律师用 AI 进阶技巧 2.0:设置法律工作流丨iCourt

*本文附赠专业法律 AI 智能体 Alpha AI 免费试用，扫描文末二维码即可领取。

本文是《法律人 AI 智能体搭建手册》系列文章的第十篇，主题是给 AI 智能体设置法律工作流。一些基本搭建方法，可参考本手册的前两篇文章：

律师搭建「AI 法律咨询助手」保姆级教程（附提示词模板）

律师搭建「法律 AI 知识库」，最详细教程

上一篇文章，我们给智能体配置了工具，让它可以查资料、处理文件。

但如果想让 AI 智能体稳定地完成法律工作，需要给它设置清晰、稳定、可重复的工作流。

工作流是给智能体制定的标准作业程序——把复杂任务拆成一连串衔接清楚的小步骤，规定好每一步做什么、用什么工具、产出什么结果。

法律工作本身就是一门高度依赖经验性流程的工作。从接案、取证，到合同审查、尽职调查、出意见书，经验丰富的律师之所以在各式各样的法律业务场景中都可靠，很大程度在于他们始终遵循成熟流程。

AI 也是如此，只有让 AI 工作的每一步都能被看到、被检查、被修改，才能使其处理相对复杂的法律工作。

法律工作流的三种常用结构

在法律智能体的世界里，最常用、最有效的是以下三种结构：线性链式、条件分支，以及循环与补充信息请求。

一、线性链式（chain）

线性链式像生产线，任务从入口进入，按既定顺序一步步推进，每一步的输出直接成为下一步的输入。优点非常直接：可预测、可复用、便于优化。

下图以合同审查为例，典型流程是合同解析、风险识别、生成报告。

在合同解析阶段，系统先把文件处理成结构化文本，接着按照条款进行拆分，并自动贴上基础标签，如付款、违约、保密、管辖等。

这一步其实相当于做预处理，为后续分析夯实基础。

随后进入风险识别阶段，此处可以结合规则库、案例库或内部经验清单，对条款逐项比对，筛选潜在风险，并按严重程度进行分级。

最后，生成报告阶段将所有结果整理成可阅读、可交付的文档，并附上简要修改建议，甚至可以预留补充意见版块，供律师自行补充。

这条链条的价值在于把原本高度个性化的工作，逐步转化为可复现流程。每一次执行，输出风格更接近，也更便于复盘与改进。

发生偏差时，还能清晰定位，是合同解析对于各个条款的拆分定位不准，还是风险识别规则的储备欠缺等。

二、条件分支（if/else）

现实中的法律工作，并不总是直线推进。很多时候，随着事实与材料的变化，路径必须发生偏转。

条件分支的作用，就是在关键节点设置岔口，根据不同条件引导不同处理方式。

如下图所示，如果系统识别出用户上传的合同缺少管辖条款，流程就进入专门的「补全建议节点」，自动调用模板，结合交易背景生成多个备选版本，并提示各自的利弊与风险。

如果文件中本就存在较合理的管辖安排，则跳过这一节点，直接继续后续步骤。

类似逻辑也适用于尽职调查、诉讼材料整理等场景。比如当债务比例超过一定阈值时，自动触发「深度财务分析」；当发现存在重大未披露诉讼时，自动推送到「重点风险提示」路径。

条件分支不是多条线性链式工作流的叠加，而是赋予了流程初步的判断能力，让系统在不同情境下呈现出不同深度与粒度，而不再机械重复同一套动作。

三、循环与补充信息请求（Loop/Human-in-the-loop）

法律文本很少一次成型，更常见的过程是不断调整与打磨。

循环节点承担的，就是做出反复迭代的指示。常见做法是在生成初稿之后加入反思节点——系统以审稿者视角回看自己的产出，检查是否遗漏要点、是否存在逻辑跳跃、是否有表述含糊的地方。

发现问题后，再回到生成步骤进行修订。经过两到三轮，内容通常会更加清晰、稳妥。

除了单纯的循环，更重要的是一个节点是人工信息补充。

法律分析中的很多关键判断，离不开具体事实与客户偏好，完全依赖模型依据概率进行推测，存在很高风险。

以赔偿上限条款为例，系统能识别风险，却无法替代律师判断合理区间。于是流程可以主动暂停，提出有针对性的问题：交易金额是多少、议价地位如何、客户能接受多大风险。待信息通过交互确认，再继续推进。

