北京
Uber每年要谈数千份合同。交易、供应商入驻、产品上线，全卡在法务审核这一环。审核慢一天，业务就多等一天。
但Uber团队发现，这份看起来高度专业的工作里，藏着大量结构性模式：相似条款反复出现，红线修改可以复用，法律立场长期稳定。这跟代码审查、客服回复这些已经被AI渗透的领域是同构的，只是领域知识壁垒更高。
他们做出来的东西，最终拿到了2026年ALM Legalweek“年度最具创新力法务部”奖项。内部分享的两个数字：平均合同审核时间下降20%+，AI生成决策准确率91%。
但这条路不是一步走通的。从第一版到第四版，Uber踩过的坑和改过的架构，几乎是一部教科书级的“从RAG到Agent”演进史。
三条哲学，决定了后面所有技术选型
在讲四次迭代之前，得先说清楚三条贯穿始终的产品哲学。后面每一个技术决策，都能回溯到它们。
- 在律师工作的地方交付。做成Microsoft Word插件，而不是让律师去用一个新工具。采纳成本越低，用起来的人越多。
- 增强而非替代律师判断。AI只给建议——accept、reject、modify，外加理由注释，决策权始终在人手里。
- 用真实反馈持续迭代。这一条直接催生了第二版的核心架构。
第一版：朴素RAG，失败
第一版的想法很直接：把谈判playbook灌进RAG管道，让模型检索相关条款来辅助决策。
结果撞上三个典型失败模式。
语义检索失准。用来做嵌入的“关键句”和实际需要检索的内容对不上，query和document的粒度错位了。
语气失控。生成的注释要么过度防御，要么过度让步。在法律文书里，语气本身就是立场，不是修辞问题。
无法泛化。没见过的谈判场景，直接失效。
这一版的教训是：playbook里的静态知识，和律师实际谈判中的动态偏好之间，存在巨大鸿沟。文档不等于决策数据。
第二版：从“学文档”改成“学决策”
第二版是整个项目的转折点。团队放弃“从文档学”，改为“从决策学”。
系统开始捕获每一次真实谈判的完整轨迹：对方原始措辞、律师划的红线、期望动作、律师写的注释、最终修改文本。这些粒度极细的对齐数据，让系统能把“对方意图”直接映射到“本方律师偏好的应对语言”。
运行时的流程是：相似度检索加元数据过滤，取出约20个候选，再由LLM二次精筛，最后生成决策与注释。
里面有两个精巧的工程细节。
一个是指数衰减加权，半衰期设为365天。优先采信近一年的决策，天然对抗策略漂移——对方的立场和内部政策都会随时间演变。
另一个是正负样本均衡的few-shot。agree和disagree的案例成对呈现，让模型学到的是判别边界，而不是单边模仿。
关键结论是：不需要任何手动微调，检索加上下文学习就能让系统持续进化。
第三版：语气分层，把prompt交给律师
第三版单独加了一个LLM调用做语气调制。技术上有意思的是“proactive and pessimistic”的一次性反思：预先假设生成的注释有质量问题，让模型一次性自检修正。效果等同于反思循环，但只花一次调用的token和延迟。
更大的突破在组织层面。三段式prompt——目标、偏好风格、开场白示例——的所有权直接交给了律师。
Uber的结论很客观：塑造输出格式的prompt，应该由领域专家管理，而不是工程师替律师定义“什么叫专业语气”。
第四版：从建议者升级为起草者
第四版对MODIFY决策引入了agentic workflow：参考历史反馈和规则库，起草反提案文本，杜绝幻觉条款。到这一步，系统从“建议者”升级成了“起草者”。
配套的还有一个规则库，作为确定性兜底。由律师维护：选中常被修改的模板条款，附上规则——Uber立场、可退让的底线、示例回复。检索到的修改句做语义匹配，高置信度命中就直接注入上下文，最后还有一道LLM校验步骤对齐立场。
规则库的价值在于：第一天就能给出高置信度结果，不像反馈库需要冷启动积累，同时保证跨业务线的立场一致。
回头看这四版，路径其实很清晰：第一版想用静态文档解决动态问题，失败；第二版转向真实决策数据，找到转折点；第三版解决语气和所有权问题；第四版把AI从给建议推进到写草稿。每一步都不是推翻重来，而是补上前一版暴露的那块短板。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
