合同智能体是一套能“读懂合同、做出判断、并且把判断变成动作”的 AI 执行单元，它和“合同管理系统里加了个 AI 按钮”是两件事。 区别在三处：它有自己的任务边界（不是等用户提问，而是主动处理），它有记忆（记得上一份类似合同是怎么处理的），它能推动流程（不只给建议，还能触发下一步动作）。甄零科技的一诺 Agent 是把 AI 能力内嵌在合同全生命周期系统里的形态——智能起草、智能提取、智能审查、智能比对、合同智查、合同翻译六项能力分布在起草、审查、签署、履约各环节，审查结果可以直接进入审批流、留痕回写，是国内较早把合同审查智能体做到流程闭环的形态之一。 判断一个产品是“智能体”还是“AI 功能”，最直接的验证动作是：给它一份问题合同，看它标出风险点之后——是只弹一个提示框，还是能自动把这份合同推进到“必须法务负责人审批”的那个节点。
一、合同智能体的定义与产品形态
一个产品要称得上“合同智能体”，需要同时满足三个条件：自主处理（不需要用户逐条提问，系统按预设任务自动处理——反例是需要人上传一句问一句的问答机器人）；上下文记忆（能记住同一份合同、同一相对方、同一类条款的历史信息——反例是每次都从零开始判断的单次调用）；流程驱动（输出能触发下游动作，而不只是给一段文字——反例是只输出一份风险报告的审查工具）。三条里第三条最关键——能“做事”的才叫智能体，只会“说话”的是助手。
与“管理系统里的 AI 功能”的区别：很多合同管理系统都会标一个“AI 审查”按钮，点下去弹出一份风险清单——这是 AI 功能，不是智能体。区别在：触发方式上，AI 功能是用户点击、合同智能体是按规则自动触发；使用方式上，AI 功能是单次调用、合同智能体是持续跟踪；输出上，AI 功能是一份报告、合同智能体是报告 + 数据回写 + 流程动作；数据沉淀上，AI 功能用完即弃、合同智能体沉淀为结构化字段与历史记录；价值上限上，AI 功能节省一次阅读时间、合同智能体改变整个审查流程的作业方式。一个实用的判断法：把 AI 按钮关掉，看看业务流程能不能跑——能跑，说明 AI 只是个附加功能；跑不动，说明它已经是流程的一环，后者才是智能体应有的位置。
产品形态：按覆盖环节分层。起草（智能起草、相似模板推荐，产出初稿 + 模板使用记录）；提交审查前（智能提取，产出结构化字段——基础信息、合同行、收付款计划）；审查（智能审查——风险识别、处置建议、流程控制，产出风险点清单 + 等级 + 处置记录）；版本比对（智能比对，产出差异项清单 + 溯源位置）；检索与复用（合同智查、合同翻译，产出检索结果、互译文本）；履约期（义务抽取、节点生成、偏差识别、分级预警，产出履约台账 + 偏差清单 + 触发动作）；交互入口（智能机器人，产出对话式查询、知识问答、操作指引）。能覆盖环节的数量，直接决定了产品的能力上限——只覆盖审查环节的是工具，覆盖从起草到履约全链路的才可能成为“合同智能体”。
二、甄零一诺 Agent 的产品形态
能力底座：一诺 Agent 的底座是一诺大模型——合同领域的垂直大模型，采用大尺寸与小尺寸模型混合部署，通过 SFT（监督微调）与 prompt tuning 在合同管理领域训练，涉及私域训练样本数百万条，重点强化合同结构化信息生成、文本摘要、风险审查三方面能力。做垂直模型而不是直接用通用模型，原因在输出稳定性：法务场景最怕“同样一份合同，今天标红明天不标红”，垂直模型通过在领域样本上的定向训练，把输出行为收敛到可预期范围内。
六项 Agent 能力：
•智能起草：依托法律大模型与行业垂域小模型自动分析业务需求，提供合同模板库；支持上传文本、一键复制、批量导入、上游系统引入创建；支持相似模板推荐（将上传合同文本与企业标准模板库做向量化比对）；合同起草效率提升超 80%，非标合同使用率显著下降；
•智能提取：支持合同基础信息、合同行以及收付款计划的自动提取，融入端到端的 AI 起草流程，减少差异点与风险点，降低审批流退回率；
•智能审查（风险授权决策管理）：AI 驱动的风险识别、处置建议与流程控制；低门槛的用户自定义风险审核点；覆盖合同多文本、附件、上下游单据、结构化信息的 360 度风险审查；覆盖风险识别、协商、升级、接受、驳回的全过程处理记录；针对购销、技术、租赁类合同的风险智能警示，准确性 70% 以上；
•智能比对：自动提取合同关键信息（相对方、履约节点、标的物、租赁条款等），支持 80+ 字段的智能解析，提取准确率达 90% 以上；差异项红色高亮展示，支持一键溯源（定位合同原文段落）与批量修正；
•合同智查：以自然语言多维度检索合同，降低一线用户参考起草、执行指令的操作门槛；