如下图所示，这种设计把人放在应有的位置，智能体承担整理、归纳与生成，人承担取舍、判断与拍板。协作分工更加清晰，也更符合法律工作的专业特点。

工作流的意义在于可控，线性结构带来稳定与标准化，条件分支让系统能够因情而变，循环与人工节点则负责不断校正与把关。

三种结构可以灵活组合，共同嵌入到同一个智能体中。这样，原本分散的工具，逐渐被组织成一套有秩序的能力体系，让智能体变成更可靠的合作伙伴。

如何搭建出一个工作流？

一、明确输入和输出

许多人一开始搭建工作流时，往往迫不及待地添加功能，却忽略了最根本的问题：我们究竟准备让智能体处理什么，又希望它最终交付什么。

所谓「输入」，不仅仅是简单的一句指令，而是所有影响模型判断的信息都应当通过清晰、可描述的方式作为输入进行设定。

以合同审查为例，包括合同文本、交易背景、往来邮件、审查规则、偏好要求以及可调用的法规与案例资源在内的一整套材料。

与此同时，「输出」也必须尽量具体化，也就是需要确定化的呈现形式、逻辑结构、分析深度和使用对象。

是只列出风险，还是附上理由与修改建议，是用于对内讨论，还是直接面向客户，每一种选择，都会直接影响工作流后续的组织方式。

只有当输入与输出同时被说清楚，整个任务的边界才真正稳定下来，后面的步骤才不会在不知不觉中越线或失焦。

在输入和输出的参数配置过程中，需要注意选择参数的类型，如需要支持上传文件的则需要选择 file，如果仅用文字输入则选择 string 即可。

二、拆分执行过程

把任务拆分为若干连续而又可解释的阶段，让每一步各司其职。可能拆分出的各种常见节点有如下几种：

1、解析：在很多法律场景中，我们可能需要一个解析环节，用来把材料梳理清楚，把零散信息转化为结构化内容，便于后续使用。

2、规划：在具体执行之前，模型可以先出具一个规划清单，提前想清楚当下这个具体任务的解决需要多少子环节。

3、检索：某些任务会需要加入明确的检索，围绕关键问题去调用工具针对性补充法规、案例或监管口径。

4、分析：设置一个专门的环节，在这里把事实与检索归纳出的规则进行对比总结，以免在后续的其他环节产生混淆。

5、生成：把前面得到的材料和判断整理成清晰可读的文本，方便沟通与留档等。

上述这些环节并不是固定的顺序，也不是每次都要全部启用。有的任务从解析直接进入生成，有的则需要在检索和分析之间多次往返。关键在于，把原本混合在一起的操作拆开，让每一块都有清楚的目标和边界。

这样一来，一旦结果出现偏差，我们就能更容易看出问题出在哪一部分，是材料理解不准，是依据不足，还是论证有跳跃，从而有针对性地进行修改。

每一个被设计出来的环节，都是为了让智能体在法律工作中更稳、更可控，而不是让人被流程反过来牵着走。

三、加入核验步骤

如果流程只是一味向前推进，偏差就会被层层放大。可靠的工作流，最好在关键节点设置校对与反思。

核验可以分为形式核验与实质核验。

形式核验，看结构是否完整、引用是否遗漏、表达是否前后一致；实质内容核验，是重新审视理解是否准确，规则适用是否得当，论证有没有跳跃。

让模型换位思考，可通过设置不同角色视角（如审稿律师、当事人、裁判者）进行交叉审查，以提升论证的完整性和抗辩能力。

当然，核验并不能完全替代人，商业判断、谈判策略、风险偏好和客户真实目标，往往超出模型能力范围。

在这些环节，应主动设置人工介入点，由律师确认、补充信息或作出取舍，然后再继续执行。这样既避免模型自作聪明，也利于律师把责任边界划得更清楚。

实例：搭建一个合同审查工作流

我们仍然选择合同审查这一律师与法务都非常常见的应用场景，带你在 Coze 中从头到尾搭建一条自动化工作流，部署从合同上传到审查结果导出的全过程，只需拖拽节点、配置参数即可落地。

