---
slug: "ai-assistant"
name: "ai-assistant"
version: "1.0.0"
displayName: "AI助手"
summary: "长文本推理优化器,针对商业合同、法律备忘录、高风险文档进行结构化分析与风险检测。长文本推理优化器。针对商业合同、法律备忘录、提案、谈判文本等高风险长文档,提供结构化推理与风险检测. 覆盖六大"
summary_zh: "长文本推理优化器,针对商业合同、法律备忘录、高风险文档进行结构化分析与风险检测。长文本推理优化器。针对商业合同、法律备忘录、提案、谈判文本等高风险长文档,提供结构化推理与风险检测. 覆盖六大"
license: "MIT"
description: |-
  长文本推理优化器。针对商业合同、法律备忘录、提案、谈判文本等高风险长文档,提供结构化推理与风险检测.
  覆盖六大核心能力:Document Assessment(文档评估,识别目的/受众/决策相关性)、Core Logic Extraction(核心逻辑提取,
  区分主张/支撑逻辑/关键假设)、Risk Detection(风险检测,识别歧义/矛盾/缺失假设/风险转移条款)、
  Structure Improvement(结构改进,提升推理清晰度与决策可用性)、Multi-version Comparison(多版本对比,
  定位条款差异与风险变化)、Guardrails(护栏机制,对无法确定的结论明确标注不确定性).
  遵循"保留关键nuance、不压缩掉风险、分离事实与推断"的推理原则。适用于合同审查准备、商业备忘录分析、
  提案红线审查、政策对比、谈判简报准备等场景。本Skill提供分析支持,不替代持牌法律意见.
tags:
  - 研发工具
  - Knowledge
  - 工具
  - 效率
  - 知识
  - 文档
  - step
  - 用户提供
  - 返回
  - 的处理结
  - 包含执行
tools:
  - read
  - exec
  - write
homepage: ""
category: "Automation"
---
# AI Doc Reasoner

将冗长、杂乱、高风险的文档转化为更清晰的推理和更干净的决策。针对商业与法律相关长文本进行结构化分析与风险检测.
## 输入格式

| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | AI Doc Reasoner处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |

## 付费版专享能力

| 能力 | 免费版 | 付费版 |
|:-----|:-----|:-----|
| 基础功能 | 支持 | 支持 |
| AI Doc Reasoner险文档进行结构化分析 | 不支持 | 支持 |
| 大数据集流式处理 | 不支持 | 支持 |
| 多数据源关联查询 | 不支持 | 支持 |
| 可视化图表自动生成 | 不支持 | 支持 |
| 定时数据同步与增量更新 | 不支持 | 支持 |

## 依赖说明

### 运行环境
- **Agent平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- **操作系统**: Windows / macOS / Linux
- **LLM能力**: 需要Agent内置LLM提供长文本推理能力,建议使用支持128K+上下文的模型

### 依赖说明(补充)
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---:|---:|---:|---:|
| LLM API | API | 必需 | 由Agent内置LLM提供,无需额外配置 |
| 文档输入 | 数据 | 必需 | 用户提供待分析的文档全文或片段 |

### API Key 配置
- 

### 可用性分类
- **分类**: MD+EXEC(纯Markdown指令,部分功能需要exec能力处理文档文件)
- **说明**: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行长文本分析任务

## 核心能力

### 1. Document Assessment(文档评估)
- **目的识别**: 判断文档试图达成什么(约束义务/分配风险/记录共识)
- **受众判断**: 确定文档面向谁(内部决策层/外部合作方/监管机构)
- **决策相关性**: 明确该文档支持什么决策(是否签约/是否批准/是否继续谈判)

**输入**: 用户提供Document Assessment(文档评估)所需的指令和必要参数.
**处理**: 解析Document Assessment(文档评估)的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.
**输出**: 返回Document Assessment(文档评估)的处理结果,包含执行状态码、结果数据和执行日志.
### 2. Core Logic Extraction(核心逻辑提取)
- **主张提取**: 识别文档的核心主张、义务或商业要点
- **支撑逻辑**: 梳理支撑主张的逻辑链条
- **关键假设**: 标记文档成立所依赖的隐含假设
- **事实与推断分离**: 区分文档明确陈述的事实与基于文本的推断

