AI+法律文书辅助指南-含合同审查案例检索

AI+法律文书辅助指南——含合同审查/案例检索

标签：AI法律工具|合同审查|案例检索|提示词工程|法律科技|数据安全|2026最新

日期：2026年9月22日

一句话简介：按合同审查、案例检索两大核心场景，逐一给出AI法律工具的选型建议、操作流程和可复制的提示词模

板，明确AI辅助的法律边界和合规底线，每一步都有具体操作指引。

关键词/标签：AI合同审查、AI法律检索、AstraforLaw、智合AI、e签宝、法律提示词模板、幻觉防火墙、法律AI合规

适用人群：执业律师、企业法务、法律顾问、法学院师生、合规管理人员、需要处理法律文书的商务人员

文档类型：教程攻略类

目录

第一章：AI法律工具全景与选型决策

第二章：AI合同审查实战——从上传到出具审查意见

第三章：AI案例检索实战——从关键词到类案分析报告

第四章：提示词工程——让AI输出可控的法律文书

第五章：合规底线——法律AI的数据安全与伦理边界

第六章：避坑指南——10个常见错误及正确做法

第七章：常见问题解答

附录：速查表与工具清单

第一章：AI法律工具全景与选型决策

1.12026年AI法律工具格局

LexisNexis2026年9月发布的调研报告显示，AI在中国内地法律行业已接近全面普及，99%的受访者正在使用通用AI或

专业法律AI，其中专业法律AI的总体使用率达到54%。77%的中国内地法律人更愿意在引导式工作流程中使用AI。调研

覆盖了来自36个市场的839名法律专业人士，所有受访者均供职于员工数超过150人的企业或律所。

当前AI法律工具已分化为四个层级：通用大模型（ChatGPT、Claude、DeepSeek、Gemini）、通用+法律检索增强

（AstraforLaw）、法律垂类工具（智合AI、e签宝智能合同审查、LegalOn、Spellbook）、本地化部署方案（律界

芯盒、劳有钳、模法境）。

第一层：通用大模型

ChatGPT、Claude、DeepSeek、Gemini均可用于法律文书起草、合同条款分析和法律问题研究。57%的法律部门正

在使用ChatGPT等通用AI工具，但这类工具在法律场景中存在“幻觉”风险——可能编造法律条文、捏造司法判例。

2026年3月，Anthropic发布了ClaudeforWord插件，专门针对法律文档审阅场景优化。

第二层：通用+法律检索增强

OpenAI于2026年9月17日发布AstraforLaw，将GPT-6Astra与法律检索索引结合，可搜索超过2.3亿个美国判例、法

规、法院规则和行政决定的网页。在ValsAI法律研究基准的200个美国法律问题上，AstraforLaw的整体正确率达到

54%，而仅使用网络搜索的GPT-6Astra为38.7%，相对提升约40%。在判例法问题上，AstraforLaw找到的参考判例

比GPT-6Astra多24%，在正确判决书中找到的目标短语最多多54%。

第三层：法律垂类工具

智合AI覆盖法律检索、合同审查、文书起草、刑事阅卷等核心场景。一份合同上传后约5分钟即可完成全面风险扫描，

审查结果逐条标注法律依据，并支持根据甲方或乙方立场输出差异化建议。平台内置的“幻觉防火墙”对未经核实的案

例和法规自动拦截。截至2026年7月，智合AI已累计完成超过270次产品迭代，积累超过60万用户，国浩、大成、泰和

泰等近千家律所采购使用。其底层数据池涵盖9.8亿条法律信息，包括620万余篇法律法规、1.7亿余篇裁判文书及5亿

