风险清单批注：法务审一审之前的 AI 预筛怎么做

法务审合同，真正值钱的动作是条款取舍和风险定级，但现实中大量时间耗在找错别字、核数字、查身份证号上。我们部门去年定了一条规矩：合同进法务手里之前，先过一遍机器预筛，输出一串批注；法务拿到文件第一眼看到的是"问题在哪"，而不是白纸一张。这篇把这份预筛清单完整摊开——六道工序，每道附可直接复制的提示词，照抄就能用。

先说工具前提：察元AI文档助手是 WPS 加载项加本机 MCP 服务，装好之后 WPS 里直接用，29 个内置助手覆盖了大部分工序；需要编排多文档流程时，再让 Claude Code、Cursor 这类智能体通过 MCP（地址 http://127.0.0.1:62588/mcp）接管 46 个文档工具。模型走 Ollama 本地端点，合同全程不出域。

第一道：敏感信息扫描

对外模板、公示文件里带出身份证号、手机号、银行卡号，是低级但高频的事故。察元内置"保密检查"和"涉密关键词提取"助手，能提示密级标识、联系方式等风险点。自己跑的话用这条：

查找这份合同中疑似身份证号、手机号、银行卡号、邮箱并逐处批注，另检查密级标识是否遗漏。

第二道：错别字与标点

合同里的错字杀伤力看位置：普通段落是瑕疵，关键条款里就是解释空间。内置"拼写与语法检查"输出结构化问题列表，配合提示词：

帮我检查文档中的错别字，用批注标出原文和建议改法；重点盯条款标题和金额、日期相关的句子。

第三道：术语与主体名称一致性

同一份合同里"乙方"全称、简称混用，"甲方关联方"和"关联企业"来回切换，争议时都是口实。内置"术语统一"助手专管单份文档；多份文件之间则用交叉校对：

打开目录下这几份文档，交叉检查错别字与术语是否一致，主体名称前后表述是否统一。

第四道：序号与引用体例

条款编号"一、（一）、1."层级混乱，正文写"见第九条"而第九条根本不存在——引用断链比错字严重得多：

检查标题/条款序号（一、（一）、1.）是否层级混乱，正文交叉引用的条款号是否真实存在，批注指出。

第五道：数字勾稽

金额大小写、正文与表格合计、百分比口径，机器逐位比对最稳：

核对数表与正文数字是否一致（合计、百分比），大写与小写金额是否一致，含税口径是否统一。

第六道：风险初筛

最后过一遍内置的"提取结论与风险"助手，让 AI 把义务类条款、违约条款、单方权利条款先摆出来。这一步要特别说明：AI 标的是"这里有风险点"，不是"这就是风险"——定级必须法务来。输出建议用"追加到文末"，和正文隔离开，避免污染原稿。涉及多份文件时，把这几道工序交给 MCP 智能体串起来跑，批量写回用 document_apply_ops，一次最多 200 个操作，批注再多，人也只需要看结果清单。

收口：一份分级摘要

六道跑完，用这条终检提示词收口：

帮我做发布前终检：错别字、标点、数字前后一致性、表格与正文是否一致；全部用批注输出；最后给我一份问题分级摘要（严重/一般/建议）。

拿到的摘要直接贴进审查台账，谁审的、哪一版、几条问题、什么级别，一目了然。整条流水线跑下来，法务的介入点从"逐字读"变成"逐条判"，效率差别是数量级的。但要守住一条边界：预筛清单降低的是漏检概率，不是法务的责任边界——该人工审的还要人工审，该外部律师出意见的还要出意见。AI 预筛是给法务打下手，不是替法务签字；批注是线索，签收才是结论。这套清单适合法务、合规、合同管理岗，审阅量大的集团共享法务团队尤其值得固化成标准动作。