WorkBuddy + 腾讯云 OCR 封装合同审查：扫描件秒变合同审查风险清单-知了AI

为什么扫描件是合同审查的第一道墙

做企业服务这几年，我见过太多团队的合同审查方式：把一份 PDF 拖进大模型对话框，问一句”这份合同有什么风险”，然后对着一篇泛泛而谈的回答发呆。问题不在于模型不聪明，而在于喂进去的东西本身就是残缺的。企业间往来的正式合同，八成以上是扫描件或拍照件——对方盖章后扫描回传、快递纸质版后手机拍照、甚至传真件再翻拍。这些文件本质上是一张张图片，纯大模型读不了图或读图能力不稳定，读印章更是重灾区：印章文字与正文重叠、红色通道干扰、透视变形，模型要么把印章内容混进条款，要么干脆漏掉。

表格串行是另一个隐蔽杀手。付款计划表、验收节点表、报价明细表被 OCR 打散后，行与列的对应关系经常错位，”第三期款 30%”跑到了”违约金比例”那一列。基于这种错误输入做合同审查，输出的一切结论都是沙上建塔。所以本文的核心主张只有一句话：先解决”读得准”，再解决”审得深”。OCR 负责把图片变成可靠的文字，结构化负责把文字变成机器可审的条款块，大模型负责在结构化结果上做真正的合同审查，最后由人合同审查复核。这套合同审查流程封装在 WorkBuddy 里，就成了一条可复用、可追溯、可批量跑的合同审查流水线。

合同审查前置：纯大模型直读扫描件的三个典型失败模式

失败一：印章与正文互相污染

骑缝章、公章压在条款文字上时，大模型的视觉通道会把印章文字当作正文一起识别，产出”甲方（公章：XXXXXXXX有限公司）应在……”这类幻觉文本。更糟的是反过来：印章上的公司全称被吞掉，导致合同审查时无法确认签约主体与抬头主体是否一致——这是高频风险点，恰恰败在第一步。

失败二：长表格跨页断行后语义崩塌

多页合同的付款表常在页尾截断，下一页续表没有表头。通用 OCR 按图逐页识别，续表内容失去列语义，模型只能靠猜。合同审查里”付款节点与验收条件是否绑定”这种关键核对，在这种输入下必然出错。

失败三：低质量拍照件的静默漏识别

手机拍照存在透视畸变、光照不均、纸张褶皱阴影。OCR 会”尽力”输出，但漏字、错字不会报错——它给了你一个看起来完整的文本，实际上第二条第 3 款少了”不超过”三个字。合同审查最怕的不是读不出来，而是读错了你还不知道。

合同审查流程化封装的价值：把合同审查从”一次性问答”变成”可复用资产”

同样的合同审查动作，如果每次都靠人现场写合同审查提示词、现场粘贴 OCR 结果、现场目测核对，效率永远上不去。封装成 WorkBuddy 合同审查流程后，预处理参数、OCR 通道选择、条款切分规则、合同审查提示词、合同审查风险清单模板全部固化，任何同事上传扫描件都能得到格式一致的产出。更重要的副产品是留痕：哪份文件、哪一版 OCR、哪一次合同审查、谁合同审查复核的，全部可查。对于以合同审查为主业的法务团队，这才是合同审查流程化真正的意义。

OCR 环节：合同审查扫描件识别的腾讯云三件套组合用法

腾讯云 OCR 不是单一接口，而是一组针对不同版面的识别能力。做合同审查不要指望一个”通用识别”包打天下，正确的做法是三件套组合：

通用印刷体识别（GeneralBasicOCR / GeneralAccurateOCR）：负责正文条款。高精度版对模糊件、小字号识别率明显更好，合同场景建议默认用高精度版。
表格识别（TableOCR / IntelligentTableOCR）：负责付款计划、验收节点、报价明细等表格区域，输出带行列坐标的结构化结果，从根上解决串行问题。
印章识别（SealOCR）：单独跑一遍印章检测，输出印章位置、印章文字、是否为圆形公章。这是确认签约主体、骑缝章完整性的唯一可靠手段。

