把合同直接丢给DeepSeek并不能替代专业审阅。立场界定、分段投喂、定向追问、人工复核四步做到位，模型才能输出真正可用的风险清单。
法务与业务部门在合同审阅上的矛盾长期存在，业务要快，法务要稳。DeepSeek这类大模型可以在几分钟内读完数十页文本并给出风险提示，但它不是法律意见的签发者。真正决定审阅质量的，是使用者如何组织输入、如何追问、如何验证输出。以下四个环节，是当前实践中被反复验证、也最容易被跳过的部分。
1. 先锁定立场与审阅边界
合同审阅不是中立的文本分析，同一份合同，甲方与乙方的风险点完全不同。让DeepSeek直接审一下这份合同有什么风险，模型往往输出通用套话，比如注意违约责任、明确知识产权归属，看似正确却无法落地。正确做法是在提问前把交易背景交代清楚：己方是采购方还是供应方、合同金额与履行周期、是否涉及跨境或特殊监管、哪些条款属于不可让步的底线。以一份SaaS采购合同为例，采购方关注的是服务可用性指标、数据主权与退出时的数据迁移，供应方关注的是付款节点、责任上限与续费自动展期，两类立场对应的审阅清单差异极大。
DeepSeek需要被明确告知审阅范围。合同正文之外，附件、工作说明书、保密协议、补充协议往往藏着实质性条款，主合同写着以附件为准，附件却把验收标准设定为甲方单方确认，这种结构在模型只读正文时必然遗漏。实务中应先在提示词中列明待审文件清单与优先级，并要求模型输出时标注条款来源文件与条款编号，便于回溯。对于框架协议加订单的模式，还要提示模型区分框架条款与单笔交易条款的效力层级。
边界还包括法律适用与行业监管。金融、医疗、建设工程等领域的合同受专门规范约束，模型训练语料未必覆盖最新监管口径。使用者应在提示词中限定适用法域与行业，并要求模型对不确定的结论标注需人工核实，而不是给出貌似确定的判断。这一层前置工作通常只花十分钟，却能显著减少后续返工。
2. 分段投喂并固定输出结构
几十页的合同一次性输入，模型对中后段条款的注意力会下降，交叉引用关系也容易丢失。更稳妥的是按合同结构切分，逐章投喂并维护一份条款索引，把定义条款、权利义务、价款支付、违约与解除、争议解决分别处理，最后再做一次跨章节的关联追问。切分时保留章节标题与条款编号，避免模型丢失上下文锚点。
提示词应当固定输出结构，否则每次回答的颗粒度不一致。实践中可采用条款定位、原文摘录、风险描述、风险等级、修改建议、判断依据六段式，要求模型逐条输出。风险等级建议用高、中、低三档并给出判定理由，便于业务部门排序处理。要求模型引用原文而非复述，可以显著降低它在概括时改变原意的概率。对于表格、报价单、验收标准清单，需先转成文本再输入，扫描件应先做识别并人工校对关键数字。
输出结构固定后，还要约束模型不要越界。合同审阅中最常见的问题是模型自行补全缺失条款，把应当约定写成已约定。提示词中应明确要求仅基于给定文本判断，文本未涉及的内容标注为缺失项而非推定存在。同时要求模型对每一条修改建议给出可替换的条款表述，而不是停留在建议完善这类无法执行的层面。结构化输出配合分段投喂，能让审阅结果具备可比性，也方便后续把多次输出合并成一份完整清单。合同版本迭代时，把新旧版本同时输入让模型做差异比对，比重新审一遍更高效，但需注意模型对差异的识别同样依赖条款编号对齐。
3. 对高风险条款做定向追问
通用审阅之后，必须针对合同类型的高风险条款逐项追问。买卖合同的核心是付款与交付，要追问付款节点是否与验收挂钩、验收标准是否客观可量化、逾期付款与逾期交货的违约责任是否对等。曾有一份设备采购合同约定违约金为合同总额的日万分之五，但仅约束卖方逾期交货，买方逾期付款则按日万分之零点三计算，这种不对等条款在泛泛审阅中常被一句违约责任约定明确带过。定向追问时要求模型列出双方义务与对应违约后果的对照，问题就会暴露。
服务与知识产权类合同要追问成果归属、许可范围、后续改进权利与侵权赔偿。软件开发合同中知识产权归甲方所有看似清晰，但未区分背景知识产权与项目成果，可能导致供应商把通用组件一并转让，或反过来把定制模块留在自己手里。数据类条款还需追问数据来源合法性、处理目的限制、跨境传输与删除义务。模型对这些概念的理解依赖提示词中的定义，使用者应把己方内部合规要求一并写入，否则模型只能按通行商业惯例判断。
争议解决与责任限制条款需要单独追问。管辖法院或仲裁机构是否明确、仲裁规则与语言是否可执行、律师费与保全费由谁承担、责任上限是否覆盖保密与知识产权侵权等不可限额事项，这些都应当让模型逐项核对并指出空缺。不可抗力与情势变更条款要追问通知期限、证明责任与解除权触发条件，疫情后大量合同纠纷正源于此类条款约定过粗。定向追问的价值在于把模型的泛化能力收窄到具体条款上，用一个个可验证的问题换取可执行的意见。
4. 人工复核与审阅留痕
模型输出最需要警惕的是法条与案例的虚构。DeepSeek可能给出看似规范的条文编号，实际与现行《民法典》表述不符，或引用并不存在的司法解释。凡涉及法律依据的部分，必须由具备资格的人员逐条核对现行有效文本，尤其是2021年《民法典》施行后废止的合同法条文不得再作为依据。金额、比例、期限等数字同样需要复核，模型在长文本中抄录数字出错的概率并不低。
复核应聚焦三类问题：法条引用是否准确、金额与期限是否与原文一致、交叉引用条款是否被完整覆盖。对于模型标注为高风险的条款，复核人应回到原文逐字确认，避免因分段投喂导致上下文割裂而误判。模型提出的修改建议还要经过商业可行性判断，一条在法律上更严谨的条款如果导致交易无法达成，同样不是好建议。审阅结论最终由人签发，模型的角色是初筛与提效，不是责任主体。
审阅过程应当留痕。把提示词、输入文本版本、模型输出与人工修改记录归档，既能在发生争议时说明审阅已尽合理注意，也能沉淀为团队内部的条款库与提示词模板。长期看，把每次复核中发现的问题反哺到提示词与审阅清单中，模型输出的可用率会逐步提升。合同风险审阅的终点不是一份模型生成的报告，而是一套可重复、可追溯、有人负责的流程。