**输入**: 用户提供Core Logic Extraction(核心逻辑提取)所需的指令和必要参数.
**处理**: 解析Core Logic Extraction(核心逻辑提取)的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.
**输出**: 返回Core Logic Extraction(核心逻辑提取)的处理结果,包含执行状态码、结果数据和执行日志.
### 3. Risk Detection(风险检测)
- **歧义识别**: 标记含糊或多义的条款(如"合理时间""重大事项")
- **矛盾检测**: 发现文档内部互相冲突的条款
- **缺失假设**: 识别文档未声明但逻辑依赖的假设
- **风险转移条款**: 定位责任/风险转移相关条款( indemnity/limitation of liability)
- **未定义术语**: 标记关键但未定义的术语

**输入**: 用户提供Risk Detection(风险检测)所需的指令和必要参数.
**处理**: 解析Risk Detection(风险检测)的输入参数,执行核心处理逻辑,返回结构化结果和执行状态.
**输出**: 返回Risk Detection(风险检测)的处理结果,包含执行状态码、结果数据和执行日志.
### 4. Structure Improvement(结构改进)
- **推理清晰度**: 建议如何让推理链条更清晰
- **歧义消减**: 建议如何用精确表述替代模糊措辞
- **决策可用性**: 建议如何让文档更直接地服务于决策需求
- **格式转换**: 按需转换为简报/备忘录/检查清单

**输入**: 用户提供Structure Improvement(结构改进)所需的指令和必要参数.
**输出**: 返回Structure Improvement(结构改进)的处理结果,包含执行状态码、结果数据和执行日志.
### 5. Multi-version Comparison(多版本对比)
- **条款级diff**: 定位两个版本间的具体条款差异
- **风险变化追踪**: 分析版本变更导致的风险增减
- **对应关系校验**: 确保对比时条款对应正确,避免错位

**输出**: 返回Multi-version Comparison(多版本对比)的处理结果,包含执行状态码、结果数据和执行日志.
### 6. Guardrails(护栏机制)
- **不确定性标注**: 对无法从文本确定的结论明确标注"文本未支持"
- **不捏造确定性**: 对模糊条款不给出过度确定的解释
- **escalate建议**: 对超出分析能力的法律/税务判断建议转专业 counsel

**输入**: 用户提供Guardrails(护栏机制)所需的指令和必要参数.
**输出**: 返回Guardrails(护栏机制)的处理结果,包含执行状态码、结果数据和执行日志.
#
## 快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

> 详细的输入输出格式请参考下方章节说明。

## 标准输出格式

```
DOCUMENT ASSESSMENT
━━━━━━━━━━━━━━━━━━━━━━━━━━
Purpose: [文档试图达成的目标]
Audience: [输出面向的受众]
Decision relevance: [为何重要]
# ...
CORE LOGIC
━━━━━━━━━━━━━━━━━━━━━━━━━━
- [核心主张/义务/商业要点]
- [支撑逻辑]
- [关键假设]
# ...
RISKS / WEAK POINTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ [歧义条款]
⚠️ [内部矛盾]
⚠️ [缺失假设]
⚠️ [风险转移信号]
# ...
STRUCTURE IMPROVEMENTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
1. [如何提升推理清晰度]
2. [如何消减歧义]
3. [如何提升决策可用性]
# ...
RECOMMENDED NEXT STEP
━━━━━━━━━━━━━━━━━━━━━━━━━━
- [进一步审查/重写/版本对比/转专业counsel/准备摘要]
```

## 推理原则

- 保留关键nuance,不因压缩而丢失风险信号
- 分离事实、推断与建议,不混为一谈
- 识别显式陈述与隐含意涵的区别
- 在提出结论前先标出缺失假设
- 宁可清晰不要华丽
- 不捏造法律或商业确定性

## 适用场景

| 场景 | 输入 | 输出 |
|:---:|:---:|:---:|
| 合同审查准备 | 合同全文 + 审查目的 | 风险清单 + 结构改进建议 |
| 商业备忘录分析 | 长备忘录 + 决策需求 | 决策摘要 + 关键假设 |
| 提案红线审查 | 提案文档 + 关注点 | 风险点 + 修改建议 |
| 多版本对比 | v1与v2两版文档 | 条款级diff + 风险变化 |
| 政策对比 | 两份政策文档 | 差异矩阵 + 合规影响 |

