这是制造业 GLM 数智员工项目的复盘。目标是用 GLM-4.5 构建合同审查 Agent：上传合同 → 按审查清单逐条核对 → 输出风险点与修改建议。最终法务初审时间从 3 小时压缩到 15 分钟，审查准确率从第一版的 72% 提升到 95%。

工具调用：把"自由发挥"变成"按剧本走"

第一版我们让模型直接输出审查报告，结果格式飘忽、字段缺失。第二版改用 GLM 的 Function Call，把每个审查项定义成独立工具（金额条款核对、违约责任检查、知识产权归属……），用 JSON Schema 约束输出。三个原则：

  • 工具粒度要小：一个工具只做一类条款的审查，模型单次任务的注意力更集中；
  • 失败要可重试：解析失败自动重试并降级到更宽松的 schema；
  • 流程要可编排：审查项之间的依赖关系由编排层控制，不依赖模型自己规划。

幻觉抑制：三道防线

法律场景对幻觉零容忍。我们建了三道防线：第一道，RAG 限定上下文——模型只能基于检索到的合同原文和制度条款回答，禁止使用参数知识；第二道，强制引用——每个风险点必须附带原文条款号和原文摘录，系统校验摘录确实存在于原文中，否则丢弃该结论；第三道，拒答机制——检索置信度低于阈值时，明确输出"本条需人工复核"，而不是硬编一个答案。

从 72% 到 95% 的三个关键动作

  • Few-shot 示例从 2 个扩充到 8 个，覆盖各类合同模板的表述差异；
  • 建立坏例回流机制：法务纠正过的结论自动进入评测集与微调语料；
  • 用 GLM-4-Long 处理超长合同，避免截断导致的漏审。

私有化部署方面，GLM-4.5 在客户内网 GPU 集群上稳定运行，配合量化优化后推理成本可控。模型能力决定了 Agent 的下限，工程体系决定了上限。