用多Agent搭建更可靠的合同审查智能体
内容提要
合同审查不应依赖单一AI模型，因其易忽略版本、条款衔接等问题。应采用多Agent分工协作，明确职责与证据链，设置自动通过、人工确认、强制阻断三级门禁。通过技能固化规则并回写纠偏，先小规模试点再扩展，确保每条风险可追责、可复核。
延伸解读
多Agent的核心价值：可追责而非炫技
文章强调，多Agent架构并非为了追求技术上的炫技，而是为了实现可追责性。在合同审查中，每个Agent都有明确的职责和输出边界，如结构提取、风险识别、法条对照等，确保每条风险都能从规则、证据、责任人三条线同时复核。这种分工避免了单一模型“万能中间人”导致的职责不清和错误难以追溯的问题。
技能（Skill）是审查制度的可执行化
文章指出，Skill不仅仅是提示词集合，而是将审查制度转化为可执行的规则。例如，付款条件必须显式绑定发票或验收节点，版本号缺失或附件不一致时直接阻断。更重要的是，Skill具备可学习性，每次人工纠偏都会回写到规则库，作为后续任务的默认检查项，从而持续优化审查流程。
三级门禁：自动通过、人工确认、强制阻断
文章定义了三个放行层级：自动通过（低风险、证据完整）、人工确认（风险中等或高但有解释空间）、强制阻断（版本冲突、付款条件不闭环等）。这些门禁是写在执行闸门里的，而非事后总结，确保高风险项未确认前，报告结论不能从“待放行”改为“可签发”，从而有效防止误放行。
从“先生成报告”到“先交付证据”
文章建议审查输出应是一个可复查的任务流，而非简单的文字报告。每条结果需包含条款号/页码、决策依据（规则来源、法条映射）、风险等级和门禁动作，以及回写动作。这样便于复跑同类案例，通过重复效率的提升来验证链路是否真正落地，而非仅看报告是否流畅。
Q&A
为什么合同审查不能只依赖一个AI模型？
因为单一模型容易忽略版本、条款衔接等问题，且无法明确职责和证据链，导致风险被遗漏或误判。多Agent分工协作可以确保每条风险可追责、可复核。
多Agent合同审查中，各Agent的职责是什么？
协同Agent负责统一任务和版本登记；结构提取Agent负责条款定位和字段映射；风险识别Agent负责与规则库交叉匹配；法条对照Agent负责法规和条款冲突复核；复核Agent独立复检高风险项；报告Agent负责输出审查清单和回写建议。
合同审查中，哪些情况必须强制阻断？
版本冲突、付款条件不闭环、条款逻辑不一致、关键字段缺失等情况必须强制阻断，不能自动通过。
Skill在合同审查中起什么作用？
Skill是审查制度的可执行化，将规则、阻断条件和回写逻辑固化，并支持可学习性，人工纠错后能回写规则仓库，避免重复犯错。
合同审查中，如何确保每条风险可追责、可复核？
通过多Agent分工，每个Agent有明确的输入输出边界，每一步都带证据与边界，最终每条结果包含条款号、决策依据、风险等级和回写动作，形成可复查的任务流。
从“先生成报告”改成“先交付证据”是什么意思？
审查输出不应只是文字报告，而应是一个可复查的任务流，包含条款号、决策依据、风险等级和回写动作，以便快速复跑同类案例，提升重复效率。
实施多Agent合同审查时，作者建议如何起步？
建议先小规模闭环再扩展：先挑一类合同，固定一版Skill，跑完整审查链路，将人工纠偏回写，再换第二类合同复测，稳住后再加第三类。
合同审查中，人工门禁的三个放行层级是什么？
自动通过（低风险、证据完整）、人工确认（风险中等或高、证据链完整但有解释空间）、强制阻断（版本冲突、付款条件不闭环等）。