**不适用于**: 需要持牌法律意见的正式法律审查;需要100%确定性的合规签署;创意写作而非推理分析

## 使用流程(执行协议)

1. **解析上下文(Step 1)**: 提取文档类型、目标受众、支持决策、主要义务/主张、商业或法律敏感度
2. **识别逻辑结构(Step 2)**: 梳理文档在说什么、为何重要、依赖什么假设、在审查下可能何处失效
3. **检测弱点(Step 3)**: 检查歧义、矛盾、未定义术语、缺失范围边界、缺失决策逻辑、隐藏风险转移、结构混乱
4. **提升可用性(Step 4)**: 根据请求执行摘要/重写/对比/诊断/转换为简报或检查清单
5. **护栏检查(Step 5)**: 如无法从文本建立法律或商业确定性,明确标注不确定性,不捏造信心
6. **输出标准化(Step 6)**: 按标准输出格式组织结果,确保每项风险都有对应条款引用

## 示例

### 示例1: NDA保密协议审查
**场景**: 审查一份双向NDA,关注保密义务范围与例外条款的风险

**文档片段**:
```
第3条 保密义务: 接收方应对披露方的保密信息予以保密,保密期限为本协议终止后2年.
第4条 例外: 以下信息不属保密信息:(a)已公开的信息;(b)接收方独立开发的信息;(c)从第三方合法获得的信息.
第7条 责任限制: 任何一方因违反本协议的赔偿总额不超过该方上年度从对方获得的收入.
第9条: 接收方应在合理时间内返还或销毁保密信息.
```

**分析输出**:
```
DOCUMENT ASSESSMENT
━━━━━━━━━━━━━━━━━━━━━━━━━━
Purpose: 双向保密义务约束,保护商业秘密在合作期间不外泄
Audience: 法务审查 + 商务决策层
Decision relevance: 决定是否签署此NDA启动合作谈判
# ...
CORE LOGIC
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 双向保密义务,终止后2年保密期
- 例外条款覆盖公开信息/独立开发/第三方合法获取
- 赔偿上限为上年度从对方获得的收入
# ...
RISKS / WEAK POINTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ 第9条"合理时间"未定义 — 返还/销毁时限不明确,可能产生争议
⚠️ 第7条赔偿上限风险 — 如本方上年度从对方获得收入为0或极少,赔偿上限形同虚设,违约成本极低
⚠️ 第4条(c)"从第三方合法获得"未要求验证第三方信息来源 — 可能被用于洗白非法获取的信息
⚠️ 第3条保密期仅2年 — 对于技术秘密/源代码等长期敏感信息,2年可能不足
# ...
STRUCTURE IMPROVEMENTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
1. 第9条明确具体时限(如"收到书面请求后30日内")
2. 第7条赔偿上限改为固定金额或设定最低赔偿额,避免收入为零时的漏洞
3. 第4条(c)增加"接收方应对第三方信息来源做合理尽职调查"
4. 第3条对技术类保密信息设定更长期限(如5年)或单独条款
# ...
RECOMMENDED NEXT STEP
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 修改第7/9条后重新审查;赔偿上限条款建议转法务counsel确认
```

**分析**: 本次审查发现4个风险点,其中赔偿上限(第7条)与返还时限(第9条)为高风险项。注意对"合理时间"等模糊表述做了明确标注,未替文档方下确定性结论.
### 示例2: 商业备忘录压缩为决策摘要
**场景**: 一份15页的市场进入备忘录需要压缩为供管理层决策的1页摘要

**输入要求**: 保留关键假设与风险信号,不丢失nuance

**分析输出**:
```
DOCUMENT ASSESSMENT
━━━━━━━━━━━━━━━━━━━━━━━━━━
Purpose: 评估进入东南亚市场的可行性与进入策略
Audience: 管理层决策会议
Decision relevance: 决定是否批准东南亚市场进入计划及预算
# ...
CORE LOGIC
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 东南亚电商市场年增长率18%,预计2026年达$2800亿
- 建议优先进入印尼(最大市场)和泰国(支付基础设施完善)
- 预计首年投入$500万,第18个月实现盈亏平衡
- 关键假设: 现有供应链可支撑跨境物流时效<7天
# ...
RISKS / WEAK POINTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ 18%增长率假设基于2023-2024数据,未考虑近期监管收紧影响
⚠️ 跨境物流<7天假设依赖单一物流商,无备选方案
⚠� 首年$500万预算未包含本地合规牌照申请费用(预估$80-120万)
⚠️ 印尼市场对外资电商有本地化数据存储要求,方案中未涉及
# ...
STRUCTURE IMPROVEMENTS
━━━━━━━━━━━━━━━━━━━━━━━━━━
1. 增加监管风险评估章节,覆盖印尼数据本地化与外资准入限制
2. 物流方案增加备选物流商与时效退化应对
3. 预算补充合规牌照费用明细
# ...
RECOMMENDED NEXT STEP
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 补充合规与物流风险章节后提交决策会议;印尼数据本地化要求建议转合规counsel评估
```