图片预处理：预处理一小时，省掉合同审查复核一整天

OCR 的错误率不是接口决定的，而是输入质量决定的。同一份合同，原图直传和预处理后上传，关键字段识别差异可以大到 5-10 个百分点。预处理按顺序做四件事：

纠偏（Deskew）

拍照件最常见的 1-3 度倾斜，会让整行文字的识别置信度整体下降。用 OpenCV 的霍夫直线检测或最小外接矩形旋转即可，成本极低。纠偏后行级识别准确率通常提升明显，这一步不该省。

去噪与阴影去除

纸张褶皱、手指影子、扫描仪边缘黑边，都会被 OCR 误判为笔画。中值滤波处理椒盐噪点，形态学闭运算填补笔画断裂，大津法（Otsu）自动阈值做二值化——注意二值化要放在纠偏之后，否则倾斜文字的二值化边界会更差。

分辨率标准化

腾讯云推荐图片长边不低于 1000 像素、不超过 8000 像素，单页 A4 合同建议输出 200-300 DPI 等效分辨率。低于 150 DPI 的小字号条款漏识别率会陡增；高于 400 DPI 只会增加费用和延迟，识别率不再提升。拍照件统一缩放到长边 2500-3000 像素是性价比最高的区间。

预处理参数的封装策略

默认参数与人工兜底

在 WorkBuddy 合同审查流程里，把”纠偏 + 中值滤波 + Otsu 二值化 + 长边 2800 像素”设为默认管线，绝大多数扫描件无需人工干预。当某页的 OCR 置信度均值低于阈值（比如 85%）时，合同审查流程自动标记该页为”低置信页”，转人工重拍或重新扫描，而不是硬着头皮往下审。低质量输入直接拒绝，是整套合同审查流程可靠性的第一道保险。

按文件来源分流

扫描仪直出件通常质量稳定，可以跳过去噪只做纠偏；手机拍照件走全量预处理。把来源判断做进合同审查流程路由，既省时间又减少不必要的图像损伤——过度预处理同样会伤害文字笔画。

合同审查三件套的调度顺序与区域分配

先跑一遍低成本的版面分析（或用通用识别的坐标返回值）判断页面类型：纯文本页走高精度印刷体识别，含表格的页面切出表格区域交给表格识别，全页统一跑印章识别。一个常见误区是把整页直接扔给表格识别——它会把非表格区域强行解析成行列，产出更乱的结果。区域分配做对了，OCR 环节的返工率能降一半以上。

合同审查 OCR 真实错误率与补救办法

先说结论：在预处理到位的前提下，腾讯云高精度印刷体识别在规范打印合同上的字符准确率大约 98%-99.5%；表格识别的单元格级准确率 95%-98%；印章识别的印章文字准确率大约 90%-95%（受遮挡影响波动大）。听起来很高，但合同审查的敏感性恰恰在于那 1%-2%：一份 8000 字的合同，1.5% 的错误率意味着 120 个字符级别的错误，其中任何一个落在金额、期限、违约金比例上就是事故。所以正确姿势不是追求 OCR 零错误，而是承认错误必然存在，用结构性校验把错误拦在关键字段上。

补救一：关键字段二次校验

甲乙方名称、合同编号、金额、日期、期限、违约金比例这六类字段，必须做”双通道识别 + 比对”：同一区域分别用高精度印刷体和表格识别（或不同预处理参数）各跑一遍，结果不一致的字段自动标黄，进人工确认队列。两通道都错的概率远低于单通道，这一招能把关键字段错误率压到万分级。

补救二：金额大小写交叉验证

合同里金额必然同时出现大写（人民币壹佰万元整）和小写（￥1,000,000）。这是天然的校验对：把大写金额解析成数字，与小写比对，不一致即报错。同理，”合同期限 24 个月”与起止日期”2026 年 1 月 1 日至 2027 年 12 月 31 日”可以互相验算。凡是有冗余表达的数字字段，都该写进自动校验规则。这条规则的价值经常被低估——它能同时抓住 OCR 错误和合同本身的书写矛盾，一鱼两吃。