余条全网实务观点，数据按周更新。

e签宝智能合同审查覆盖75种合同类型和1500多个审查点，合同信息识别准确率97%—98%，单份合同处理时间不到1

分钟。其核心特点是审查结果能直接标回合同原文，并推送到审批流，法务确认后可以一键发起签署。

LegalOn提供律师撰写的playbooks（合同审查剧本）和精确的Word内修订功能，在合同审查基准测试中，GPT-5.4集

成后整体准确率达到79.4%，相比之前提升5.5个百分点，总错误数减少21%。

第四层：本地化部署方案

对于数据安全要求极高的律所和企业，法义经纬联合无问芯穹发布了两款法律AI本地化部署硬件——“律界芯盒”与“钳

箱”。劳有钳基于全球开源项目OpenClaw定制开发，采用本地运行模式，文书撰写、合同审查等所有操作均在用户本

地电脑完成，无需上传至第三方服务器。河北泊头市司法局采用完全内网本地化架构，基于国产DeepSeek大模型，确

保数据不脱离内部网络、模型不连接互联网。

1.2四大类工具速览

类型代表工具核心能力数据安全适用场景

通用大模ChatGPT、Claude、文书起草、条款分析、法律研

需脱敏日常辅助

型DeepSeek究

判例检索、法规分析、文书起企业版不存

检索增强AstraforLaw法律研究

草储

合同审查、文书起草、法律检律所/法

法律垂类智合AI、e签宝、LegalOn幻觉防火墙

索务

本地部署律界芯盒、劳有钳合同审查、文书撰写完全本地涉密场景

1.3选型决策树

第一步：确认使用场景

需要合同审查→首选e签宝（审查+签署闭环）或LegalOn（Word内修订）

需要案例检索→首选AstraforLaw（2.3亿网页索引）或智合AI（1.7亿裁判文书）

需要文书起草→首选智合AI或Claude（长文质量高）

需要综合法律研究→首选AstraforLaw或CoCounselLegal

第二步：确认数据安全要求

处理一般合同→可使用云端法律垂类工具

处理涉密或高度敏感合同→必须使用本地部署方案（律界芯盒、劳有钳）或内网部署

涉及客户个人信息→上传前必须脱敏处理

第三步：确认预算

个人律师→通用大模型（ChatGPT/DeepSeek）+免费版智合AI

中小律所→智合AI或e签宝按量付费

大型律所/企业法务→LegalOn或AstraforLaw企业版+本地化部署

第二章：AI合同审查实战——从上传到出具审查意见

2.1场景定义与核心需求

AI合同审查涵盖条款级风险识别、法律依据标注、修改建议生成、立场差异化输出四个环节。核心需求包括：风险识

别准确率、漏报率控制、法律依据可溯源、支持多立场审查。

2.2工具对比与选型

处理时

工具合同类型覆盖审查点数量识别准确率立场差异化

间

e签宝智能合同审

75种1500+97%-98%支持<1分钟

查

支持甲方/乙

智合AI多类型——约5分钟

方

律师79.4%（GPT-

LegalOn多类型支持—

playbooks5.4）

合同起草+审

Spellbook————

查

本地运

劳有钳内置合同审查———

行

2.3操作流程：AI合同审查五步法

第一步：合同上传与脱敏

操作说明：将合同文件上传至所选工具。如果合同包含真实个人信息（当事人姓名、身份证号、联系方式等），先进

行脱敏处理。

脱敏操作：

将当事人姓名替换为“甲方A”“乙方A”或“【姓名】”

将身份证号替换为“xxx”或“【身份证号】”

将联系方式替换为“xxx”或“【电话】”

将地址替换为“示例省示例市示例区示例路1号”

