周五下午五点，首尔德黑兰路上的一家初创公司。人事负责人的显示器上，招聘截止后涌入的247份简历杂乱地堆积着，尚未分类。

PDF、Word、HWP文件混杂在一起，有的应聘者把作品集链接贴在了邮件正文里。旁边工位上，法务负责人正把合作方发来的45页合资协议书打印出来，拿荧光笔一行行划重点。

走廊对面的客户支持团队办公室里，三名客服人员键盘敲个不停。系统更新后积压的工单已超过120件，其中既有因支付故障要求立即退款的邮件，也有洋洋洒洒写着「能不能加个这样的功能」的长篇建议书，全都不加区分地混在一起。

这三个场景有一个共同点。

全都是阅读文本、分类、判断，然后再用文本回复的工作。阅读量巨大，分类标准是固定的，判断一旦出错就会直接影响到人。招聘中漏掉优秀的候选人，组织会蒙受损失；合同里放过了有毒条款，公司就会陷入危险；客户投诉处理拖延，信任便会崩塌。

本章讨论的四项工作，是支撑企业后台（Back-office，指客户看不到的内部行政事务领域）运转的支柱：大批量简历评估与排名、新员工入职引导与录用通知书撰写、入站客户支持工单处理、合同审查与保密协议（NDA）分析。

Cowork的HR插件、法务插件和客户支持插件，在2026年1月底至2月间陆续发布。

Anthropic将这些插件以开源形式发布在GitHub上，设计上允许各企业根据自身的评估标准、合同审查标准和客户应对策略进行定制。

法务插件2月初发布时，汤森路透（Thomson Reuters）股价一天之内跌了超过16%，LegalZoom跌幅接近20%。2850亿美元的市值蒸发了。

媒体把那一天称为「SaaSpocalypse」。一个插件给市场带来的冲击之大，恰恰说明了这个工具的潜力。

HR、法务、客户支持，都是直接关系到人的领域。简历背后站着为生计发愁的求职者，合同背后是关乎公司命运的决策，工单背后是正在承受不便的客户。Cowork代替人完成阅读、分类和起草初稿的工作。但最终决定淘汰哪位候选人、在合同上签字、向客户发送最终答复，这些是人的判断，也是人的责任。机器节省的是时间，而在省下来的时间里人做了什么，才决定了结果的质量。

1 大批量求职申请评估与排名

一个岗位收到300份简历，经验丰富的HR审阅一份平均需要7分钟。300份就是35个小时，整整四天多。这四天里疲劳不断累积，周一早上读的第一份简历和周五下午读的末份简历，能否用同一把尺子来衡量，没有人敢打包票。潜力出众的候选人，材料可能就埋没在疲惫午后的目光之下。人的认知能力有上限，用同一套标准从头读到尾读完数百人的资料，在物理层面几乎不可能。

Cowork把这个文书审阅过程提升到了一个完全不同的维度。它以公司预先设定的招聘评分表作为基准框架（Framework，即构成判断骨架的标准体系），从每份简历中提取对应项目并量化打分。机器不会疲倦，第300份简历和第1份享受同样的阅读强度。

一、为什么需要

问题在于简历的格式五花八门。有人在PDF里放了整齐的表格，有人在Word文件里自由叙述。有人写「3年」，有人只写项目的起止日期。

Cowork搭载的大语言模型擅长从这类非结构化文本中抓取含义。格式再不同，它也能从上下文推断出「这个人的相关工作经验有多少年」「掌握哪些技术」。

评估的关键在于透明。AI为什么给这位候选人打85分、给那位打72分，每一项的依据都必须清清楚楚。没有依据的分数，既谈不上公正，也没有用处。

二、能做什么

安装Cowork的HR插件后，Claude会立即加载面向人事工作的技能包（Skill，指包含特定领域知识和工作流程的配置文件）。它可以通过Gmail连接器从邮箱收集求职信，也可以批量读取文件夹中汇总的简历文件。按照用户提供的评分表标准，逐项为每位候选人的工作年限、技术匹配度、项目经验、岗位适配性打分，并在总分排名旁附上每项得分的文字依据。最终产出的是一份带有条件格式的Excel文件。

三、怎么操作：基础用法

从最简单的形式开始。先用评分表对10份简历进行打分。

[跟着做]

① 打开Claude Desktop应用，点击顶部的「Cowork」标签页。在左侧边栏的「Customize」菜单中安装HR插件。如果尚未安装，点击「Browse Plugins」，在列表中找到「HR」，点击「Install」按钮。