补救三：置信度分层而非全篇人工比对

不要让合同审查复核人员拿原图逐字比对 OCR 结果——那是把自动化的收益全部吐回去。正确做法是按字符置信度分层：低于阈值的字符高亮标注，只合同审查复核这些区域；关键字段全量合同审查复核；普通条款文本置信度高于 97% 的直接放行。合同审查复核工作量因此从”全文”缩到”热点区域”。

结构化环节：把 OCR 原始结果整理成合同审查可用的条款块

OCR 返回的是带坐标的文本块序列，不是”第二条付款方式”这样的逻辑单元。直接把原始 JSON 喂给大模型，等于让它兼任版面重建，错误率会传导放大。结构化环节的目标是产出干净的”条款块”：每块包含条款编号、条款标题、正文、所属章节、来源页码与坐标。这样后续合同审查的每一条结论都能回链到原文位置，这是合同审查风险清单”可核对”的基础。

合同审查条款切分的规则引擎

中文合同的层级结构相当稳定：章（第一条至第 N 条为一个大类）、条（”第 X 条”）、款（1. / 2. 或（一）（二））、项。用一个规则引擎按编号模式切分，比让大模型自己分段可靠得多。切分时保留页码坐标，遇到跨页条款自动合并，续表按表格识别返回的行列结构重建。

跨页合并的三条规则

上页末条款无结束标点（句号/分号）且下页开头不是新编号，判定为跨页条款，直接拼接；
表格跨页且下页首行无表头，用上页表头补齐列语义；
合并冲突时（两页坐标重叠、内容疑似重复），标记人工确认而不是自动取舍。

合同审查要素抽取：甲乙方、金额、期限、责任与争议解决

结构化的第二步是要素抽取，让每个条款块打上语义标签：

主体信息：甲方、乙方全称、统一社会信用代码、法定代表人、送达地址——与印章识别结果交叉核对主体一致性；
金额要素：合同总价、分期计划、付款条件（验收后付款/预付款比例）、大小写交叉验证状态；
期限要素：签署日期、生效条件、履行期限、续约与终止条款；
违约责任：违约金比例、计算基数、赔偿上限、单方解除权；
争议解决：诉讼/仲裁选择、管辖法院或仲裁机构、适用法律；
附件清单：正文引用的附件与实际附录页一一对应，缺失即报警。

要素抽取用”规则优先、模型兜底”：金额、日期、编号用正则就能高准确抽取，只有散落在自然语言里的表述（”甲方应在收到发票后三十日内付款”）才需要模型介入。这样既省钱又可控。

结构化结果的质量门槛

完整性自检

一份标准购销/服务类合同，主体、标的、价款、履行、违约、争议解决六要素缺一不可。结构化完成后先跑完整性自检，缺哪块就在合同审查风险清单里先记一条”要素缺失待人工确认”，别等大模型合同审查时才发现输入不全。

坐标回链

每个要素记录来源页码和坐标框。后面生成的合同审查风险清单里”条款位置”一栏，就是靠它实现的。没有坐标回链的合同审查风险清单，合同审查复核人员要自己在 30 页扫描件里翻找原文，合同审查复核时间会翻倍——这是很多团队封装合同审查流程时最容易漏掉的设计点。

合同审查环节：大模型的三类结构化检查

输入可靠、结构清晰之后，才轮到大模型发挥。合同审查的模型侧检查我固定收敛为三类：缺失条款检查、不对等条款检查、表述模糊检查。别贪多——类别越多，模型的输出越发散，合同审查复核成本越高。

合同审查第一类：缺失条款检查

把结构化结果与”必备条款清单”逐项对照：违约责任写了吗？争议解决方式选了吗？验收标准有吗？知识产权归属约定了吗？保密条款有吗？通知与送达条款在吗？缺失即生成一条高风险项。这类检查本质是核对，模型只需要判断”有/无/疑似藏在某条款中”，准确率高、幻觉少，最适合打头阵建立信任。