将金额替换为“【金额】”或保留（金额通常不是个人隐私）

第二步：选择审查立场

操作说明：在工具中明确我方立场（甲方/乙方），AI将根据立场输出差异化的风险判断和建议。e签宝和智合AI均支

持根据甲方或乙方立场输出差异化建议。

第三步：AI审查执行

以智合AI为例：上传合同后约5分钟完成全面风险扫描，审查结果逐条标注法律依据。以e签宝为例：单份合同处理时

间不到1分钟，覆盖75种合同类型和1500多个审查点。

第四步：审查结果解读

AI输出的审查结果通常包含：风险条款位置（合同第几条第几款）、风险类型（高/中/低）、法律依据（具体法

条）、修改建议、立场分析。

2026年合同审查基准数据：e签宝在100份真实企业合同盲测中，AI标注了266个风险点，其中正确标注248个，误报18

个，漏报39个。召回率86.4%，精确率93.2%，F1分数92.6%。漏报集中在违约金条款（9个）、知识产权归属（7个）

和保密期限（6个）。误报最常见的是把标准保密条款标为“保密条款过于宽泛”（11次）。

第五步：人工复核与出具意见

操作说明：AI审查结果必须人工复核。重点检查：

漏报风险：AI未标注但人工判断存在风险的条款

误报风险：AI标注但实际不构成风险的条款

法律依据准确性：AI引用的法条是否现行有效

修改建议的适用性：建议是否符合商业实际

2.4合同审查提示词模板

模板一：通用合同审查提示词（ChatGPT/Claude/DeepSeek）：

你是一位从业15年的资深非诉律师，精通合同法及2025年最新司法解释。请对以下合同进行审查。

我方立场：【甲方/乙方】

合同类型：【买卖合同/租赁合同/服务合同等】

合同签订目的：【说明我方签订该合同的目的】

审查要求：

1.逐条分析合同中的法律风险点，标注对应法条

2.按[高风险/中风险/建议优化]三级分类评估

3.每条风险标注具体位置（第X条第X款）

4.提供修改建议，以修订模式输出

5.审查范围包括：主体资格、标的、数量和质量、价款或报酬、履行期限地点方式、违约责任、争议解决条款、保密条款

6.对不确定的法律依据，标注“【需核查】”，不要编造法条

合同文本如下：

【粘贴合同文本】

模板二：合同审查（详细版）：

你是一名专业法律顾问，请对以下合同文件进行审核。

合同立场：【甲方/乙方】

合同签订目的：【我方签订该文件的目的】

合同签订背景及现情况：【说明签订原因和磋商情况】

请审查该文件，包括但不限于如下内容，发现问题时请标注具体问题位置，提供修改建议，并以修订模式输出：

1.主体资格：审查当事人是否具备签订及履行合同的资格和能力

2.标的：明确合同所涉交易的具体内容，确保表述清晰准确无歧义

3.数量和质量：审查数量计量方式和质量标准是否明确具体

4.价款或报酬：关注金额、支付方式、支付时间、支付条件等约定是否清晰合理

5.履行期限、地点和方式：审查履行期限是否合理明确

6.违约责任：查看是否明确违约情形及相应责任承担方式

7.争议解决条款：确认选择的仲裁机构或法院是否明确有效

8.形式要求：查看合同是否符合法律法规规定的形式要求

9.语言表达：检查合同语言是否规范、准确、严谨

10.法律法规：审查合同内容是否违反法律法规强制性规定

11.保密条款：查看保密信息范围、保密期限、保密义务等约定是否完整明确

输出格式：按条款顺序输出，每条包含“位置-风险等级-问题描述-法律依据-修改建议”。

合同文本如下：

【粘贴合同文本】

模板三：特定条款审查提示词：

请专门审查以下合同中的【违约金条款/知识产权归属条款/保密条款/终止条件】。

我方立场：【甲方/乙方】

审查要求：

1.该条款是否对等（双方权利义务是否平衡）

2.该条款是否存在法律风险

3.该条款的表述是否存在歧义

4.与同类合同的市场标准相比，该条款是否偏离

5.提供修改建议

合同相关条款如下：

【粘贴相关条款】

2.5合同审查实战案例