下图是我们将要搭建的合同审查工作流：

需说明的是，本方案为通用化样例，若你实际工作中的合同审查场景需处理更复杂的业务环节（如多部门会签、合规校验等），可在现有流程基础上灵活新增对应环节。

1、 进入 Coze 工作台，点击创建工作流，可以将流程命名为「合同审查工作流」。

随后，在画布上完成「开始」节点的配置，这一节点就是用户与系统交互的第一个界面，也是整个流程的入口。

将「开始」节点拖到画布适当位置后，在配置栏中新增两个输入参数：

该变量为合同文件，变量类型选择 doc 文件，设为必填项，用于设置上传合同附件的入口；

该变量为合同背景信息等，变量类型选择string（文本信息字符串），设为选填项，用途：供用户补充填写合同相关背景、特别关注事项等信息，辅助后续审查更精准。

2、设置「合同解析」+「人工补充」环节。

该阶段核心目标是通过「机器解析+人工确认」的人机协同模式，梳理待审查合同的全部条款、资料及关键信息，弥补单一机器解析的信息缺口，为后续审查筑牢基础。

「合同解析」环节：插入插件节点，选择「文件解析」 插件，配置输入的变量为 「开始」 的合同文件，输出的变量为合同文本内容；

「人工补充」环节：由「合同信息补充确认清单」和「问答」两个节点组合而成。

其中「合同信息补充清单」需要添加大模型节点，配置输入的变量分别为「合同解析」输出的合同文本内容、「开始」输入的合同背景信息，同时需要设置一段提示词来要求大模型根据入参来生成一份合同信息补充确认清单，来帮助用户梳理相关的信息缺口。

紧接着通过「问答」节点来实现人工交互，通过向用户展示清单中的问题，由用户勾选或填写内容，再进行后续的全面审查。

在搭建过程中，需要注意以上各个节点（开始-合同解析-合同信息补充确认-问答）的连接，接下来的流程也是同样。

3、「风险识别」+「条款修改」环节

这两步是此工作流的专业核心能力体现，需要调用知识库和大模型实现风险条款的识别与修改。

风险识别：插入 「大模型」节点，在大模型的技能中选择提前创建的 「合同高风险条款清单」知识库，配置输入的变量为合同文本、合同背景信息以及人工确认后的清单，并通过提示词要求模型对合同文件进行系统性审查，输出的变量为审查出的风险条款；

条款修改：插入 「大模型节点」，在大模型的技能中选择提前创建的 「合同规范用语知识库」，配置输入的变量为风险条款，通过提示词要求模型对风险条款进行规范性的修改，输出变量为条款修改建议。

4、「关键条款缺失检查」环节

这一步是工作流的智能判断环节，实现 「有没有缺失条款」 的分支逻辑。

插入「条件」节点到画布，判断条件为风险项清单中是否包含「关键条款缺失」：

若有缺失，插入新的大模型节点，配置提示词要求模型列出缺失的关键条款，并完整输出相关的补全建议；若无缺失，直接连接后续节点。

5、「报告生成」节点与输出

最后通过两个步骤实现工作流的最终结束输出，完成工作流的全流程。

报告生成：配置文件生成工具，将合同风险告知、合同条款修改与补充建议（如有）合并生成结构化审查报告；

导出/保存：配置结束节点，注意前面每个步骤的连接并最终导向结束。

本文出品方介绍：

本文为《法律人 AI 智能体搭建手册》系列文章的第十篇，由 iCourt 法律 AI 研究院出品。该手册通过十余篇系列文章，旨在帮助不懂技术的律师掌握智能体的搭建流程与进阶技巧。

法律 AI 研究院是 iCourt 面向法律人工智能领域设立的专业研究机构，由知名大学法学院前副教授李小武领衔，汇聚了一批兼具深厚法学素养与丰富实务经验的法律专家。

团队成员均毕业于国内外知名院校，并具备海外学习及访学经历，曾在大型律所、互联网头部企业及科研机构从事知识产权、民商事争议解决、数据合规及人工智能监管等相关工作，拥有多元化的行业背景。

听懂需求，自主干活！

iCourt 研发的 Alpha AI 法律智能体，限时免费试用。类案检索、合同审查、文书起草、证据阅卷等法律实务场景全面提效，带给法律人全新的智能工作体验！

扫描下方海报二维码，即可申请免费试用。