摘要

相比单轮问答，法律业务更接近多步骤、强流程、可复核的专业工作流。智能体可以将检索、阅读、抽取、判断、生成、复核和归档等环节组织起来，辅助完成合同审查、法律研究、尽职调查、诉讼支持和企业法务服务。本文从业务视角分析法律智能体的典型形态、适用场景、流程设计和风险边界，说明法律机构如何从 AI 工具走向 AI 工作流。

正文

大模型在法律行业的初始应用，往往表现为对话式问答：用户提出一个法律问题，模型生成一段回答。这种方式上手简单，但很快会遇到瓶颈。真实法律业务通常不是一次问答即可完成，而是包含多个连续步骤。例如，审查一份商业合同时，律师需要识别合同类型、抽取关键条款、对照客户立场、发现风险、提出修改意见、生成批注、与业务沟通并保留记录。法律研究也不仅是回答一个问题，而是要拆解问题、检索资料、比较观点、判断适用性并形成备忘录。智能体的价值，正是在于把这些步骤组织成可执行、可监控、可复核的工作流。

所谓法律智能体，并不是让模型自主作出法律决定，而是让模型在明确目标、权限、工具和流程边界内，调用不同能力完成任务。一个法律智能体可能包含检索模块、文档解析模块、规则比对模块、生成模块、校验模块和人工审批节点。它与普通聊天机器人的区别在于：聊天机器人主要回答问题，智能体则围绕业务目标执行流程。

合同审查是最适合法律智能体落地的场景之一。

一个合同审查智能体通常首先识别合同类型，例如保密协议、采购合同、销售合同、SaaS 合同、数据处理协议或股权投资协议。随后，系统抽取主体、期限、价款、付款条件、交付义务、知识产权、数据处理、违约责任、责任限制、解除权、争议解决等关键条款。接着，智能体将这些条款与预设 playbook 或客户标准立场进行比对，判断是否存在偏离。对于发现的问题，系统可以生成风险等级、修改建议、替代条款和谈判提示。最后，系统将结果输出为审查报告、Word 批注或客户摘要，并交由律师确认。

在这个流程中，智能体不是单一模型，而是多个子任务的组合。合同解析子任务负责理解文件结构；风险识别子任务负责对照规则；条款推荐子任务负责调用条款库；生成子任务负责形成可读文本；质量控制子任务负责检查是否遗漏关键条款、引用是否正确、建议是否与客户立场一致。通过这种方式，法律机构可以把资深律师的审查经验沉淀为流程和规则，让初级律师、法务专员和业务人员在可控范围内获得更一致的支持。

法律研究智能体也是高价值方向。

传统法律研究依赖律师大量检索、阅读和归纳。智能体可以先将用户问题拆解为若干子问题，例如管辖地、法律关系、时间点、适用规则、例外情形和争议焦点。随后，系统检索法规、案例、监管意见和内部备忘录，按权威性和相关性排序。生成答案时，智能体应区分明确规则、主流观点、相反观点和不确定区域，并附上引用来源。更重要的是，研究智能体应内置反向验证机制：对于每个关键案例、法条和结论，系统都要重新确认其真实性、有效性和适用性。

诉讼和仲裁场景同样适合工作流式智能体。案件初期，智能体可以根据起诉材料、合同、往来邮件和证据文件，自动整理事实时间线、当事人关系和争议焦点。在证据管理环节，系统可以对证据进行分类、命名、摘要，并关联证明目的。在文书准备阶段，智能体可以生成起诉状、答辩状、代理词、证据说明和庭审提纲的初稿。在庭审准备阶段，系统可以根据对方主张和证据材料，生成交叉询问问题和风险提示。当然，这些输出都必须经过律师复核，尤其是提交法院或仲裁机构的文书，不能由系统自动完成。

尽职调查是另一个典型场景。

并购、融资和投资项目中，法律团队需要批量审阅大量文件，包括重大合同、公司章程、许可资质、劳动文件、知识产权资料、诉讼材料和合规文件。尽调智能体可以对虚拟资料室中的文件进行自动分类，抽取关键条款和异常信息，识别控制权变更、重大违约、排他限制、赔偿责任、终止权、知识产权归属、员工安置和诉讼风险等问题。系统还可以生成问题清单、风险矩阵和尽调报告初稿，从而显著减少人工初筛时间。

企业法务场景中，智能体可以进一步成为业务部门的法务入口。业务人员不一定知道应当咨询哪位法务，也不一定能完整描述法律问题。法务智能体可以通过多轮提问收集背景信息，判断问题类型，提供标准化指引，推荐模板，提示审批流程，并在必要时升级给相应法务人员。例如，销售团队询问客户要求删除责任上限是否可以接受，系统可以根据合同类型、客户等级、交易金额和内部政策给出初步风险提示，并要求法务确认。这样，法务团队可以把大量重复咨询前置处理，将精力集中在复杂、高风险问题上。

法律智能体的设计必须坚持边界原则。

首先，智能体应执行明确任务，而非开放式自主行动。系统可以辅助审查合同，但不能未经授权替用户接受条款；可以生成诉讼文书初稿，但不能自动提交；可以提示合规风险，但不能替代最终法律意见。其次，智能体应当有权限边界。它只能访问用户有权访问的文件和系统，不能因为技术连接而突破客户隔离、项目隔离或部门权限。再次，智能体必须有日志记录。每次检索、调用、生成、修改和审批都应留下记录，以便审计和责任追踪。

法律智能体的落地不宜一开始追求全自动。更稳妥的方式是从半自动、可复核的流程开始。第一步可以让智能体完成文档摘要、条款抽取和风险初筛；第二步让其对照标准 playbook 生成建议；第三步再接入文档系统、合同系统和审批系统；最后才考虑更复杂的多系统协作。每一步都应设置质量评测和人工反馈机制，不断优化规则、提示词、知识库和流程设计。

从长期看，法律智能体将推动法律服务从“个人经验驱动”走向“组织流程驱动”。优秀律师的经验不再只停留在个人脑海中，而可以被拆解为审查规则、判断路径、风险标签和推荐条款。企业法务的政策要求也可以从静态制度文件变成可执行的智能流程。对于法律机构而言，真正有竞争力的不是某一个单点 AI 功能，而是围绕业务场景构建的一整套智能工作流能力。

因此，法律智能体的本质并不是让 AI 成为律师，而是让法律工作流程更清晰、更一致、更高效、更可管理。

它帮助律师和法务人员减少重复劳动，提升知识复用能力，并为客户和业务部门提供更及时的专业支持。在可控、可追溯、可复核的前提下，智能体将成为法律行业大模型应用从“工具阶段”走向“生产系统阶段”的关键形态。