背景：某中型企业需要审查一份供应商采购合同，合同金额约【金额】。企业法务使用e签宝智能合同审查进行初审，

随后进行人工复核。

第一步：脱敏处理。将供应商名称替换为“供应商A”，将联系人姓名替换为“张先生”，将联系方式替换为“【电话】”，

将地址替换为“示例省示例市示例区示例路1号”。

第二步：上传审查。将脱敏后的合同上传至e签宝，选择“甲方”立场。系统约40秒完成审查，标注了8个风险点。

第三步：审查结果解读。AI标注的高风险点包括：违约金条款中“逾期超过30天违约金3%，超过60天5%”的5%比率偏

高（标准应在3%以内）；知识产权归属条款中“开发成果归甲方所有”的表述过于绝对，未考虑乙方保留底层技术的权

利；终止条件中“甲方可随时终止合同”的条款对乙方明显不利。

第四步：人工复核。法务复核后发现AI漏报了1个风险点：争议解决条款约定“由供应商所在地法院管辖”，对我方不

利。AI误报了1个风险点：将标准保密条款标注为“保密期限过长”，实际上保密期限符合行业惯例。

第五步：出具审查意见。综合AI审查结果和人工复核，法务出具最终审查意见，共7条风险提示（6条来自AI、1条人工

补充），3条修改建议。效果：合同审查时间从传统的约3小时缩短至约40分钟（含人工复核），风险识别覆盖率从人

工审查的约85%提升至约95%。

2.6合同审查避坑要点

避坑1：AI审查结果直接采信不做人工复核。100份真实合同盲测数据显示，AI漏报率为13.6%，精确率为93.2%。漏报

集中在违约金条款（9个）、知识产权归属（7个）和保密期限（6个）。正确做法：所有AI审查结果必须人工逐条复

核，重点关注违约金比率、知识产权归属表述、管辖法院等易漏报条款。

避坑2：上传含真实个人信息的合同不做脱敏。合同可能包含当事人姓名、身份证号、联系方式等个人信息。正确做

法：上传前先脱敏处理，将所有个人信息替换为占位符。

避坑3：使用通用大模型审查不做“幻觉”防范。通用大模型可能编造法律条文或司法判例。正确做法：优先使用法律垂

类工具（智合AI、e签宝），或在提示词中明确要求“对不确定的法律依据标注【需核查】，不要编造法条”。

避坑4：不选择立场就审查。同一合同对甲方和乙方的风险点完全不同。正确做法：审查前明确我方立场，使用支持立

场差异化的工具或在提示词中指定立场。

避坑5：不检查法律依据是否现行有效。AI可能引用已修订或废止的法条。正确做法：对AI引用的关键法条进行核查，

确认现行有效。

第三章：AI案例检索实战——从关键词到类案分析报告

3.1场景定义与核心需求

AI案例检索涵盖关键词检索、语义检索、类案推送、案例摘要生成、类案分析报告五个环节。核心需求包括：检索覆

盖率、判例相关性、摘要准确性、引用可溯源。

3.2工具对比与选型

工具检索覆盖检索方式准确率特色功能

AstraforLaw2.3亿+网页法律索引+语义54%（整体正确率）判例比GPT-6多24%

智合AI1.7亿+裁判文书语义+关键词—幻觉防火墙

CoCounselLegalWestlaw数据库引证支持—引用可溯源

WestlawAIWestlaw数据库法定调查58%（法定调查）平台集成

Lexis+AILexisNexis数据库检索+起草64%（法定调查）起草能力

A2AJ免费法律数据库语义检索—免费工具

元典法律检索中国裁判文书语义+关键词—中文场景

斯坦福大学RegLab对法律RAG工具的基准测试显示，STARA（法定研究助手）的准确率达到83%，而WestlawAI为

58%，Lexis+AI为64%。在修正了DOL律师自身的重大遗漏后，STARA的实际准确率达到92%。

3.3操作流程：AI案例检索四步法

第一步：明确检索目标

在启动检索前，先明确以下要素：

检索目标定义模板：

案由：【如：合同纠纷/劳动争议/知识产权侵权】

争议焦点：【如：违约金是否过高/竞业限制是否有效】

关键事实：【如：合同约定违约金5%/员工在职期间创办竞品公司】

管辖法院/地域：【如：北京/上海/全国】