合同审查第二类：不对等条款检查

这是合同审查的核心价值区。让模型站在委托方立场，逐条扫描权利义务的天平：

付款条款：付款周期是否过长、是否设置”验收合格并甲方无异议后付款”这类无期限验收条件；
违约金：双方违约金比例是否对等，己方违约上限是否被抬高、对方违约是否无对应约束；
解除权：是否只有单方享有任意解除权；
知识产权：成果归属是否被对方独占、己方既有知识产权是否被要求无偿许可；
责任限制：对方是否设置了赔偿上限而己方没有。

立场参数化

同一个条款，甲方视角和乙方视角的风险判断完全相反。合同审查流程封装时把”我方立场”做成参数（甲方/乙方/居中），合同审查提示词模板按立场切换合同审查视角。一次封装，双场景复用。

对比基线库

高阶做法是维护一个”公平条款基线库”：常见条款的行业标准表述（如违约金不超过合同总额 20%、付款周期不超过验收后 30 日）。模型合同审查时不是凭感觉判断”严不严格”，而是与基线对比输出偏离幅度，结论更稳定，也更容易被业务部门接受。

合同审查第三类：表述模糊检查

模糊条款是诉讼高发地。重点扫描：”及时””合理””适当”等无标准词、”验收合格”未定义标准、”重大违约”未界定情形、”双方友好协商”无兜底机制。模型对这类语言模式相当敏感，但要把检查范围限定在义务和责任相关条款上，否则会把描述性文字也报出来，制造噪音。

合同审查风险等级的判定规则

三级分层的判据

风险等级不要让模型自由发挥，用固定判据约束：高风险——可能造成重大经济损失或争议解决的实质不利（缺失违约责任、单方解除权不对等、金额大小写矛盾）；中风险——增加履约争议概率（付款条件模糊、验收标准缺失）；低风险——表述瑕疵、格式问题。等级规则写死在合同审查提示词里，模型只做归类不做定价。

等级与修改建议绑定

每个风险项必须附带建议改法（给出可直接替换的条款文字）和依据（法条名称或行业惯例说明）。只报风险不给改法的清单，业务部门看完还是要来问法务，效率提升就打了折扣。

合同审查风险清单输出格式：让每条结论可核对、可执行

合同审查风险清单是整套合同审查流程的最终交付物。格式设计的原则是：合同审查复核人员不打开原文件也能快速定位、不问法务也能理解风险、不用改写也能直接用建议。

清单表头模板

风险编号 | 条款位置（页码+条款号） | 原文摘录（≤50字） | 风险类型 | 风险等级 | 风险说明 | 建议改法 | 依据 | OCR校验状态 | 合同审查复核结论（留空）

合同审查清单之外的报告骨架

封面摘要：合同主体、金额、期限、总体风险评级、高中低风险条数统计；
要素卡：结构化抽取的六要素一览，标注交叉验证状态；
风险明细：上表；
OCR 质量说明：低置信页列表、双通道不一致字段列表——这份透明度是建立合同审查复核信任的关键。

从合同审查清单到改稿的衔接

高阶封装可以让 WorkBuddy 根据”采纳”状态的清单项自动生成修订版条款对照表（原文 vs 建议文），供谈判时直接使用。即使暂不做这层，也要保证清单里”建议改法”一栏是完整可用的条款文字，而不是”建议明确验收标准”这种空话。

大多数人做错的地方：五个反常识判断

误区一：把 OCR 当成可以跳过的脏活

最常见的失败路径是团队觉得”大模型视觉能力已经很强了”，跳过 OCR 环节直接喂图片。结果是合同审查质量随图片质量剧烈波动，且错误不可见、不可追溯。大模型的视觉能力应该用来兜底异常，不应该用来承担生产线职责。OCR 的价值不是”能识别”，而是它输出的置信度、坐标是可编程的质量信号。

误区二：追求 OCR 零错误，而不是错误可拦截

不少团队在 OCR 准确率上反复调参，试图做到 99.9% 才上线。正确的思路是分层：普通文本 98% 就够用，因为错一两个字的条款风险有限；关键字段必须接近 100%，靠双通道校验和大小写交叉验证兜住。把校验预算花在关键字段上，比把预算花在全局调参上有效十倍。