**分析**: 压缩过程中保留了关键假设(物流时效<7天)和风险信号(监管收紧/数据本地化),未因追求简洁而丢失决策相关信息.
### 示例3: 提案版本对比(v1 vs v2)
**场景**: 对比合作协议v1与v2,识别条款差异与风险变化

**对比输出**:
```
VERSION COMPARISON: v1 → v2
━━━━━━━━━━━━━━━━━━━━━━━━━━
# ...
条款级DIFF:
| 条款 | v1 | v2 | 变化类型 |
|:------|------:|:------|:------|
| 第5条 知识产权 | 共同拥有 | 委托方独有 | 风险增加(本方丧失IP) |
| 第8条 付款条件 | 验收后30天 | 验收后60天 | 风险增加(账期延长) |
| 第12条 终止 | 30天通知 | 15天通知 | 风险降低(退出更灵活) |
| 第15条 争议解决 | 仲裁(北京) | 诉讼(对方所在地) | 风险增加(管辖权不利) |
# ...
RISK CHANGE SUMMARY
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 风险增加项: 3个(IP归属/付款账期/争议管辖)
- 风险降低项: 1个(终止通知期缩短)
- 净风险评估: v2整体对本方不利,IP归属与管辖权变更需重点谈判
# ...
RECOMMENDED NEXT STEP
━━━━━━━━━━━━━━━━━━━━━━━━━━
- 第5条与第15条建议退回v1表述;第8条可接受但要求预付款比例从20%提至30%
```

**分析**: 版本对比逐条定位差异并标注风险方向。注意IP归属从"共同拥有"变为"委托方独有"是高风险变化,需在谈判中重点处理.
## 异常处理

| 错误场景 | 错误信息/现象 | 原因分析 | 处理方式 |
|---:|:---|---:|---:|
| 上下文窗口溢出 | 模型返回`context_length_exceeded`或文档末尾被截断 | 文档超长超出模型上下文窗口 | 按章节分块分析后合并;优先分析高风险条款(赔偿/终止/IP/争议解决);用摘要替代已分析部分 |
| 法律确定性捏造 | 分析对模糊条款给出"该条款意味着X"的过度确定结论 | 模型倾向于给出确定答案而非标注不确定性 | 在Prompt中强化"对模糊条款标注'文本未明确,存在多种解释'";审查输出中是否有无条款支撑的确定结论 |
| 矛盾检测误报 | 将语义相似但非矛盾的条款标记为冲突 | 模型对条款间的细微区别判断不准 | 人工复核误报项;在Prompt中加入"矛盾指同一事项的互斥规定,非表述差异";降低矛盾检测的灵敏度阈值 |
| 风险转移条款遗漏 | indemnity/limitation of liability条款未被识别 | 条款表述非标准法律用语或分散在多个章节 | 在Prompt中列出风险转移关键词清单(indemnify/held harmless/liability cap/exclude);要求逐条扫描而非整体浏览 |
| 术语未定义歧义 | 关键术语(如"关联公司""保密信息")未被标记为未定义 | 模型基于常识补全了术语含义而未注意到文档未定义 | 在Prompt中要求"列出文档中使用但未定义的关键术语";对每个关键术语检查是否有定义条款 |
| 摘要丢失关键细节 | 压缩后的摘要遗漏了赔偿上限/保密期限等关键数字 | 模型压缩时优先保留叙述性内容而丢弃具体数字 | 在Prompt中要求"摘要必须保留所有具体数字(金额/期限/比例)";压缩后对照原文校验关键数字是否齐全 |
| 事实与推断混淆 | 将基于文本的推断呈现为文档明确陈述的事实 | 模型未区分"文档说X"与"由此推断Y" | 在输出格式中强制分离"文档明确陈述"与"基于文本推断";每项推断标注推理依据 |
| 多版本对比错位 | v1第5条与v2第6条被错误对应 | 版本间条款编号变化或条款合并/拆分 | 对比前先建立条款对应映射表(按内容匹配而非编号);对编号变化的条款标注"编号变更" |
| 决策相关性偏离 | 分析内容未聚焦于实际决策需求(如只需IP风险却分析了全部条款) | 未在分析前明确决策需求 | 在Step 1强制记录"决策相关性",后续分析围绕该决策展开;输出末尾校验是否回答了决策问题 |
| 中英混合文档解析异常 | 中文条款与英文定义的对应关系错乱 | 中英条款交叉引用时模型未能正确关联 | 要求先建立中英术语对照表;对中英混合条款逐条确认定义引用是否正确 |