时间范围：【如：近三年/2020年后】

检索目的：【如：寻找支持我方观点的判例/了解法院裁判倾向】

第二步：构建检索策略

根据检索目标，选择关键词检索或语义检索。研究显示，第一轮案例检索优先用语义检索承接案情事实结构，不要把

长事实描述直接丢给关键词检索。只有在需要锁定高信息密度词时才补充关键词，关键词控制在4-6个，优先选择平

台/行业行为词、交易链条词和责任焦点词。

模板：案例检索提示词（智合AI/元典）：

请帮我检索以下类型的案例：

案由：【案由】

争议焦点：【争议焦点】

关键事实：【描述关键事实】

我方立场：【原告/被告】

请输出：

1.相关案例列表（最多10个），每个案例包含：案号、法院、裁判日期、裁判结果

2.每个案例与本案的相似度评分（1-5分）及相似点说明

3.对裁判倾向的总结：法院在类似案件中的裁判倾向是什么

4.对我方有利的案例和不利的案例分别列出

注意：

-只输出你确认存在的案例，不要编造案号

-对不确定的信息标注“【需核实】”

-案号格式必须完整可查

第三步：类案分析与对比

模板：类案对比分析提示词（ChatGPT/Claude）：

以下是我检索到的5个相关案例。请对比分析这些案例，输出：

1.裁判要旨对比表：用表格展示每个案例的案号、法院、裁判要旨、裁判结果

2.分歧点分析：各案例在哪些关键问题上存在分歧

3.主流观点：多数法院倾向的裁判观点

4.对我方的启示：基于这些案例，我方应重点主张什么、避免什么

5.风险提示：如果我方采取某立场，可能面临的风险

案例信息如下：

【粘贴案例信息】

第四步：检索结果验证

AI检索结果必须经过验证。重点核查：

案号是否真实存在（在裁判文书网或法律数据库中以案号检索验证）

裁判要旨是否准确（对照判决书原文）

是否存在AI编造的案例（检查案号格式、法院名称、裁判日期是否合理）

3.4案例检索实战案例

背景：某律师需要代理一起竞业限制纠纷案件，员工在职期间创办了竞品公司，用人单位要求其支付违约金。

第一步：检索目标定义。案由：劳动争议；争议焦点：竞业限制违约金是否过高、员工在职期间创办竞品公司是否违

反竞业限制；关键事实：员工在职期间创办竞品公司，离职后未支付竞业限制补偿金；管辖法院：北京；时间范围：

近三年。

第二步：使用智合AI检索。输入检索提示词，系统返回8个相关案例。其中3个案例与本案相似度最高（4分以上），均

涉及员工在职期间创办竞品公司。

第三步：类案分析。使用类案对比分析提示词，对3个高相似度案例进行对比分析。结果显示：北京地区法院在类似案

件中，倾向于认定员工在职期间创办竞品公司违反竞业限制义务；但对于违约金金额，如果用人单位未支付竞业限制

补偿金，法院倾向于调低违约金。

第四步：结果验证。律师对AI输出的3个案例逐一验证：案号在裁判文书网可查、裁判要旨与判决书原文一致、法院名

称和裁判日期准确。验证通过后用于案件代理策略制定。

3.5案例检索避坑要点

避坑1：AI编造案例。通用大模型可能编造不存在的案号、法院和裁判日期。正确做法：使用法律垂类检索工具（智合

AI、元典），或在提示词中明确要求“只输出确认存在的案例”。所有AI输出的案例必须逐案验证。

避坑2：不做验证直接引用。AI输出的案例可能真实存在，但裁判要旨可能被错误总结。正确做法：对照判决书原文核

验AI总结的裁判要旨。

避坑3：不标注检索范围和时间。不同地域、不同时期的法院裁判倾向可能不同。正确做法：在检索时明确地域范围和

时间范围，在输出中标明。

避坑4：只检索支持我方观点的案例。只检索对己方有利的案例，可能在庭审中被对方引用的不利案例突袭。正确做

法：同时检索有利和不利案例，全面了解裁判倾向。

第四章：提示词工程——让AI输出可控的法律文书

4.1四段式提示词结构

高效的法律AI提示词包含四个部分：

段落内容法律场景示例

角色设设定AI的法律角色和专业背

“你是一位从业15年的资深非诉律师”

