30分钟前发布
一份 20 页的合同直接丢进去问有没有风险,得到的多半是几句套话。改成按步骤问。
1、先让它拆结构:列出合同的全部条款标题和对应页码,你核对页码有没有漏。
2、再按条款逐条问,一次给 3 到 5 条,问法是「这一条对我方有哪些不利约定,指到原文句子」。
3、把付款、违约、验收、解除这 4 类条款单独摘出来重问一遍,这几处出问题的概率高。
4、让它输出一张表:条款号、原文摘录、风险点、建议改法,表里每行都要有原文,没有原文的一律不信。
5、末了让它复述自己没看懂的地方,那些地方往往是你自己要盯的。
我经手过一份 28 页的供货合同,因为一个验收条款赔过钱,所以印象深。
当时图省事,整份丢给 AI 问哪几条有风险,它回了 5 条,全是注意付款期限这类空话,还把违约金比例抄错了 1 处。
后来改成按条款喂,一次 4 条,每次让它指到原文,问题就浮出来了。验收那段写着按甲方单方确认结算,这句话在第 11 页第 3 段,整份通读时我跳过去了。
同一份合同前后问了 7 轮,比一次问到底多花 40 分钟,找出的问题从 5 条变成 13 条。
现在我的习惯是:先让它拆条款清单,再逐条过,付款和违约两段自己再读一遍原文。
这类活儿的坑,多数出在它替你补了不存在的内容。
一是把常见范本条款当成你合同的原文。看着很像,页码却对不上,一问原文位置就露馅。
二是只读前半份。20 页以上的文件,后半段的引用明显变少,分 2 次传更保险。
三是扫描件的表格识别错位,付款节点和金额串行,看结论前先核那张表。
四是它给你一段建议表述,你直接粘进合同,那段话可能引入新的义务,改之前让律师过一眼。
五是不说立场。你得先告诉它你代表买方还是卖方,同一句话对两边的风险是反的。
这 5 条里,第一条和第四条返工代价高,一份合同改错一句话,签完再谈要花 2 个月。
漏条款的原因在输入长度和注意力的分配上。
模型读长文不是逐字精读,它把文本切成片段分别处理,片段之间靠有限的上下文连接,中段那部分容易被稀释。
一份 20 页的合同大约 2 万字,塞进一次对话后,它对开头和结尾记得清楚,中间细节丢得多。
问法越笼统,它越倾向给模板化答案;问到具体条款号、具体句子,它才会回到原文去找。
明白这一点,做法就固定了:分段喂、指条款问、要原文引用,三件事做到,召回率能上一大截。
我做过对比,同一份合同分段问 4 次,指到原文的条款数是整份问 1 次的 3 倍还多。
三种问法,效果差得远。
问法一,帮我看看这份合同有没有风险。答案通常 300 字,泛泛而谈,适合初步过一遍。
问法二,第 8 条对我方有什么不利。答案具体,能指到句子,适合逐条抠。
问法三,给它一张检查表,让它对着 12 个维度逐项回答有、没有、原文在哪。输出更整齐,也方便交给同事复核。
时间上,问法一 2 分钟出结果,问法三要 20 分钟,返工却少得多。
我的用法是先用问法一扫一遍,再用问法三过付款、违约、验收、解除这 4 段,中间那步跳过。
检查表的 12 个维度不用自己编,让 AI 先按合同类型列一版,你删掉不合适的 3 到 4 项,剩下的存成模板,下次直接复用。
最多设置5个标签!
一份 20 页的合同直接丢进去问有没有风险,得到的多半是几句套话。改成按步骤问。
1、先让它拆结构:列出合同的全部条款标题和对应页码,你核对页码有没有漏。
2、再按条款逐条问,一次给 3 到 5 条,问法是「这一条对我方有哪些不利约定,指到原文句子」。
3、把付款、违约、验收、解除这 4 类条款单独摘出来重问一遍,这几处出问题的概率高。
4、让它输出一张表:条款号、原文摘录、风险点、建议改法,表里每行都要有原文,没有原文的一律不信。
5、末了让它复述自己没看懂的地方,那些地方往往是你自己要盯的。
我经手过一份 28 页的供货合同,因为一个验收条款赔过钱,所以印象深。
当时图省事,整份丢给 AI 问哪几条有风险,它回了 5 条,全是注意付款期限这类空话,还把违约金比例抄错了 1 处。
后来改成按条款喂,一次 4 条,每次让它指到原文,问题就浮出来了。验收那段写着按甲方单方确认结算,这句话在第 11 页第 3 段,整份通读时我跳过去了。
同一份合同前后问了 7 轮,比一次问到底多花 40 分钟,找出的问题从 5 条变成 13 条。
现在我的习惯是:先让它拆条款清单,再逐条过,付款和违约两段自己再读一遍原文。
这类活儿的坑,多数出在它替你补了不存在的内容。
一是把常见范本条款当成你合同的原文。看着很像,页码却对不上,一问原文位置就露馅。
二是只读前半份。20 页以上的文件,后半段的引用明显变少,分 2 次传更保险。
三是扫描件的表格识别错位,付款节点和金额串行,看结论前先核那张表。
四是它给你一段建议表述,你直接粘进合同,那段话可能引入新的义务,改之前让律师过一眼。
五是不说立场。你得先告诉它你代表买方还是卖方,同一句话对两边的风险是反的。
这 5 条里,第一条和第四条返工代价高,一份合同改错一句话,签完再谈要花 2 个月。
漏条款的原因在输入长度和注意力的分配上。
模型读长文不是逐字精读,它把文本切成片段分别处理,片段之间靠有限的上下文连接,中段那部分容易被稀释。
一份 20 页的合同大约 2 万字,塞进一次对话后,它对开头和结尾记得清楚,中间细节丢得多。
问法越笼统,它越倾向给模板化答案;问到具体条款号、具体句子,它才会回到原文去找。
明白这一点,做法就固定了:分段喂、指条款问、要原文引用,三件事做到,召回率能上一大截。
我做过对比,同一份合同分段问 4 次,指到原文的条款数是整份问 1 次的 3 倍还多。
三种问法,效果差得远。
问法一,帮我看看这份合同有没有风险。答案通常 300 字,泛泛而谈,适合初步过一遍。
问法二,第 8 条对我方有什么不利。答案具体,能指到句子,适合逐条抠。
问法三,给它一张检查表,让它对着 12 个维度逐项回答有、没有、原文在哪。输出更整齐,也方便交给同事复核。
时间上,问法一 2 分钟出结果,问法三要 20 分钟,返工却少得多。
我的用法是先用问法一扫一遍,再用问法三过付款、违约、验收、解除这 4 段,中间那步跳过。
检查表的 12 个维度不用自己编,让 AI 先按合同类型列一版,你删掉不合适的 3 到 4 项,剩下的存成模板,下次直接复用。
一周热门 更多>