1. 工程合同审查的AI转型

工程合同审查长期被视为“高价值、低效率”的典型法律与商务交叉工作。一份中型施工总承包合同通常在80～200页之间，包含协议书、通用条款、专用条款、技术标准、工程量清单、中标通知书、投标函及附录等十余个组成部分。传统审查模式下，法务或商务人员需要逐条比对招标文件、投标承诺与合同文本，识别偏离项、风险条款与责任缺口。这一过程高度依赖个人经验，且难以在有限工期内做到全覆盖。

传统审查的三个结构性痛点

第一，条款交叉引用导致漏检。工程合同大量使用“详见专用条款第X条”“按通用条款第Y款执行”的引用结构。一个付款风险可能同时涉及专用条款的付款节点、通用条款的变更调价机制以及投标函中的下浮率承诺。人工审查时，审查人往往按章节顺序推进，容易在跨章节引用处断裂，形成“单条看过、组合没看”的漏检。

第二，风险判断标准不统一。同一份合同由不同人审查，对“工期违约金上限是否合理”“质保金返还条件是否苛刻”的判断可能差异很大。缺乏统一的审查基准，导致审查结论难以复核，也无法沉淀为组织能力。

第三，审查成果难以结构化复用。传统审查输出多为批注或修订稿，风险点散落在文档各处，无法直接汇总为风险清单、责任矩阵或谈判要点表。当项目进入履约阶段，前期审查发现的风险无法与后续变更、索赔、结算形成数据关联。

AI介入的价值定位

AI介入工程合同审查，核心价值不在于“替代法务判断”，而在于把审查工作拆分为可分工的两层：机器负责穷举、定位与初判，人负责定性、权衡与决策。具体而言，AI可承担四类任务：一是条款级结构化解析，把非结构化文本切分为可检索的条款单元；二是风险规则匹配，按预设规则库标记偏离项与高风险表述；三是跨条款关联分析，追踪引用链与责任传递；四是审查成果自动生成，输出风险清单、对比表与谈判建议。

需要明确的是，AI输出的风险标记是“待确认项”而非“最终结论”。工程合同中的风险往往与项目背景、计价方式、市场环境强相关，AI提供的是覆盖率与一致性，人提供的是判断力与责任承担。

课程任务地图

本课程围绕“从合同文本到风险决策”的完整链路展开，共30章，可归纳为五个任务域：

• 基础认知域（第1～4章）：建立AI审查的基本概念、合同结构认知与工具链全景。
• 文本解析域（第5～10章）：掌握条款切分、要素抽取、引用关系识别等预处理能力。
• 风险规则域（第11～18章）：构建工期、价款、质量、变更、索赔、违约等风险规则库。
• 分析决策域（第19～25章）：完成风险定级、责任矩阵、谈判要点与审查报告生成。
• 工程落地域（第26～30章）：实现工具集成、流程嵌入、质量校验与持续迭代。

工具链概览

本课程涉及的工具链可分为四层：文档解析层（PDF/Word解析、OCR、版面还原）、语义处理层（条款切分、实体识别、引用解析）、规则与模型层（规则引擎、提示词模板、向量检索）、输出与集成层（风险清单、审查报告、与合同管理系统对接）。工具选择不追求“最先进”，而追求“可解释、可复核、可迭代”。