前言¶
合同审查的活，常见做法是把整份文档丢给模型，让它「看看有没有问题」。这样拿到的通常是一段话式结论：哪些条款有风险、风险多大，混在一起，没法直接接到下游流程里。真正要用的时候，还得人工重新读一遍，把风险点拆出来、定个轻重。
下面介绍的这个 Skill，走的是另一条路：它把合同里的风险、义务、关键条款分别识别出来，并给每条结论带上严重性评级，输出成结构化风险报告。报告可以直接入库、可以按严重性筛，也可以交给人逐条确认。
这是什么¶
@user_3c6cb52e/contract-review-skillhub，Skill 名「合同审查」，版本 1.0.0。
由社区开发者 user_3c6cb52e 发布，来源标注为 community，分类 professional。Skill 基于通用 SKILL.md 格式，属于 SkillHub 平台上的第三方 skill。
它要解决的问题很具体：输入一份合同文本，输出一份带严重性评级的结构化风险报告，而不是一段自由文本。
核心功能¶
根据已抓取的官方简介，能力边界如下：
- 风险识别：定位合同中的风险条款。
- 义务提取：列出合同各方承担的义务。
- 关键条款抽取：识别对决策有影响的条款（如期限、违约、终止、保密、知识产权等类别，具体覆盖面以 Skill 实际行为为准）。
- 严重性评级：给每条结论标注严重程度。
- 结构化报告：输出按条款组织的风险报告，而非自然语言段落。
关于鉴权：标签为 requires_api_key=false，即按当前标注不需要额外的 API Key。若实际调用时发现仍需密钥，以 Skill 目录内的实际配置为准。
安装与启用¶
这一步需要说明清楚：本次未能打开官方页面核对安装命令。抓取 https://www.skillhub.cn/skills/user_3c6cb52e/contract-review-skillhub 和 https://api.skillhub.cn/user_3c6cb52e/contract-review-skillhub 均失败，因此不臆造 npx 命令或配置字段。
可行的核实路径：
- 打开官方地址，查看页面给出的安装方式与平台支持范围。
- 下载 Skill 后检查目录内的
SKILL.md，其中会写明name、description以及任何metadata字段。 - 按目标工具的 Skill 加载方式启用：Cursor 与 Claude Code 从本地目录读取 SKILL.md；Codex CLI 则从
~/.codex/skills/或仓库内的.codex/skills/目录加载。
在拿到官方命令之前，不建议直接把未经核实的安装脚本跑进生产环境。
典型用法¶
官方资料中没有提供可复现的示例段落，下面的输入输出形态是根据其简介推导的用法，供参考，实际字段以 Skill 运行结果为准。
输入，即待审合同文本：
待审合同全文，保留条款编号，例如：
第 3 条 付款方式：甲方应在收到发票后 90 日内付款。
第 8 条 违约责任：乙方逾期交付的，每日按合同总额 0.5% 支付违约金。
输出，按条款组织的结构化风险报告：
风险项：第 8 条 违约金比例偏高
严重性：高
说明：每日 0.5% 折算年化约 182.5%，显著高于通常司法实践支持的上限。
义务项：甲方应按第 3 条约定期限付款
严重性：中
实际使用时建议做两件事：一是保留合同原文的条款编号，便于报告与原文互相对照；二是把高严重性项单独捞出来走人工复核，而不是全量人工通读。
适用场景与注意¶
适合的场景：合同量大、需要按严重性分级处理的团队；需要把审查结论作为结构化数据进入流水线的场景；快速初筛，把有限人力集中在高风险条款上。
需要留意的地方：
- 它是分析工具，不是法律意见。高风险条款仍需法务或律师确认，尤其涉及管辖、违约金上限、知识产权归属等争议多发条款。
- 输出质量依赖输入文本完整性。扫描件、缺条款编号、乱码或混合语言的合同，识别准确率会下降，建议先做 OCR 与正文清洗。
- 当前版本 1.0.0，平台显示安装数为 0、下载 1207、评分 100000，属于较新的社区作品，建议先在自己的合同样本上跑一遍，评估误报与漏报。
- 合同含敏感信息，注意数据不出域的合规要求，必要时在本地环境运行。
结尾¶
这个 Skill 的价值在于把「合同有没有风险」这个问题，变成一份带严重性评级的结构化清单，下游可以直接消费，而不是再读一遍自然语言结论。如果目前用的是整篇丢给模型的做法，可以先拿它跑一轮对比，看分级结果是否够用。
官方地址：https://api.skillhub.cn/user_3c6cb52e/contract-review-skillhub
页面：https://www.skillhub.cn/skills/user_3c6cb52e/contract-review-skillhub
