DeepSeek能快速梳理合同，但能力边界、提示词、幻觉引用和数据合规都可能埋坑。本文拆解四类隐藏风险，给出可落地的复核方法。 合同审查是AI工具最容易让人产生“已经审完”错觉的场景之一。DeepSeek可以读条款、找矛盾、生成修改建议，但输出越流畅，越需要警惕隐藏坑。尤其在AI指导老师的带教场景里，如果只演示“上传合同—生成意见”，学员很容易把工具输出当成法律结论。下面从能力边界、提示词与上下文、幻觉引用、数据合规四个层面拆解。
1. 先划清AI审查的能力边界
DeepSeek在合同审查中的合理定位是“辅助阅读和线索发现”，不是出具法律意见。它能做条款摘要、风险点提示、前后一致性检查、改写建议，也能按清单逐项比对；但它无法替代对交易背景、商业目的和谈判地位的判断，也不能承担执业责任。隐藏坑在于把“风险提示”误当成“法律结论”。比如采购合同里“验收合格后付款”看似常规，AI可能提示付款风险，却未必结合验收标准模糊、质保金比例、发票前置条件等商业安排给出可执行建议。指导老师应要求学员把每条AI输出标注为“待核实线索”，回到原文逐条确认。
合同类型和监管环境差异很大，模型知识还有截止时间，新规、地方性要求、行业惯例都可能覆盖不到。建设工程、医疗器械、跨境数据等合同，条款背后的合规义务往往不在文本表面。更稳妥的做法是先由人确定审查清单和交易要点，再让DeepSeek做初筛，最后人工复核。把AI放在“第一遍粗读”的位置，比让它直接给结论更安全。
2. 提示词与上下文决定审查质量
很多人用DeepSeek审合同只丢一句“帮我审一下”，得到的往往是泛泛而谈。合同审查需要上下文：合同类型、我方角色、交易背景、审查目标、重点条款、输出格式。比如同一份房屋租赁合同，出租方关注租金支付、解约条件、房屋损坏责任，承租方关注维修义务、押金退还、提前退租。不说明立场，模型只能给中性清单，风险排序会失真。指导老师可以教学员用结构化提示：先交代身份和目标，再给合同全文或完整条款，最后要求逐条引用原文并标注条款号。
上下文窗口也是隐藏坑。长合同、附件、补充协议、往来邮件如果只传主合同，AI可能漏掉附件里的验收标准或补充协议里的排他条款。多轮对话中，早期交代的交易背景容易被后续内容稀释，模型可能忘记“我方是买方”或“这是框架协议”。实用做法是把关键事实在每轮提问中重述，长合同分段审查并保留条款编号，附件与主合同一起提供。输出要求也要具体，比如按“条款原文、风险说明、修改建议、需人工确认事项”四栏生成，而不是只写“有风险”。
3. 警惕幻觉与条款引用错位
大模型最危险的输出不是明显错误，而是看起来专业却对不上原文。DeepSeek可能虚构法条编号、误引已废止规定，或者把“民法典第577条”的内容说错；也可能把附件里的条款当成正文，把“第5.2条”指向不存在的条款。合同中的金额、日期、比例、工作日与自然日尤其容易被改写。比如原文写“逾期30日”，输出变成“逾期30个工作日”，一字之差会改变违约判断。指导老师应训练学员做原文回溯：每个结论都要找到合同页码、条款号和原句，不能只看AI摘要。
减少幻觉的有效方法，是限制模型只基于给定文本回答，并明确“找不到依据就写未发现”。要求引用外部法条时，必须由人工核验现行有效版本；涉及金额、期限、比例的结论，逐项对照原文。还可以让模型先做条款清单，再做风险分析，分两步输出，降低它一边读一边编的概率。对于交叉引用、定义条款、附件清单，要单独让模型列出对应关系，人工检查是否错位。AI给出的“修改建议”也要看是否改变商业实质，不能直接替换进合同。
4. 数据合规与人工复核不能省
合同往往包含客户名单、报价、付款账号、个人信息和商业秘密。直接把未脱敏合同上传到公开AI工具，是很多团队最容易忽略的坑。使用前要确认数据政策：输入是否用于训练、是否留存、能否删除、有没有企业级权限控制。内部还要明确谁能上传、哪些合同不能上传、是否需要脱敏。比如销售合同里的客户名称、联系人和折扣政策，可以先替换为代号，保留条款结构；涉及个人信息的，按最小必要原则处理。
AI审完不等于流程结束。输出要经过法务或业务负责人复核，修改意见要留痕，重要合同不能只保留对话记录。指导老师可以把“人工复核清单”纳入教学：是否核对原文、是否验证法条、是否检查金额日期、是否评估商业影响、是否获得授权。把AI审合同纳入内部规程，明确上传范围、脱敏要求、复核责任和记录保存，比单纯追求提示词技巧更重要。这样用DeepSeek，才是提效而不是埋雷。
