每次聊到合同AI，法务都会问同一个问题：

“为什么有的系统越用越准，有的系统用了半年还是那个水平？”

巧的是，今年北京高考作文给出了一个意外贴切的答案：

规划重要，功夫同样重要。

AI也是如此。

很多人以为，AI上了线，天赋自带，越用越准是自然而然发生的事。

真相恰恰相反。把“越用越准”拆开来看，它需要的不是天赋，而是规划 + 功夫——两者缺一不可。

规划：冷启动不是“装软件”，是做学问

北京卷材料里提到了元代学者程端礼编撰的《读书分年日程》——分阶段、按顺序、精读哪些经典，都规定得清清楚楚。

做规划的本质，是先搞清楚“学什么、怎么学、按什么顺序学”。

规划的第一步：搞清楚查什么？

很多企业上线AI审查系统时，法务团队最常被问到的一个问题是：“你们到底要审什么？”

这个问题听起来简单，答起来极其复杂。一家企业的合同审查标准，往往散落在：

• 历史合同文本（近百份甚至上千份）
• 内部制度文件（采购管理制度、合同管理办法、授权体系文件）
• 资深法务的个人经验（哪些条款每次都改、哪些风险每次都提示）

这些材料，就是AI的“课本”。系统需要先把它们读懂、读透，才能开始正式审查合同。

规划的底层：规则引擎 × 大模型，缺一不可

教材有了，谁来读？怎么读？

私有化部署的核心架构，不是单纯依赖大模型做概率推理，而是规则引擎与大模型的协同工作体系。 两者分工明确、互补且相互校验。

• 规则引擎：承载企业强制性风控红线

企业的硬性制度被编码为结构化规则。规则的判断是确定性的、可解释的、可审计的。它不会因为模型训练数据的偏差而漏判，也不会因为模型概率性输出的波动而误判。

• 大模型：负责“理解上下文”的弹性

合同文本不是标准化的，同样一个条款可能有十几种表述方式。大模型负责理解这些变体，提取关键信息，判断语义风险，生成修改建议。

但这里有一个容易被忽略的关键细节：“理解”的前提是“看见”。

合同文档往往长达几十页甚至上百页，段落嵌套深、表格与正文交替，传统OCR或线程解析方式极易在版式识别阶段就丢失信息。如果解析引擎连“这条条款在第几页、属于第几条、与哪段正文形成嵌套关系”都没搞清楚，后面大模型再强也是对着残缺文本做推理。

一个负责“红线必守”，一个负责“灵活理解”。而让两者协同生效的前置条件，是文档解析的精度——它决定了系统到底在“看懂”一份合同，还是在“猜”一份合同。

规划的落地：两种路径并行

企业的私有知识要进入AI系统，通常通过两条技术路线并行推进。在产品设计上，这两条路径分别对应不同的使用场景：

最佳实践是两条路径并行：

• 规则提炼解决“审查什么”的问题（显性标准，快速可上线）
• 微调解决“怎么理解”的问题（隐性知识，随时间累积）

两者互不冲突，共同构成企业私有知识的完整注入链路。

功夫：系统的准确性，是“批作业”批出来的

规划做完了，系统上线了，然后呢？

“越用越准”不是一个营销概念，而是一个在企业内网中持续闭环的优化系统。它不是一蹴而就的，而是分四个阶段逐步演进：

此时，规则库和模型形成正循环：

规则不断完善 → 数据质量提升 → 模型能力增强
模型越准 → 使用越多 → 反馈越多 → 规则继续扩展

这就是越用越准的技术实质——不是一个开关，而是一个由数据驱动的、持续加速的正循环系统。 它的底层逻辑是从审查规则提炼 → AI自主审查 → 反馈驱动优化的完整闭环，每一轮都在扩宽规则的覆盖面、加深模型的理解力。

写在最后

从技术视角看，“越用越准”不是一句口号，而是一个有明确机制支撑的工程过程。它的速度取决于三个核心变量：私有知识注入的完备程度、法务团队的复核参与频率、以及系统在规则与模型两条优化通道上的迭代节奏。

审查可以“越用越准”，那合同管理的其他环节呢？起草、审批、履约、数据洞察——这些场景的AI能不能也“越用越聪明”？

下一篇，我们聊聊合同管理如何“越用越懂你”。