② 在桌面新建一个名为「2026_市场营销_招聘」的文件夹。往里面放三样东西：公司的招聘评分表文件（PDF或Word）、职位描述（JD）文件，以及10份候选人简历文件。

③ 在Cowork界面顶部将这个文件夹指定为工作文件夹。

④ 输入以下提示词：

「请先阅读这个文件夹里的招聘评分表和职位描述。然后以这些标准为基础，分析文件夹中所有简历文件，完成以下工作：

第一，按照评分表的各项指标（相关工作年限、技术栈匹配度、项目经验、岗位适配性），以10分制进行打分。

第二，为每项分数写一到两句话说明打分依据。比如：'提到了SEO工具使用经验，但缺少具体成果数据，技术熟练度6分'。

第三，按总分从高到低排列，生成一份Excel文件。列包括：候选人姓名、联系方式、各项得分、总分、排名、评价依据摘要。前3名单元格背景标绿色，后3名标黄色。

文件名为'市场营销_候选人_评分表.xlsx'，保存在本文件夹中。」

⑤ Claude会显示执行计划：「读取评分表 → 分析职位描述 → 构建评分框架 → 依次分析简历 → 生成Excel文件。」确认计划后输入「请继续」。

⑥ 大约2到3分钟后，文件夹中会生成Excel文件。打开后可以看到，每位候选人姓名旁边列出了各项得分和依据，并按总分排序。

四、怎么操作：进阶案例

候选人增加到几十人，需要直接从Gmail收集简历。① 在Cowork中连接Gmail连接器。打开左侧边栏「Customize」菜单下的「Connectors」，选择Gmail。

② 输入以下提示词：

「请用Gmail连接器，在我的收件箱中搜索过去两周内标题包含'市场营销岗位申请'的所有邮件，把每封邮件的附件（简历）保存到本文件夹。然后沿用之前的评分框架，对所有候选人进行评估，生成同样格式的Excel文件。这次

候选人较多，只需要为排名前10的人在额外一列中写出'深度面试时可以问的2个定制化问题'。」

③ Claude接入Gmail，搜索邮件、下载附件，然后开始分析。侧边栏会显示处理进度。

五、怎么操作：实战应用。在超过300人的大规模招聘中，同时生成评估报告和管理层摘要文档。

① 输入以下提示词：

「请按照招聘评分表标准，评估本文件夹中的所有简历。候选人可能超过300人，请务必全部处理完毕。生成以下三份文件：

第一，全部候选人评分表Excel。包含各项得分、总分、排名、依据摘要，应用条件格式（前10%标绿色，后30%标红色）。第二，排名前15位候选人的深度分析Word文档，包括每人的核心优势、风险点（Red flags）和3个定制面试问题。第三，一页纸的管理层汇报摘要Word文档，包含总申请人数、平均分、前5名候选人一句话简介、录用建议。」

② Cowork启动子代理并行处理简历。从300份非结构化文档中提取信息，用同一套标准完成评分。

③ 打开生成的Excel文件，可以看到候选人已按总分排序，例如「1位：郑宇镇（总分56/60分）」；Word文档中则包含了面试问题。

六、AI招聘评估的边界

这套工具越好用，越需要正视它的局限。

AI评估是初筛工具，不是终审工具。简历上看不到的潜力、与组织文化的契合度、面试中展现的沟通能力，这些是机器无法捕捉的。AI给出低分的候选人中，同样可能藏着面试时大放异彩的人才。

建议设置安全机制：从低分段候选人中随机抽取一定比例，由人事负责人亲自审阅。

偏见（Bias）问题不容回避。美国平等就业机会委员会（EEOC）多次警告，利用软件和AI进行招聘评估时，可能对残障候选人产生歧视。

如果评分标准里包含了对特定大学毕业生加分、对有职业空窗期的候选人一律扣分之类的规则，AI会比人更一致地执行这些偏见。标准公正，AI就是公正的工具；标准有偏，AI就成了偏见的放大器。引入招聘系统之前，先审查评分表本身的公正性。

可解释性同样关键。自动化用来「排序」候选人没问题，但如果变成由机器「最终决定」淘汰，法律风险就会升高。AI输出的分数应作为参考值使用，同时必须保留能够解释为何得出该分数的依据。

招聘负责人拿到机器从第1名排到第300名的整齐名单，从阅读简历的繁重劳动中解放了出来。取而代之的，是一项新的责任：重新翻看被排到后面的那些简历，看看算法是否遗漏了某些潜藏的可能性。

