那一片数据星辰 全部场次

第十二场 · 2026 年 9 月 6 日LIVE / 012

全球开源
合同审核
Skill 横评

免费开源合同审核 Skill，真的能直接用于法律交付吗？我们从全球公开候选池定向筛选，以同一个 Agent、三份合同和统一闸门，观察 Skill 带来的帮助、波动与使用边界。

公开页呈现可复核的方法、已批准结果和原项目入口；专家答案、Gold、内部运行材料与敏感信息不对外发布。

下载五个实测 Skill 查看评测方法
01 EVIDENCE BASE

26 个候选，
不是五个链接。

截至 2026 年 9 月 3 日，研究定向识别 27 个公开相关仓库，26 个进入核心候选；9 个项目被实际安装、运行或记录受阻原因，共留下 34 次安装、运行或受阻记录。

核心比较选择五个可直接进入同场实验的合同审核 Skill，并加入同一 Agent 不加载 Skill 的基础组。三份虚构脱敏合同分别覆盖新品市场推广、猎头服务采购和客户运营支持外包，共形成 6 种配置 × 3 份合同的 18 次核心比较。

这是一项高信号定向研究，不是 GitHub 全量普查。每个精确条件只有一次正式结果，不能把单次表现外推为长期稳定性。

02 TEST DESIGN

四层方法，
回答四个不同问题。

四层结果不能混成一个总榜。模型能力、Agent 执行环境、Skill 方法和组织规则是不同变量；只有分别观察，才知道问题究竟出在“没看见”“没写进合同”，还是缺少业务事实与机构判断。

  1. 01
    极简提示只给角色、合同和交付目标，观察强模型与 Agent 在低脚手架条件下的原生能力。
  2. 02
    裸 Agent 基础组固定同一 Agent 与任务材料，不加载合同 Skill，用来识别 Skill 的相对增益与退化。
  3. 03
    Agent + Skill只更换 Skill，比较风险发现、事实准确、条款闭环、负向控制和工程采用条件。
  4. 04
    组织 Playbook补入业务事实、风险偏好、审批和放行规则；它测的是 Skill 吸收机构规则的能力，不等于 Skill 原生能力。
03 MAIN FINDINGS

没有全能冠军，
但差异已经可见。

“发现风险”和“把问题写进最终合同并形成闭环”是两种能力；一项 Critical 未处理，整份合同仍可能不能放行。

FINDING / 01

覆盖最广，不等于可以直接交付

Anthropic review-contract 发现 58/59 个预设问题；它与基础组的完整闭环并列最高，均为 43/59。但六种配置都只让三份合同中的一份达到进入人工谈判准备的最低线。

FINDING / 02

专项能力可以改变结果

Contract Copilot 是唯一关闭猎头合同“保证—免责—退款”决定性冲突的 Skill。纠正性极简复测中，它达到 24/24 风险发现、22/24 完整闭环，同时也暴露过报告发现但 Word 未稳定落地的波动。

FINDING / 03

公共 Skill 普遍缺一层组织经验

五个 Skill 与基础组共同漏掉市场推广合同的国庆假期压缩。它不是典型通用 checklist 问题，而是业务日历与项目经验，正好说明组织 Playbook 不能由热门 Skill 自动替代。

05 DECISION GUIDE

先判断缺哪一层，
再选择工具。

一次对话已经足够，就不必增加复杂度；需要重复执行时再引入 Skill；需要统一机构标准时补 Playbook、知识和批准规则；只有事项、历史、重审与团队协作成为核心问题时，才需要完整工作系统。

Skill 不是终点，完整系统也不天然审得更准。最重要的是知道输出可以承担到哪一步、哪一步必须被拦下，以及谁对最后的法律判断负责。

本页为工具研究与方法分享，不构成对任何项目的商业背书或针对具体合同的法律意见。请勿向未经核验的服务上传真实客户合同或敏感资料。