定景

背景信

提供案件/合同/检索的背景“我方为甲方，合同类型为买卖合同”

息

任务指

明确要完成的具体任务“逐条分析法律风险点，标注对应法条”

令

输出约“按高风险/中风险/建议优化三级分类，不确定的法条标注【需核

指定格式和禁止事项

束查】”

4.2法律提示词进阶技巧

技巧一：强制法条核查

在法律提示词中加入以下约束：

所有引用的法条必须标注完整名称和条款号。如果你不确定某法条是否现行有效，标注“【需核查】”，不要编造法

条。

技巧二：修订模式输出

要求AI以修订模式输出合同审查建议：

请以修订模式输出。对需要修改的内容，用【修改建议：XXX】标注；对需要删除的内容，用【建议删除】标注；对

需要补充的内容，用【建议补充：XXX】标注。

技巧三：分步生成

复杂法律任务不要一次性完成：

第一步：先分析案件事实和法律关系

第二步：检索相关法条和案例

第三步：起草法律文书

第四步：审核和优化

每一步完成后审核输出，确认无误再进行下一步。

技巧四：立场差异化

同一任务在不同立场下的输出完全不同：

我方立场为【甲方】。请从甲方角度分析风险点，输出对甲方有利的修改建议。

4.3标准化文书起草模板

模板：律师函起草提示词：

你是一名协助律师起草标准化文书的AI助手。请根据以下信息起草一份律师函初稿。

文书类型：【律师函/催告函/解除通知等】

发出主体：【我方主体脱敏信息】

接收主体：【对方主体脱敏信息】

事实背景：【简要说明事实】

客户意图：【如催促付款、解除合同、要求整改等】

客户立场：【强势/中立/弱势/保留谈判空间等】

起草要求：

1.结构完整，包括标题、正文主体、落款

2.事实表述应仅限于提供的信息，不得添加或编造事实

3.语言正式、严谨

4.如存在法律依据、事实依据不确定之处，以“【需律师核查】”标注

事实材料如下：

【粘贴事实材料】

模板：法律培训材料框架提示词：

你是一名协助企业法律顾问律师编制法律培训材料的AI助手。请为以下培训设计框架和内容提纲。

培训背景：

1.客户行业：【行业】

2.培训对象：【管理层/销售部门/采购部门/人力资源部门等】

3.培训主题：【主题】

4.培训时长：【如30分钟、1小时、2小时】

5.培训目的：【如提高合规意识、降低合同风险、规范用工管理】

6.客户关注点：【具体内容】

输出要求：

1.培训标题建议

2.培训对象和培训目标

3.课程整体结构

4.每一部分的核心内容

5.可用于讲解的服务场景案例

6.常见误区和风险提示

7.互动问答

8.课后测试题

注意：

1.内容应适合非法律专业人员理解

2.避免堆砌法律条文

3.每个风险点匹配一个场景

4.不得编造法律依据和案例

5.输出为PPT大纲形式

4.4提示词质量对比

质量

提示词示例预期输出

等级

泛泛而谈，缺少具体风险

差“帮我审查这份合同”

点和法条依据

基本风险识别，但缺少法

中“审查这份合同的风险点”