四、常见问题排查

(1) 无法正确读取韩文（.hwp）格式的简历。Cowork对PDF和Word文件的文本提取比较稳定，韩文文件因格式差异，识别率可能下降。建议引导候选人提交PDF格式，或将韩文文件转换为PDF后再放入文件夹，准确率会明显提升。

(2) 同一候选人提交了多份简历。通过Gmail连接器采集时，同一发件人可能出现多封邮件。在提示词中加入以下条件：「如果同一发件人邮箱出现多封邮件，只使用最新的附件，忽略之前的版本。」

(3) AI在某些评分项上给分过于宽松。评分标准模糊时，AI会做宽泛解读。可以在提示词中精确限定：「只写了'有SEO经验'的候选人，技术熟练度限制在5分以下。必须同时列出具体工具名称（Google Analytics、Ahrefs、SEMrush等）和成果数据，才能给7分以上。」

2 员工入职与录用通知书撰写

录用人选确定的那一刻，一系列新的行政工作随之启动。需要撰写准确填入商定薪资、奖金、年假天数和试用期条件的录用通知书（Offer Letter），准备保密协议，向IT部门提交新员工笔记本电脑配置需求。

与此同时，还要制定入职培训计划：从入职第一天到第30天，做什么、见谁、获得哪些系统的访问权限。

录用通知书是可能具有法律约束力的正式文件，入职计划是实务指南。性质不同，但有一个共同点：都有固定的重复结构，同时每位候选人的具体内容又各不相同。这恰恰是AI能发挥作用的理想场景。

一、为什么需要

录用通知书一旦出错，信任就会出现裂痕。上一位候选人的薪资数字原封不动留在新文件里，或者填入了与职级不匹配的绩效奖金比例，这些情况确实发生过。人事负责人同时处理多份文件时，恰恰是这些细小却致命的空格最容易出差错。入职计划如果不完善，新员工的初期留存率就会下降。多项研究表明，经历过系统化入职培训的员工，一年内离职率明显低于没有经历过的员工。

二、能做什么

Cowork的HR插件内置了录用通知书起草和入职计划制定的专用技能。提供公司的标准录用通知书模板和薪酬体系表后，它会根据特定候选人的确定条件，准确填充生成文档。入职计划则根据输入的岗位信息、部门信息和入职者的资历水平，生成定制化的日程表和检查清单。

三、怎么做：基础用法

先来制作一份录用通知书。

[跟着做]

① 在「2026_招聘_入职」文件夹中放入公司的录用通知书模板（Word文件）和录用条件备忘（文本文件）。备忘中写明姓名、职级、年薪、入职日期和特别约定事项。

② 在安装了HR插件的Cowork中输入以下提示词：

「请读取这个文件夹中的录用通知书模板和录用条件备忘。将备忘中的条件（姓名：郑宇镇，职级：内容营销专员，年薪：6000万韩元，入职日期：2026年5月2日，带薪年假：20天）准确填入模板，生成一份录用通知书Word文档。语气正式但要有欢迎的温度。包含签名栏和接受期限（发送之日起7天）。文件名保存为'录用通知书_郑宇镇.docx'。」

③ Claude会保留模板的格式和公司Logo，在空白处填入相应条件，生成文档。

④ 务必打开文档核对数字。确认年薪、入职日期、试用期条件与备忘完全一致。

四、怎么做：进阶应用

在录用通知书的基础上，一次性完成入职计划的制作。

① 在文件夹中添加一份公司系统环境说明文本（内部通讯用Slack，文档管理用Notion，邮箱用Gmail）。

② 输入以下提示词：

「在刚才制作的录用通知书基础上，请为郑宇镇制作入职培训资料包。

第一，制作一份从入职首日（Day 1）到第一周（Week 1）的分时段入职日程表，保存为Word文档。考虑到公司使用Slack、Notion和Gmail，请具体写明何时设置哪个系统的账号、何时与团队成员见面、何时接受首个项目说明。第二，制作一份可以追踪入职进度的检查清单Word文档，包含'完成安全培训'、'创建IT账号'、'登记工资账户'、'完成团队介绍会议'等项目。第三，撰写一封用于发送这些文档的欢迎邮件草稿，保存为文本文件。三个文件都保存在这个文件夹中。」

