word / PDF / 版面结构对齐）
• 模块 2 · 条款抽取 LLM（关键条款识别 / 原文位置定位）
• 模块 3 · 风险初标（必看清单核对 / 缺失提醒 / 重点复核标记）
• 模块 4 · 审查初稿生成（结构化初稿 / 写回合同管理系统）

这类场景里有三个值得提前画好的边界：不让 AI 出法律结论与修改意见，是否有效、如何修改属于执业判断，AI 只做条款定位与风险提示，结论一律由执业律师给出；强制人工复核定稿，AI 产出的是初稿不是终稿，每份审查必须经承办律师逐条确认签字，AI 不进入对客交付链路；每条抽取必须带原文出处，凡 AI 标注的条款都附原文位置和引用片段，律师可逐条溯源核对，杜绝凭空生成。这三个边界，是这一方案能稳定运行、把执业风险压住的根本原因。