律依据和修改建议

“你是一位资深非诉律师。我方为甲方。请逐条分析合同中的法律风险结构化审查报告，含风险

好点，标注对应法条，按三级分类评估，以修订模式输出。不确定的法条等级、法条依据、修改建

标注【需核查】”议

第五章：合规底线——法律AI的数据安全与伦理边界

5.1法律AI的核心风险

幻觉风险：通用大模型训练数据源于互联网公开信息，可能包含虚假内容。AI可能虚构法律条文、捏造司法判例。这

是法律AI最核心的风险，也是法律垂类工具与通用工具的根本区别。

数据安全风险：将包含客户隐私、商业机密的合同和案件材料上传到云端AI工具，可能造成数据泄露。国家安全部专

项警示指出，翻译软件在云端传输环节，用户上传的明文敏感信息极易被窃取。

伦理边界：AI生成的法律意见不构成正式法律意见。AI不能替代律师的专业判断。涉及评价、诊断和重大决策的环

节，AI输出必须经过人工确认。

5.2数据安全操作规范

安全等级适用数据推荐方案操作要求

一般公开法律信息、已脱敏合同云端法律垂类工具上传前脱敏

敏感客户合同、案件材料企业版工具（不存储数据）确认工具的数据政策

涉密涉密案件、国家安全相关本地部署方案（律界芯盒、劳有钳）完全离线运行

5.3律师使用AI的合规检查清单

已确认AI工具的数据处理政策（是否用于模型训练）

上传前已完成脱敏处理（姓名、身份证号、联系方式、地址）

使用的工具优先选择法律垂类（智合AI、e签宝）而非通用大模型

所有AI生成的法条引用已经人工核查现行有效性

所有AI生成的案例已经验证真实存在

AI生成的文书已经人工审核和修改

涉及客户重大利益的AI输出已经过交叉验证

涉密材料未使用联网AI工具处理

定期清理AI工具中的对话记录和上传文件

已了解《个人信息保护法》《数据安全法》相关要求

第六章：避坑指南——10个常见错误及正确做法

错误1：AI审查结果直接采信不做人工复核

错误做法：AI标注的风险点直接用于合同修改，不进行人工复核。

正确做法：100份合同盲测数据显示AI漏报率为13.6%，漏报集中在违约金条款、知识产权归属和保密期限。所有AI审

查结果必须人工逐条复核。

错误2：上传含真实个人信息的合同不脱敏

错误做法：将包含当事人姓名、身份证号、联系方式的合同直接上传到AI工具。

正确做法：上传前脱敏处理，将所有个人信息替换为占位符（“【姓名】”“【身份证号】”“【电话】”）。

错误3：使用通用大模型做法律检索

错误做法：用ChatGPT检索案例，不加验证直接引用。

正确做法：使用法律垂类检索工具（智合AI、元典）。通用大模型可能编造案号和裁判日期，所有AI输出的案例必须

逐案验证。

错误4：不做立场分析就审查合同

错误做法：审查合同时不指定我方立场，AI输出通用风险分析。

正确做法：审查前明确我方立场（甲方/乙方），使用支持立场差异化的工具或在提示词中指定。

错误5：AI输出的法条不做现行有效性核查

错误做法：AI引用的法条直接使用，不核查是否已修订或废止。

正确做法：对AI引用的关键法条逐条核查，确认现行有效。在提示词中要求“不确定的法条标注【需核查】”。

错误6：AI生成的法律文书不修改直接发出

错误做法：AI起草的律师函、起诉状直接发出。

正确做法：AI生成的文书必须人工审核和修改。重点检查事实描述是否准确、法律依据是否充分、语气是否恰当、是

否存在遗漏。

错误7：在免费版AI工具中处理客户敏感数据

错误做法：使用免费版ChatGPT处理包含客户信息的合同。

正确做法：免费版可能将数据用于模型训练。敏感数据应使用法律垂类工具的企业版或本地部署方案。

错误8：案例检索只查有利案例

错误做法：只检索支持我方观点的案例，忽略不利案例。

正确做法：同时检索有利和不利案例，全面了解裁判倾向。提前准备应对不利案例的策略。

错误9：不标注检索范围和时间

错误做法：AI输出的案例不标注地域和时间范围。

正确做法：在检索时明确地域和时间范围，在输出中标明。不同地域、不同时期的裁判倾向可能不同。

错误10：忽视《个人信息保护法》合规要求

