六款 AI Agent 审三份合同：哪一份 Word 敢交给业务？
18 次同题运行后，重新检查风险有没有真正落进 Word 条款及人工接管点。
阅读评测文章01 EVALUATION ARTICLES
按法律任务，找到对应的评测。
每篇文章保留测试对象、样本、版本与结论边界；下方另列方法和场次资料。
01 / 合同审核与交付
对照同题审核与实际 Word 成果，重点看风险是否写进可交付的条款。
GPT-6 Astra 审三份合同：为什么还不能交客户？
对照专家校准结果，观察强模型的风险覆盖、条款联动和仍需律师判断的地方。
阅读评测文章02 / 诉讼与劳动争议
沿着事实、证据、请求权和案件阶段，检验工具能否持续支持法律判断。
我用真实裁判测了游初的法律 Skill：它会找请求权吗？
以鉴定式案例研习的真实裁判任务观察请求权、抗辩和涵摄结构。
阅读评测文章从一通家属电话到116笔交易：AI能不能真正“跟住”一个刑事案件？
同一案件分阶段释放材料，观察四套 Skill 能否持续修正判断。原稿已随公开测评资料包提供。
阅读评测文章把劳动争议 Skill 的判断交给 Jev，最后的报告会变吗？
用三个匿名案件检验判断层：从 17 道题的初测，到逐题复核、改写问题和比较最终报告。
阅读评测文章从阅卷到开庭：Quote 能否支持律师的长程任务？
用真实案例走过阅卷、策略、Word 修改、代理词和庭审提纲，核对持续工作能力。
阅读评测文章AI 诉讼网：从案例库到律师工作流
观察案例、律师知识、内容生成与 MCP 如何连成可调用的工作系统；不是同题横评。
阅读产品观察03 / 数据合规与跨境
从隐私政策、DPA 到海外法律调研，核对事实追问、法域和模型边界。
一个法律人开源的隐私协议生成器，我们让普通人测了测
用天气 App 和 AI 文生图小程序检验事实追问、风险提示与文本交付。
阅读评测文章DPA 协议能不能先让 AI 审一遍？
用 DPA 审核任务观察 AI 对条款和风险的第一轮识别，以及必须由人决定的事项。
阅读评测文章海外数据合规调研如何又好又省？
从单国概览、专题问题到多国比较，检查法律调研任务的实际帮助与边界。
阅读评测文章GLM-5.3 与 Kimi K3：韩国数据出境同题实测
Austin 在相同平台、框架和任务下比较质量、速度与成本。
阅读评测文章04 / 法律工作台与方法
看项目空间、材料处理和专业 Skill 如何进入一段真实工作。
02 PUBLIC TEST MATERIALS
继续查看可核对的测试过程。
这里汇集方法、场景观察和资料包，可与上面的文章对照阅读。
六款 Agent，同题审核三份合同
从端到端执行继续追问：交付的 Word 是否真能进入法律工作。
查看实测资料全球开源合同审核 Skill 横评
从公开候选到同场实测，观察任务完成度、波动和人工复核边界。
查看横评资料六项全球 DPIA 开源 Skill 实跑
公开工具档案、原项目入口和专家现场讨论，保留不同项目的适用条件。
查看开放实验四套刑辩 Skill 跟进同一案件
七轮材料释放与阶段输出，查看方法、版本和实际底稿。
查看测评资料清华 38 个法律 Skill 的真实任务测试
三个法律工作场景、五次隔离运行，重点看事实、证据与未知项的处理。
查看测试观察AI 诉讼风向标案例库报告
从判决文书到可调用的诉讼研究资料，查看产品与任务边界。
阅读网站报告文章和测试资料会继续按来源补齐。实测不等于适合所有人使用；选择 Skill 时，还要看它适合什么任务、适用法域、需要哪些材料，以及由谁复核。
查看推荐 Skill 与适用范围