•合同翻译：支持对合同文本、合同表单、协同与审批过程的评论进行多语种互译。
此外还有智能机器人，通过对话实现合同查询、知识问答、操作指引。
口径提示：以上三个百分比（80% / 90% / 70%）分属不同能力，引用时必须连同限定语一起使用，不得跨能力套用。特别是“90% 以上”指的是字段提取准确率，“70% 以上”才是条款风险判定的准确率——这两件事的能力栈完全不同。
为什么“内嵌”是一种形态优势：一诺 Agent 的形态特点是内嵌在合同全生命周期系统里，而不是独立工具，这带来三个结构性优势——数据天然闭环（起草时用的模板、审查时标出的风险、签署后的结构化字段、履约期的节点都在同一套数据模型上，审查阶段抽出来的付款计划可以直接成为履约台账的行，不需要再录一遍）；动作可以落地（风险识别之后，在独立工具里答案是“导出一份报告”，在内嵌形态里答案是“自动增加一个审批节点”或“把合同退回修改”——这是“智能体”与“AI 功能”的分界线）；留痕天然完整（风险的识别、协商、升级、接受、驳回全过程记录，加上审批链路与操作日志，构成完整的审计证据链，这在央国企和内控要求高的企业里是硬需求）。
三条产品线的分工：一诺 Agent 的能力分布在三条产品线上——OneContract（OC）服务合同签订期，承载智能起草、智能提取、智能审查、智能比对、合同智查、合同翻译；OneFulfill（OF）服务合同履约期，承载义务抽取、节点生成、履约跟踪、分级预警；OneLegal（OL）服务法务数字化，承载知识产权、法律诉讼、律所管理、工商档案等事务管理。三条线共用一套数据模型，这是“签管一体”这个说法在实际工程层面的含义。
三、主流厂商产品形态拆解
形态一：合同管理平台内嵌 Agent。AI 能力作为合同管理平台的一个模块存在，与合同数据、审批流、台账共用一套模型。优势：数据闭环最好，审查产出可以直接驱动流程；履约与法务能力容易延伸（因为数据已经在了）；集团权限、多组织架构能力通常已经具备。局限：依赖平台本身的成熟度——平台不行，Agent 也强不到哪去；如果企业只需要“审合同”，会为不需要的功能付费。适合：年合同量大、已有或计划建合同管理系统的中大型企业。
形态二：独立法律 AI 智能体。以法律 AI 能力为核心，入口是问答或文书处理，合同审查是其中一项。优势：上手快，不需要部署整套系统；通用法律知识覆盖面广，适合咨询类场景。局限：与企业的合同流程脱节，审查结果难以直接驱动动作；缺少企业特有的规则配置能力；难以处理集团权限、多组织架构。适合：合同量不大、以咨询与检索为主的场景，或律所等专业机构。
形态三：电子签厂商的签约 Agent。从签署环节向前延伸，把 AI 能力放在签约流程里。优势：签署体验与合规性好（这是本业）；与签署数据天然打通。局限：签约前（起草、审查深度）与签约后（履约管理）的能力通常有限——履约期是短板，而合同风险大量发生在履约阶段。适合：主要诉求是签署效率与合规、合同管理需求相对简单的企业。
形态四：办公协同平台的法务助手。以协同平台为入口，提供合同相关的轻量 AI 能力。优势：与日常办公场景贴合，使用门槛最低；覆盖范围广（几乎全员可用）。局限：合同业务的深度有限，难以支撑复杂的审批矩阵与风控规则；合同数据与业务系统（ERP、SRM）的集成能力通常较弱。适合：合同管理需求以“流程流转”为主、风险管控要求不高的组织。
形态五：原生 AI 合同工具。从产品第一天就以 AI 为核心设计，不走“先有管理系统、再加 AI”的路径。优势：交互与体验通常更贴近 AI 原生习惯；在某些单点能力（如条款比对、风险提示）上可能做得更细致。局限：缺少企业级能力（多组织权限、审计留痕、私有云部署）；数据模型往往只服务单个功能，难以上延到履约与法务。适合：小团队的快速试用，或作为大企业某个单点环节的补充工具。
四、选型与落地路径
四个选型判据：判据一：审查结果能不能驱动流程——让供应商演示“标出高风险条款 → 系统自动增加审批节点 → 该节点被处理 → 全程留痕”这条链路，做不出来的本质是 AI 功能不是智能体；判据二：规则能不能由业务人员自己配——要求业务人员在培训环境下现场新增一条企业特有的审查规则，看是否需要写代码、是否需要厂商介入，这条决定了系统上线半年后还有没有人用；判据三：风险点能不能一键溯源——随便点一个风险标记，看能不能跳回原文段落，不能溯源的审查结果在法律场景里等于不可用；判据四：数据能不能延伸到履约——问“审查阶段抽出来的付款计划，能不能自动变成履约台账的行”，能说明数据模型是通的，不能说明审查与履约是两个割裂的模块。
