LegalLens 合约智审

要处理的业务事实

单层智能体只会执行，不会把经验沉淀下来；一个通用智能体覆盖不了法律审查的专业分工；上下文窗口装不下跨条款、跨文档的语义；向量或关键词检索给不出可解释的关联依据；文本思维链受限于自然语言，难以跨模型共享。

核心机制

双层闭环：外层主线「感知—记忆—行动」负责与外部环境交互，内层循环「记忆—计划—反馈」驱动自主推理与策略优化；三类智能体各司其职并共享数据与任务；五层流水线——合同文本处理 → 语义抽取（LLM）→ 图谱建模（Neo4j）→ 智能上下文检索 → 长上下文注入与推理；先定位、再评分、后注入；把合同文本与审查任务编码为高维向量，多个专业智能体共享同一隐空间表示。

关键设计与工程参数

• 语义节点分文档／合同块／短语／标签；多类型关系；批量写入与索引优化
• 用图数据库的关系遍历与模式匹配定位语义关联合同块，按共享关键词与标签的数量和重要度算相关性分数
• 筛选 Top-K 个最高分相关块，去重并过滤无效内容后作为辅助上下文注入模型输入
• 隐空间直接计算取代生成大量中间文本；向量易于传递，支持多智能体交叉验证
• 智能审查调用外部企业信息接口与知识图谱；倾向需求调整审查权重与逻辑焦点

工程价值

把「读懂一份合同」升级为「在知识图谱上做跨条款、跨文档的可解释推理」——上下文可检索、推理可协同、能力可累积。

要处理的风险事实

合同原件一旦进入外部服务就不再可控；模型会虚构法条案例、错推条款关系、臆造数值日期；换审核口径要重训模型，越狱与劫持难以察觉；被动防御跟不上不断出现的新攻击手法。

核心机制

① 数据层：原件留在受控信任域，只有隐私工作副本外发（本地接收 → 本地识别 → 按用途保护 → 安全外发闸门）。② 输出层：检测与抑制双引擎，思维链微调训练专门的幻觉检测模型，GRPO 强化学习优化思维链训练流程。③ 模型层：直接在神经激活层面理解并干预，定位控制输出风格与安全性的关键神经通路。④ 输入层与主动测试：字符级过滤、语义完整性验证与上下文隔离，蒸馏学习红队自动生成攻击样本持续压测。

关键设计与工程参数

• 用途与策略引擎：文档版本 × 用途 × 接收方 × 保留期；令牌化映射与短时缓存；策略一致且版本匹配才放行
• 结构化标注与监督训练；法律领域事实核查知识库交叉验证；每个推理步骤生成可信度评分
• 零训练成本切换审核严格程度；实时监测激活异常模式，与正常审核任务不符即预警阻断
• 攻击样本生成从人工数十个/天提升到系统数千个/小时；生成 → 测试 → 识别 → 加固闭环
• 安全底线：未扫描、检测失败、策略冲突、授权过期或版本不一致 → 阻断外发（fail closed），绝不降级放行

工程价值

把安全从「事后复核」前移到「数据不出域、输入被清洗、激活被监测、输出被验证」——四层各有证据，任一层未通过即阻断。

要处理的业务事实

通用模型 + 提示词无法覆盖某一行业签合同的具体方式；不同部门与不同项目的审核尺度不一；审过的判断与口径依附于个人，难以在组织内复用。

核心机制

五步闭环：① 行业共建（法务一线 12 个月）→ ② 真实合同（数千份脱敏入库）→ ③ 专家标注（背对背 · 交叉 · 仲裁三级流程）→ ④ 领域资产（规则库 · 图谱 · 模板）→ ⑤ 场景复用（新客户从基线起步）。并有反馈回流：授权与安全控制下，客户使用中的典型问题转化为规则与样本，回流为下一轮优化依据。

关键设计与工程参数

• 12 个月法务一线共建调研、业务访谈与案例复盘
• 数千份真实商业合同脱敏入库
• 2 名资深法务 + 3 名业务专家 + 2 名技术人员联合标注
• 标注一致性 >95%，关键条款识别准确率 >98%
• 规则库、图谱与模板随私有化部署沉淀在企业侧；字段级脱敏 + 差分隐私，数据不出域

工程价值

把「通用模型 + 提示词」升级为「行业口径 + 领域资产」——同一行业的第 N 个客户不必从零起步，交付一次，能力就厚一层。