误区三：合同审查提示词写成”帮我看看有什么风险”

开放式提问得到的是开放式输出：每次跑出来的风险点数量、格式、深浅都不一样，无法横向比较，也无法统计漏检率。合同审查提示词必须结构化到”检查类别 → 检查项 → 输出字段”三级，让模型做填空题而不是作文题。

误区四：认为自动化程度越高越好

恰恰相反，这套合同审查流程里最重要的设计是”在哪里停下来交给人工”。低置信页转人工、双通道不一致转人工、印章与抬头主体不一致直接终止合同审查流程。全自动的合同审查在法律上站不住（AI 不构成法律意见），在工程上也不可靠（错误会静默传播）。停下来，才是专业。

误区五：只算处理时间，不算返工时间

很多效率对比只算”合同审查流程跑完用了几分钟”，漏算了因为清单不可信导致的反合同审查复核对。真正该比的是”从收到扫描件到业务方敢基于结论行动”的全链路时间。这一条账我们在下一节细算。

人工合同审查复核与责任边界

必须把这句话写进合同审查流程文档和产出报告的显眼位置：AI 合同审查是初筛工具，输出是风险线索清单，不构成法律意见。这不是免责套话，而是由技术边界决定的：模型不了解你们行业的特殊交易背景、双方的谈判筹码、监管的最新口径；OCR 再准也有万分之几的字段错误。高风险等级的每一项都必须由法务人员回链原文合同审查复核后才能对外使用。

合同审查复核的分层设计

全量合同审查复核项

高风险条目、关键要素卡（主体、金额、期限）、OCR 校验标黄字段、印章与主体一致性核对结果。这四类不允许跳过。

抽检合同审查复核项

中低风险条目按 30% 抽检，连续三份合同抽检未发现问题可降为 15%。抽检数据反过来沉淀为合同审查流程的漏检率统计，用于持续调优合同审查提示词和阈值。

合同审查复核结果的回写闭环

合同审查复核人发现清单漏报或误报时，必须回写原因（模型漏检/OCR 错误/规则缺失），这些数据每月汇总一次，驱动合同审查提示词迭代。没有回写闭环的合同审查流程，三个月后就会停在初始水平。

合同审查责任边界的制度化表达

在报告封面加一行固定声明：”本报告由 AI 辅助生成，仅供参考，不构成法律意见；最终判断以合同审查复核法务签署的意见为准。”同时规定：未经人工合同审查复核签署的合同审查风险清单不得发送给业务部门或外部方。把边界写进制度，而不是写在开发者的心里。

批量处理与归档：让合同审查记录可追溯

单份合同的合同审查流程跑通只是及格线，真正的效率红利在批量场景：季度集中审、并购尽调一次几十份、模板合同换签上百份。

合同审查归档的命名规范

{合同类型}_{甲方简称}-乙方简称_{金额档}_{签署日期YYYYMMDD}_v{版本号}_{状态}

示例：服务合同_ACME-云启_100万级_20261105_v1_待合同审查复核

状态字段固定枚举：待OCR / 待合同审查 / 待合同审查复核 / 已归档 / 已退回。命名规范的目的不是好看，而是让归档目录天然有序、检索无需打开文件。

合同审查的版本留痕

每份合同保留四层产物：原始扫描件（不可变）、OCR 原始 JSON、结构化中间结果、合同审查风险清单报告及合同审查复核记录。谈判改稿后的新版本走同一合同审查流程生成 v2 清单，两版清单可自动 diff——谈判中哪些风险点被对方接受、哪些被顶回来，一目了然。

合同审查的归档与追溯

合同审查记录表：文件 ID、处理时间、OCR 质量分、风险统计、合同审查复核人、合同审查复核时间、最终结论；
每条风险项保留”模型原始输出 + 合同审查复核修改”，用于事后审计与合同审查提示词复盘；
归档目录按”年/季度/合同类型”两级组织，配合命名规范实现任意维度检索。