错误做法：不了解个人信息保护法规就处理包含个人信息的法律文书。

正确做法：了解《个人信息保护法》核心要求。最高人民法院2026年9月发布的《关于依法审理涉人工智能纠纷案件

的意见》明确，为人工智能模型训练，在合理范围内处理已合法公开的个人信息，且个人未明确拒绝的，一般不认定

为侵权。但涉及敏感个人信息仍需取得单独同意。

第七章：常见问题解答

Q1：AI合同审查的准确率到底有多高？

e签宝在100份真实合同盲测中，F1分数为92.6%，召回率86.4%，精确率93.2%。LegalOn集成GPT-5.4后整体准确率为

79.4%。不同工具的准确率定义不同，有的侧重召回率（不漏报），有的侧重精确率（不误报）。从实用角度，精确

率93.2%比召回率86.4%更重要，因为误报只是让法务多看一段，漏报可能让风险溜过去。

Q2：AI能替代律师做合同审查吗？

不能。AI在标准化条款审查上效率显著，但在非标准条款、行业惯例判断、商业意图理解方面仍存在不足。AI的角色

是“初审”和“风险提示”，律师的角色是“终审”和“决策”。实测数据显示，AI的召回率约86%，意味着仍有14%的风险可

能被漏掉，这部分必须由律师兜底。

Q3：AstraforLaw能在中国使用吗？

AstraforLaw当前仅面向美国法律市场，其检索索引覆盖美国判例、法规和行政决定。中国法律场景建议使用智合AI

（1.7亿裁判文书）或元典法律检索。AstraforLaw的API版本“gpt-6-astra-law”计划后续开放，具体时间未公布。

Q4：本地部署方案的成本高吗？

法义经纬发布的“律界芯盒”和“钳箱”为硬件产品，具体价格需咨询厂商。劳有钳基于开源项目OpenClaw定制开发，可

免费使用（需要自行配置环境）。从成本角度，本地部署的初始投入高于云端工具，但避免了数据安全风险，对于处

理涉密案件或有严格合规要求的律所是必要投入。

Q5：AI法律检索的准确率如何？

斯坦福大学RegLab的基准测试显示，STARA的准确率为83%，WestlawAI为58%，Lexis+AI为64%。AstraforLaw在

ValsAI法律研究基准上的整体正确率为54%。不同工具和不同法律领域的准确率差异较大。AI检索结果必须逐案验

证。

Q6：如何防止AI编造案例？

三个措施：第一，使用法律垂类检索工具（智合AI、元典），这些工具内置了“幻觉防火墙”对未经核实的案例自动拦

截；第二，在提示词中明确要求“只输出确认存在的案例，不要编造案号”；第三，所有AI输出的案例在裁判文书网或

法律数据库中逐案验证。

Q7：法律AI工具的数据安全如何保障？

三个层级：第一，脱敏处理——上传前移除所有个人隐私信息；第二，工具选择——优先选择支持本地部署或企业版

不存储数据的方案；第三，权限管理——AI工具的访问权限最小化配置。大型律所可参考河北泊头市司法局的方案：

完全内网本地化架构，数据不脱离内部网络，模型不连接互联网。

Q8：AI生成的法律意见能作为正式法律意见吗？

不能。AI生成的法律意见仅供参考，不构成正式法律意见。所有AI生成的法律文书和法律意见必须经过执业律师审核

和签署。AI的角色是辅助工具，不是法律责任的承担主体。

附录：速查表与工具清单

附录A：AI法律工具速查表

工具类型核心能力数据安全价格

AstraforLaw检索增强2.3亿网页法律检索企业版不存储限选律所

智合AI法律垂类检索+审查+起草幻觉防火墙按套餐

e签宝法律垂类合同审查+签署闭环持牌合规按量

LegalOn法律垂类合同审查+playbooks—按套餐

Spellbook法律垂类Word内合同起草+审查—按套餐

CoCounselLegal法律垂类Westlaw检索+起草—按套餐

劳有钳本地部署合同审查+文书撰写完全本地开源免费

律界芯盒本地部署法律AI本地运行完全离线硬件+服务

DeepSeek通用文书起草+分析需脱敏免费

Claude通用长文起草+分析需脱敏约$17/月

附录B：合同审查风险检查表