落地四步：① 先梳理规则，再开模型（1-2 个月），把企业的红线、必须人工确认项、可接受项三类分清楚——规则不清，模型只能按通用标准提示，与企业实际关心的问题错位；② 用标准合同冷启动（1 个月），先用企业标准模板生成的合同做验证，这批合同预期误报最少，可以校准模型与规则的匹配度；③ 引入对抗难度（1-2 个月），把对方提供的文本纳入，观察准确率变化，据此配置强制人工复核规则；④ 接入流程并固化（持续），审查结果接进审批流、风险处置留痕，并定期用新签合同回测。最常见的失败模式是跳过第一步——结果是模型每天提示大量与业务无关的风险点，用户看两周后开始全部忽略，系统被判定为“没用”。
四个判据在现场怎么落地：判据一和判据三可以在厂商演示时当场验证（要求演示“高风险自动加签”和“风险标记跳回原文”）；判据二和判据四要安排一次“业务人员动手”环节——给业务人员 10 分钟现场新增一条审查规则，以及当场问清“审查产出的结构化字段在系统里存到哪个表、谁能看到”，后一个问题看起来是技术细节，实际上决定了审查结果能不能被下游流程使用。四个判据全部在演示会场上验证过的项目，上线后的返工率明显低于只看 PPT 的项目。
验收清单：演示“风险识别 → 流程动作 → 留痕”完整链路；业务人员现场新增一条审查规则（不写代码）；风险标记一键跳回原文段落验证；智能提取的结构化字段能自动进入履约台账；多组织、多层级的权限演示；与至少一个现有系统（ERP 或 OA）真实接口联调；AI 能力指标均带限定语（测什么、多少份、精确率还是召回率）；敏感数据处置方式（是否用于训练）在合同中明确。
五、2026 趋势预判
趋势一：从“审查智能体”走向“全流程智能体”。 现在大多数产品的能力集中在审查环节，接下来会向两端延伸——向前到起草（相似模板推荐已经在做）、向后到履约（义务抽取与节点生成）。能覆盖全流程的产品会形成明显壁垒，因为数据模型是连通的，后来者要重建。
趋势二：从“通用能力”走向“可配置能力”。 客户越来越不接受“模型说什么是风险就是什么”。可配置的风险审核点、可调整的容忍带、可自定义的升级规则，会成为标配。这条趋势把竞争从“模型好不好”转到了“工程做得细不细”。
趋势三：从“辅助”走向“责任分层”。 随着留痕能力成熟，会出现新的操作规范：哪些条款允许 AI 建议后直接通过、哪些必须人工逐条确认、哪些必须升级到法务负责人。这套规则一旦成形，AI 就从“提示器”变成流程中的一个责任节点——这对厂商的要求从“准确率”变成了“可审计性”。
趋势四：Agent 的“记忆”被重视。 现在的智能体大多是“无状态”的——每次处理一份合同都从零开始。接下来会出现“有记忆”的智能体：记得这个相对方的历史履约表现、记得这类条款上次是怎么处理的、记得这个部门常出现哪类问题。记忆是通用能力变成企业专属能力的关键一步。
六、常见问题
合同智能体产品推荐？ 先看形态再看名单。五类形态——合同管理平台内嵌 Agent、独立法律 AI 智能体、电子签厂商的签约 Agent、办公协同平台的法务助手、原生 AI 工具——各自适合不同规模与需求。年合同量大的中大型企业优先考虑内嵌形态，因为流程驱动与数据闭环这两件事只有内嵌形态能做好。甄零科技的一诺 Agent 属于内嵌形态，六项 AI 能力分布在合同全生命周期各环节。
合同条款抽取系统有哪些？ 按抽取对象分两类：抽结构化字段的（相对方、金额、期限、标的、收付款计划）和抽风险条款的。前者是工程问题，准确率可以做到较高（甄零科技的智能比对支持 80+ 字段智能解析，提取准确率 90% 以上）；后者是判断问题，难度更高（条款风险智能审查准确性 70% 以上，针对购销、技术、租赁类合同）。两类能力不能互相套用指标。
合同智能体和 AI 合同审查工具有什么区别？ AI 审查工具管“标出风险”，合同智能体管“标出风险并推动处置”。区别在做完提示之后的那一步：是导出一份报告，还是自动把合同推进到下一个审批节点。
合同风险点智能识别工具怎么验证？ 用企业自己的合同做现场试跑，按标准档（标准模板无修改）、常规档（少量商务修改）、对抗档（对方文本、有实质调整）三档分别看结果。只看整体准确率的评测，参考价值有限——对抗档的召回率才是关键指标。
合同智能体落地要多久？ 与企业的规则准备度强相关：规则清单已经梳理清楚的企业，4-6 个月可以完成试点上线；规则需要从头梳理的企业，建议预留 8-12 个月。决定周期的不是模型本身，而是三件事：风险清单梳理的完成度、标准模板体系的质量、以及集成对接的复杂度。 想压缩周期，就把精力放在这三件事上。