当法务部门被问”去年那份合同的合同审查依据是什么”时，能在五分钟内给出完整证据链——这就是可追溯的价值，也是这套合同审查流程区别于”用完即弃的 AI 对话”的根本。

合同审查效率账：一笔算到分钟级的对比

合同审查单份合同三种路径的耗时对比

环节	纯人工合同审查	合同审查流程化合同审查 + 人工合同审查复核
通读全文	20-40 分钟	0 分钟（自动）
要素提取（主体/金额/期限）	10-20 分钟	0 分钟（自动，含交叉验证）
缺失/不对等/模糊条款检查	30-60 分钟，依赖经验	2-4 分钟（自动）
合同审查复核与签署结论	（含在上项）	10-15 分钟（聚焦热点区域）
清单与报告整理	20-30 分钟	0 分钟（自动生成）
合计	80-150 分钟	12-19 分钟

合同审查流程化路径中，机器处理约 3-5 分钟（预处理 + 三通道 OCR + 结构化 + 三类合同审查），人工合同审查复核约 10-15 分钟。综合提效 5-8 倍，且合同审查复核人的注意力集中在高风险热点，而不是耗在通读上——这是质量的提升，不只是速度。

合同审查覆盖率与漏检率的量级差异

指标	纯人工合同审查	合同审查流程化合同审查	说明
条款覆盖率	约 60-80%	接近 100%（逐条扫描）	人受疲劳与经验影响，漏读尾部条款极常见
必备条款缺失检出率	约 70%	约 95%+（对照清单核对）	缺失检查本质是核对，机器天然擅长
金额数字错误检出率	约 50-70%	约 98%（大小写交叉验证）	交叉验证同时抓 OCR 错误与书写矛盾
结论一致性	因人而异	同输入同输出	同类合同可横向统计

合同审查的投入产出与适用边界

封装这套合同审查流程的一次性投入大约是 3-5 个工作日（含合同审查提示词调优与阈值标定）。按月均 50 份合同、每份节省 90 分钟计算，每月节约约 75 个工时。两个前提别忽略：一是合同量太小的团队（每月个位数）收益有限，工具价值随批量放大；二是涉诉合同、重大交易合同仍应全合同审查流程人工精审，本合同审查流程定位是海量常规合同的初筛，不是替代法务。

合同审查不是一次性的技术演示，而是需要长期运营的能力建设。当你把 OCR 预处理、条款结构化、三类模型检查与人工复核串成一条稳定流水线，合同审查就从依赖个人经验的玄学，变成了有阈值、有留痕、可迭代的工程。愿这份合同审查落地指南，帮你把第一份扫描件合同的风险清单，在二十分钟内交付出去。

合同审查要跑得稳，合同审查阈值要标得准，合同审查复核要落得实，合同审查基线要更得勤，合同审查留痕要查得到，合同审查边界要写得明。以上六句话，是这套合同审查流程稳定运行的全部秘诀。

FAQ：合同审查流程常见问题

1. 拍照件质量很差、还有手写批注，这套合同审查流程还能用吗？

能用，但要走”降级通道”：预处理后 OCR 置信度仍低于阈值的页面，直接标记人工重扫，不要硬审。手写批注可用通用识别识别出来，但准确率明显低于印刷体，批注内容必须全量人工确认——批注往往代表对方的真实意图，恰恰是合同审查的重点。

2. 腾讯云 OCR 的费用大概什么量级？

按通用印刷体识别每次约几分钱、表格识别与印章识别单次价格稍高的量级估算，一份 20 页合同跑完三件套加双通道校验，成本通常在 1-3 元区间。相比每份合同节省的人工工时，成本可以忽略不计，真正需要优化的是调用量而不是单价。

3. 大模型合同审查会不会产生幻觉，编造不存在的条款风险？

会，尤其在开放提问时。对策有三：要求每条风险必须附原文摘录与坐标，摘录与结构化结果不匹配即判为幻觉丢弃；把检查收敛为清单式核对而非自由评论；坐标回链让合同审查复核人员十秒内可验证。结构化输入 + 强制引用，是压幻觉的两大支柱。