③ Claude会同时生成入职日程表、检查清单和邮件草稿。

五、怎么做：实战应用

同时处理多个岗位的录用者。

① 在同一文件夹中分别创建开发工程师、销售、设计师三位录用者的条件备忘。

② 输入以下提示词：

「这个文件夹里有三位录用者的条件备忘。请为每位录用者分别制作录用通知书、定制化入职日程表、检查清单和欢迎邮件。因为岗位不同，入职日程也要有所区别：开发工程师第一周优先配置代码仓库权限和开发环境；销售优先熟悉CRM系统和产品资料；设计师优先获取Figma权限和品牌指南审阅。请为每位录用者创建子文件夹，分别存放文件。」

③ Cowork会启动子代理，并行生成三套资料包。通用项目（安全培训、工资账户登记）保持一致，岗位专属项目各有不同。

机器把行政文档做得滴水不漏。但新员工走进公司时真正在意的，不是排版完美的合同或安排周密的日程表本身。踏入陌生环境时的那份不安，是同事们一句温暖的问候才能化解的。机器卸下了所有行政负担之后，人事负责人和部门领导现在可以把精力放在那些光滑的文档之上，写入属于自己的、真诚的欢迎话语。

六、常见问题排查

(1) 录用通知书上的薪资数字与备忘不一致。Claude可能误读了备忘中的数字。在备忘文件中将数字写成「60,000,000韩元」这样带逗号和单位的格式，识别率会提高。生成文档中的数字，务必由人工逐一核对。

（2）入职日程与公司实际流程不符。HR插件的默认技能遵循通用的入职顺序。如果贵公司有独特的流程（例如：第一天必须与CEO会面、第二周进行法定义务培训），可以自定义插件，在技能文件中添加本公司的流程。点击「Customize」按钮，即可与Claude对话并进行修改。

3 入站客户支持工单处理

客户支持部门的每一天，都是与涌入的工单作战。产品缺陷报告、退款申请、功能改进需求、使用咨询、账户问题，不分类别一股脑涌来。

客服人员需要逐一阅读每张工单，判断问题性质，确定优先级，再按照公司政策撰写回复。整个过程中最困难的部分，是向情绪激动的客户传达拒绝的信息。剥离谩骂和激愤，弄清客户真正想要的技术处理措施是什么，然后按照既定手册写出一封既克制又亲切的回复，这是一种巨大的情绪劳动。

A 为什么需要

客服业务的瓶颈往往不在于「写不出回复」，而在于「不知道这张工单该由谁来看」。如果从一开始就能区分清楚是功能请求、系统故障、使用咨询还是退款投诉，响应速度和质量会截然不同。

B 能做什么

Cowork的客户支持插件（Customer Support Plugin）能够自动对收到的工单进行分类、排定优先级，并按照公司政策起草回复。

根据Anthropic官方文档，该插件内置五个斜杠命令（Slash Command，以「/」符号开头的执行命令）。/triage 对工单进行分类并排定优先级。/research 从多个来源搜索客户问题的答案。/draft-response 根据场景和渠道起草回复。/escalate 生成转交工程或产品团队的升级简报。/kb-article 将已解决的问题转化为知识库文档。

C 怎么做：基本用法

我们来对10封客户咨询邮件进行分类，并起草回复。

[跟着做]

① 在Cowork中安装客户支持插件。进入 Customize 菜单 → Browse Plugins → Customer Support → Install。

② 将客户咨询邮件以文本文件形式保存到「客户支持_工单」文件夹中。（如果已连接Gmail连接器，也可以不用文件夹，直接读取邮件。）

③ 输入以下提示词。

「/triage 分析这个文件夹中的10封客户咨询文件，按以下方式分类。类别：Bug报告、功能请求、支付问题、使用咨询、账户问题。优先级：P1（紧急，服务中断或支付错误）、P2（高，核心功能相关Bug）、P3（普通，一般咨询）、P4（低，功能建议）。请将结果整理为Excel表格。列为：工单编号、客户姓名、类别、优先级、核心内容摘要（一行）、建议措施。」

④ Claude分析每封邮件的意图和紧急程度，生成分类表。

⑤ 接着请求起草回复。

「/draft-response 为刚才分类的P1工单立即起草回复。开头加入对客户不便表示共情的语句，中间加入退款流程说明，结尾加入如需进一步帮助请联系我们的收尾语。语气要礼貌且温暖。」

