一位实习律师基于Claude Code构建了面向物资采购类合同的自动化审核系统。该方案不依赖商业SaaS，而是通过自定义规则、子智能体与脚本协同，实现风险分级识别与法律意见书自动生成，将单份合同审核耗时从60分钟压缩至15分钟以内。
智能速览
采用Claude Code作为核心推理引擎，结合自研合同审核规则与Python脚本实现端到端流程
支持Word文档输入，自动区分高风险点（生成排版规范的法律意见书）和低风险点（合同副本标黄提示）
审核准确率接近人工水平，适用于结构稳定、风险点高度重复的物资采购/买卖合同
全流程无需外部API调用或订阅服务，全部本地化运行，保障合同文本数据安全
复核环节仍需人工介入，但工作重心从逐条审阅转向结果验证与例外处理
精华内容
当法律实务遇上轻量级AI工程实践，关键不在模型多大，而在于规则是否可沉淀、流程是否可闭环、输出是否可交付。
为何选Claude Code
Claude Code在代码理解与结构化文本生成方面表现出强稳定性，尤其适合处理合同中条款编号、引用关系、条件嵌套等格式化逻辑。相比通用大模型，其对Python脚本调用、Word文档DOM操作指令的理解错误率降低约40%，保障了法律意见书自动生成环节的可靠性。
实测中，对含28个条款、3处附件引用的标准物资采购合同，Claude Code成功识别全部7个高风险项（如付款节点模糊、违约金无上限、知识产权归属缺失），未出现漏判。
该选择并非追求技术前沿，而是匹配实习阶段可掌控的开发边界——无需微调模型，仅需定义规则映射与输出模板。
规则如何落地
审核规则共23条，全部以Python字典形式硬编码，覆盖主体资质、标的描述、验收标准、付款条件、违约责任、争议解决六大模块。每条规则标注触发阈值（如‘违约金比例＞20%’为高风险）、对应法条依据（《民法典》第584条等）及修改建议模板。
例如针对‘验收标准’条款，系统会扫描是否出现‘按甲方要求’‘以甲方最终确认为准’等模糊表述，一旦命中即标记为高风险，并在意见书中插入标准化批注：‘建议明确验收周期、检测方法及不合格处理流程，避免履行不确定性’。
规则库可随实务经验持续追加，当前版本已覆盖92%同类合同常见问题。
人机分工重构
审核流程被重新切分为三阶段：AI初筛（12分钟）、人工复核（3分钟）、终稿签发（＜1分钟）。AI承担全部条款解析、风险归类、意见生成与Word排版；人工仅需确认高风险结论合理性、检查标黄位置准确性、补充个性化备注。
对比传统方式，人工阅读时间减少85%，重复性劳动完全剥离。更重要的是，复核过程本身成为带教场景——带教律师可通过比对AI判断与自身结论，针对性讲解规则适用边界。
目前该模式已稳定运行6周，处理合同47份，复核修正率仅4.3%，且均为语义歧义导致的误判，非规则缺陷。
这个案例的价值不在于替代律师，而在于将高度程式化的合同审核工作转化为可复用、可验证、可教学的数字资产。它提示一种可能：法律人的核心竞争力正从记忆法条转向设计规则、定义边界、校准机器。当更多基础工作被自动化接管，留给专业判断的空间反而更清晰。下一步，这类工具会走向哪类合同？又该如何应对条款创新带来的规则失效？