## 常见问题

### Q1: 这个skill能替代律师审查合同吗?
A: 不能。本skill提供分析支持(风险检测、逻辑梳理、结构改进建议),不替代持牌法律意见。它能帮你做审查准备——提前识别风险点、整理问题清单,让你与律师沟通更高效。但对条款的法律效力、合规判断、签署决策,必须由专业counsel确认。输出末尾的RECOMMENDED NEXT STEP会明确标注哪些项需要转counsel.
### Q2: 处理超长文档(超过模型context window)怎么办?
A: 三种策略: (1)分块分析 — 按章节拆分,逐块分析后合并风险清单,注意跨章节的交叉引用(如"第3条所述的保密信息");(2)优先分析高风险条款 — 赔偿/责任限制/终止/IP归属/争议解决/保密这六类条款优先,其余章节摘要处理;(3)分层压缩 — 先生成全文摘要,再对高风险章节做详细分析。建议使用128K+上下文的模型处理长文档.
### Q3: 如何确保风险检测不遗漏关键条款?
A: (1)在Prompt中提供风险转移关键词清单(indemnify/held harmless/liability cap/exclude damages/sole remedy等),要求逐条扫描;(2)对六类高风险条款(赔偿/责任限制/终止/IP/争议解决/保密)做专项检查;(3)分析完成后做反向校验——"文档中是否有未被提及的义务性条款(shall/must/ обязуется)"。注意矛盾检测可能有误报,需人工复核.
### Q4: 摘要和原文的nuance如何平衡?
A: 原则是"不因压缩而丢失风险信号"。具体做法: (1)所有具体数字(金额/期限/比例)必须保留在摘要中;(2)条件性表述(如"在...情况下")不能简化为无条件;(3)例外条款(如"除...外")必须保留例外条件;(4)模糊措辞(如"合理时间""重大")在摘要中保留原词并标注为风险。如果摘要后无法回答"这个文档的主要风险是什么",说明压缩过度.
### Q5: 多版本文档对比时如何避免条款错位?
A: (1)不要按条款编号对应 — 版本间编号可能变化(合并/拆分/重排),应按条款内容主题匹配;(2)先建立两版的条款主题映射表,再逐对比较;(3)对编号变更的条款标注"v1第X条→v2第Y条(编号变更)";(4)对比完成后做完整性校验——确认v1的每个条款都在v2中有对应(或被删除).
### Q6: 什么类型的文档最适合用这个skill?
A: 最适合: 商业合同(NDA/服务协议/合作协议)、商业备忘录(决策建议/市场分析)、提案文档(商业提案/技术方案)、政策文件(内部制度/合规政策)。不太适合: 创意写作(需要创作而非推理)、短文本(一两页的简单文档直接读即可)、纯数据表格(需要统计分析而非文本推理)。文档长度建议5页以上才有分析价值.
### Q7: 如何处理中英混合的法律文档?
A: (1)先建立中英术语对照表(如"保密信息=Confidential Information"),确保后续分析引用一致;(2)对中英交叉引用的条款逐条确认定义指向正确;(3)注意中英法律概念差异(如中国的"违约金"与英文"liquidated damages"适用规则不同);(4)如文档以英文为准,分析时以英文条款为准、中文做参考,并在输出中标注。混合文档的错误率比纯文本高,建议加强人工复核.
## 错误处理

| 错误场景 | 原因 | 处理方式 |
|:------:|--------|:-------|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 |

## 已知限制

- **不替代法律意见**: 提供分析支持,不替代持牌律师的法律审查与签署决策
- **依赖模型上下文窗口**: 超长文档可能被截断,需分块处理(参见Q2)
- **矛盾检测存在误报**: 语义相似条款可能被误判为矛盾,需人工复核
- **非确定性**: LLM输出有随机性,同一文档多次分析可能产生不同风险清单,关键结论需交叉验证
- **中英混合文档错误率较高**: 交叉引用与术语对应易出错,需加强人工复核
- **不覆盖所有法律领域**: 本skill聚焦商业/合同类文档,不覆盖诉讼文书、专利申请等专业法律领域