4. 印章识别能确认对方用章真伪吗？

不能。印章识别输出的是印章位置与文字内容，能做的是”印章文字与合同抬头主体是否一致、骑缝章是否完整、用章类型是否符合约定”这类一致性核对。印章真伪鉴定需要专业机构，合同审查流程里发现主体不一致或用章异常，应作为高风险项提示合同审查复核，而不是自动下结论。

5. 合同模板是保密的，数据安全怎么处理？

三个层面：选择承诺不留存数据、可私有化部署的模型服务；OCR 结果中的敏感字段（信用代码、金额）在中间存储时脱敏；归档系统按密级分目录并控制访问权限。对外采购的模型 API 合同里，务必写清数据留存与删除条款——法务团队自己先审好自己的数据协议。

6. 英文合同或中英双语的合同能用这套合同审查流程吗？

OCR 环节换用英文/中英混合识别模型即可，表格与印章识别同样支持。合同审查提示词需要为英文合同单独调优，缺失条款的基线清单也要按普通法系惯例调整（如英美合同特有的 compensation、indemnification 条款结构）。建议先在单一合同类型上小批量试跑，验证准确率后再放量。

合同审查流程落地检查清单与持续优化

最后把这套合同审查流程的落地动作收敛成清单。合同审查不是上线即结束的项目，而是需要持续运营的资产：每周看合同审查漏检率，每月迭代合同审查提示词，每季度回顾合同审查基线库。下面按阶段列出合同审查落地的关键动作，团队可直接照抄执行。

合同审查上线前的准备清单

明确合同审查的范围边界：哪些合同类型进入合同审查流程，哪些走全人工精审；
整理合同审查必备条款清单：违约责任、争议解决、验收标准、知识产权、保密、通知送达六大项缺一不可；
标定合同审查的 OCR 阈值：低置信页线、双通道比对线、关键字段合同审查复核线，三条线写进合同审查流程配置；
准备合同审查立场参数：甲方版与乙方版合同审查提示词分开维护，避免合同审查视角混淆；
定义合同审查风险等级判据：高、中、低三级各三条硬性判据，不让模型自由定价。

合同审查运行中的监控指标

合同审查质量指标

合同审查质量看三个数：合同审查风险清单误报率（合同审查复核人推翻的比例，目标低于 15%）、合同审查风险清单漏报率（抽检发现的遗漏，目标低于 5%）、关键字段 OCR 交叉验证不一致率（反映扫描件质量趋势）。三个数每周汇总一次，作为合同审查提示词迭代的输入。

合同审查效率指标

合同审查效率看两个数：单份合同审查全链路时长（从上传扫描件到合同审查复核签署）、人工合同审查复核占合同审查全合同审查流程的时长比例。比例持续上升说明误报变多，是合同审查质量劣化的早期信号。

合同审查流程的迭代节奏

周迭代：合同审查提示词微调

把合同审查复核回写的漏报误报样本每周集中复盘，改合同审查提示词里的判据表述和输出格式约束，小步快跑。合同审查提示词的一次改动只调一类检查，避免互相干扰。

季迭代：合同审查基线库更新

每季度把新出现的条款模式、监管口径变化补进合同审查基线库，同步更新缺失条款清单。基线库是合同审查结论稳定性的锚，长期不更新的合同审查流程会慢慢偏离业务现实。

写给准备动手的团队

合同审查流程化的本质不是”用 AI 替代法务”，而是把合同审查中机械、重复、易漏的部分（通读、抽取、核对、格式化）交给流水线，把人的判断力集中在真正的风险裁量上。先用十份真实扫描件跑通合同审查全合同审查流程，标好阈值，再放量到批量场景。记住三个原则：输入质量决定合同审查上限，结构化决定合同审查可核对性，人工合同审查复核决定合同审查的合规底线。任何时候都不要让未经人工签署的合同审查结论外发，把这三个原则守住，WorkBuddy 加腾讯云 OCR 的这套合同审查流水线，就能从”能跑”变成”敢用”。

THE END