租房、卖二手车、请装修公司,很多人签合同时会用国家市场监管总局合同示范文本库里的范本。范本的条款都已经写好了,要做的只是把空白填上、把 □ 勾上。
难就难在填。信息散在身份证、房产证、报价单和几十条聊天记录里;几十处空白,哪些必须填,哪些可以划掉,各个范本的说法还不一样;大写金额要和小写对上,订金加余款要等于总价,租期不能超过二十年。
把这些材料丢给模型,让它“生成一份合同”,结果往往很像样,但不能用:条款被改写过,没谈过的违约金被编了一个数,两种说法里被悄悄选了一种。
所以这个 Agent 的分工是:AI 只负责从材料里整理事实,并注明每个事实出自哪里;条款、计算和检查交给代码;没谈过的、说法不一的,交给人。
这套做法不只适用于合同。只要是“照着标准格式填一份正式文书”,比如申请表、报关单、投保单,都可以这样拆。
先玩一下
下面嵌入的是原型本身,内置了三份示范文本:城镇房屋租赁合同(2025 版)、二手车买卖合同(2015 版)、家庭居室装饰装修工程施工合同(2000 版)。翻页时原型会切到对应场景,红框标出这一页讲的内容;也可以在新窗口打开,自己发文件、说约定。
为什么不让模型直接写合同?
最省事的做法,是把范本和材料一起交给模型,让它输出一份填好的合同。这样做会出四种问题:
- 改条款。 模型会把条款“润色”一下,或者顺手加一句。示范文本的意义就在于条款没人动过。
- 编数字。 违约金比例、通知天数这些双方没谈过的内容,模型会填一个“常见值”。
- 替人做决定。 聊天里说过两个起租日,它会挑一个,而且不告诉你。
- 算错。 大写金额、比例分摊、份数合计,模型算错了也不会提醒你。
这四种问题,根源都是同一个:模型分不清自己是在“抄写事实”,还是在“替人做决定”。
四步:每一步谁来做?
- 抽取(AI):读消息和文件,只输出“字段 + 值 + 原文”。材料里没有的不填,说法不一的两种都交出来。
- 套用范本(代码):把值写进固定的条款,条款原文一个字都不改。大写金额、比例金额、不适用处的“/”或“无”,都由代码生成。
- 检查(代码):逐条核对,每改一处就重新检查一次。
- 确认(人):补齐空白,选定矛盾,看过检查结果再生成。
模型只出现在第一步,而且任务很窄:从材料里摘录,不下判断。
材料从哪来?
签合同时手上的东西,通常不是一张表,而是这些:
- 证件:身份证、营业执照;
- 权属和标的:房产证、行驶证、报价单;
- 谈好的条件:聊天截图、邮件,或者用户随口说的一句“押一付三,物业费房东出”。
所以 Agent 的入口是对话,文件和文字都可以发。每发一次,它都会说清三件事:从哪份文件里读到了什么,哪些说法和之前不一样,还缺什么。缺的部分按条款分组列出来,用户直接回复就行。
不管值来自哪份文件、哪句话,合同里每个值都能点回原文。用户审合同时不用猜,可以直接对照。
什么交给人?
两种情况,AI 不替人决定:
- 没谈过的。 违约金标准、通知期限、争议去哪个法院,材料里没有,就留空,列进“需要双方确认”的问题清单。清单可以复制出来发给对方。
- 说法不一的。 合同里显示红色的“待定”,两种说法和各自的出处并排放着,由人来选。
范本的条款本身也不交给模型改。双方要加的约定,只能写进范本留出来的“其他约定”那一条。
检查从哪来?
检查规则不是凭空定的,大多来自范本自己的使用说明和风险提示,少数来自相关法规:
| 范本 | 规则 | 依据 |
|---|---|---|
| 城镇房屋租赁 | 租期不超过 20 年;甲乙双方承担的费用不重叠 | 使用说明、风险提示 |
| 二手车买卖 | 空白写“无”;车架号校验位正确;订金加余款等于价款 | 使用说明、GB 16735 |
| 家装施工 | 工期天数与起止日期一致;三次付款合计等于造价;保修期不少于两年 | 《住宅室内装饰装修管理办法》 |
除此之外,三份范本还有一些共用的检查:每个必填空白都已填写,每组 □ 都已勾选,前后说法没有矛盾,身份证号和统一社会信用代码的校验位正确。红色项会挡住生成,黄色项只是提醒,比如出租人不是房屋所有权人。
一个范本,一份配置
三份范本共用同一套流程,每份范本只需要描述自己的内容:
- 有哪些空白,各是什么类型(日期、金额、选项、证件号);
- 条款原文,以及每个空白在条款里的位置;
- 什么时候不适用,比如没有车位,车位租金这一项就划掉;
- 哪些值由代码计算;
- 这份范本特有的检查规则和风险提示。
新增一份范本,就是新增一份这样的配置。原型里 2000 年的家装范本还写着“BP 机号”,引用的也是已经废止的《合同法》。原型保留了原文,只在风险提示里提醒修订,因为改条款这件事,同样不该由 Agent 来做。
什么时候适合这样做?
同时满足这三个条件,就值得考虑:
- 有固定的范本或格式,条款本身不需要谈;
- 要填的信息散在多份材料里,人工整理费时又容易漏;
- 填错的代价高,需要逐项核对、留出处。
如果连格式都要从头起草,那是另一类问题。如果只是按场景回复一封邮件,可以参考基于分类路由的模板回复 Agent。
写在最后
AI 在这里只做一件事:把散落在材料里的事实,一条一条摘出来,并注明出处。
条款交给范本,计算和检查交给代码,决定交给人。AI 做的事越少,越容易被检查;越容易被检查,越可靠。
