当AI审查合同每次结果都一样时，作者反而慌了——怀疑自己把大模型的推理能力阉割成了昂贵的if-else。后来他让AI自己跟自己吵架，发现它跳得更好了。5.0 确定性执行核心思路：将风险定义为规则模板（如付款账期模板含{actual_days}和{threshold}），让AI做“填空题”而非“写作文”。工具选型：历经jieba、pkuseg、LAC、LTP的安装噩梦，最终通过降级到Python 3

当AI审查合同每次结果都一样时，作者反而慌了——怀疑自己把大模型的推理能力阉割成了昂贵的if-else。后来他让AI自己跟自己吵架，发现它跳得更好了。5.0 确定性执行核心思路：将风险定义为规则模板（如付款账期模板含{actual_days}和{threshold}），让AI做“填空题”而非“写作文”。工具选型：历经jieba、pkuseg、LAC、LTP的安装噩梦，最终通过降级到Python 3

《让AI不偷懒：合同审查项目的踩坑实录》记录了作者开发AI合同审查系统时与模型"斗智斗勇"的过程。项目通过构建20多个行业的970+知识文件，结合DeepSeek R1等大模型，期望实现稳定可靠的合同审查。但实践中发现AI输出结果不一致，存在占位符、内容雷同等"偷懒"现象。作者目前正进行4.0阶段的知识库质检工作，计划未来让AI执行结构化规则而非自由生成，并