说实话,刚接触OpenClaw时,我心态挺保守的。干了十年非诉律师,审合同全靠肉眼和Ctrl+F,遇到动辄上百页的并购协议,连续三天熬到凌晨是常态。直到去年处理一个连锁品牌的尽调,对方一次性甩来47份租赁合同,每份还有三四个附件,我才决定认真把OpenClaw跑通。
我的用法很土,但管用。先把所有PDF转成文本,丢进一个文件夹。然后写了一套很简单的规则——不是那些花哨的AI提示词,就是关键词加逻辑判断,比如“违约金超过合同金额30%”“管辖法院约定为甲方所在地以外的法院”“付款条件包含‘验收合格后’但未定义验收标准”这类条款,OpenClaw会自动标注风险等级并生成摘要表。
最惊喜的是它能把重复条款合并归类。以前审几十份合同,最烦的是同样一个漏洞在不同文件里出现,得挨个写批注。现在OpenClaw跑完,直接输出一个“共性问题清单”,哪个条款在哪些合同里出现,风险是否一致,一目了然。我只需要针对例外情况单独看,效率至少提升四倍。
当然,也有翻车的时候。刚用那会儿,系统把一份补充协议里的“先决条件豁免”误判成了违约责任,差点让我给客户提错建议。现在我的原则是:OpenClaw负责粗筛和归类,但凡标记为中高风险的内容,我一定点开原文对着上下文再读一遍。说到底,它只是个能熬夜的实习生,签字盖章的还得是我自己。
想参与互动?打开法量小程序体验完整功能
这个思路太实用了,尤其“共性问题清单”这个功能,简直是为非诉律师量身定做的。想请教一下,您那套关键词规则大概维护了多久才达到比较可靠的准确率?另外,对于不同版本合同之间的细微措辞差异,OpenClaw的敏感度如何,会不会因为表述稍变就漏掉风险点?