⑥ Claude为每张P1工单生成定制化的回复草稿，保存为文本文件。

D 怎么做：应用案例

为功能请求工单创建礼貌的拒绝邮件。

① 输入以下提示词。

「/draft-response 从分类结果中找出『功能请求』类别的工单。这些请求目前不在我们的产品路线图中。请起草一封回复，对客户的想法表示感谢，同时坦诚地告知目前的开发计划中没有包含该功能。语气必须让客户感到被尊重。包含『您的反馈已转达至产品团队』这句话，但注意不要让它听起来像是一种承诺。请根据每位客户的姓名和请求内容，生成个性化的回复。」

② Claude为每位客户生成定制化的拒绝邮件。客服人员审核草稿后发送。

E 怎么做：实战运用

一次性处理全天的工单，并生成周报。

① 在已连接Gmail连接器的状态下，输入以下提示词。

「通过Gmail连接器读取支持邮箱（support@公司.com）中今天所有未读工单。请依次执行以下操作。

第一，用/triage对所有工单分类并排定优先级。第二，对P1紧急工单用/draft-response立即起草回复。第三，将功能请求工单的内容摘要追加到『功能请求_周汇总.xlsx』文件中。如果文件已存在则追加，不存在则新建。第四，对严重的Bug报告用/escalate生成工程团队升级简报，包含Bug复现步骤、影响范围、报告客户数量。第五，分析本周全部工单，生成一份『周客户支持报告Word文档』，包含各类别工单数量、平均响应时间、重复出现的投诉类型Top 3。」

② Cowork同时调度多个子智能体，并行处理分类、草稿撰写、升级和报告生成。

这套体系建立起来之后，客户支持就从事后被动应对，升级为产品改进的输入渠道。功能请求Excel文件中积累的数据传递给产品团队后，优先级的确定就不再靠感觉，而是靠依据。

不过，AI生成的回复不能原封不动地发送。AI草稿是客服人员的起点，不是最终成品。客户的情况可能存在文字中无法体现的背景，还需要考虑与之前沟通记录的连贯性。在AI完成80%、客服人员补充剩余20%的模式下，客服人员每天能处理的工单数量增加了，同时对每位客户的回应反而更加用心。

F 遇到问题怎么办

（1）Claude误判客户情绪，生成了语气不当的回复。比如客户带着玩笑口吻抱怨，Claude却写出一封严肃的道歉信。可以在提示词中加入指令：「在确定回复语气之前，先将客户消息的情绪强度判定为高、中、低三档，然后匹配相应的语气。」

（2）功能请求的拒绝邮件读起来很机械。拒绝邮件的质量取决于是否精准提及了客户的具体请求。可以这样指示：「回复中必须包含客户请求的具体功能名称，并用一句话说明该功能目前不在产品中的原因。」

（3）升级简报遗漏了工程团队需要的信息。/escalate命令的默认输出可能不包含浏览器版本、操作系统、客户套餐等级等技术信息。可以追加条件：「升级简报中必须包含客户的套餐等级、使用的浏览器、错误发生时间。如果客户邮件中没有这些信息，标注为『信息未提供』。」

4 合同审查与NDA分析

一份45页的合资企业合伙协议从对方公司发到了法务部。审查期限是5个工作日。与此同时，还有3份与新交易方的保密协议（NDA, Non-Disclosure Agreement，即双方约定不向外部泄露机密信息的合同）、1份软件许可协议修订版、1份数据处理委托合同正在排队等待审查。两名律师必须在期限内完成所有文件的审查。

审查法律文件，需要高度专业知识和一种近乎偏执的执着同时发挥作用。在以友好寒暄开头的文件背后，隐藏着一旦出现意外时将全部责任推给对方的条款，它们被巧妙地埋藏在复杂的修饰语中。漏看了损害赔偿上限第14条第2款中一个含混的措辞，公司在未来就可能背上数十亿韩元的诉讼风险。

A 为什么需要

法务工作的瓶颈在于阅读时间。从头到尾精读45页，逐条理解每项条款的含义，再与公司的合规工作流（Compliance Workflow，即核查是否符合法律法规的内部审查程序）进行比对，往往需要一整天以上。在这段时间里，律师无法处理其他紧急的法务事项。

B 能做什么

Cowork的法务插件（Legal Plugin）于2026年2月2日首次发布。该插件是一套专门用于自动化合同审查、NDA分类和合规工作流的系统。根据Anthropic官方文档，核心斜杠命令有五个。

/review-contract 将合同与公司的谈判手册（Playbook，即按条款整理可接受范围与谈判标准的内部指引）进行比对，逐条标注安全（GREEN）、注意（YELLOW）、危险（RED）等级，并提出修改建议。

/triage-nda 会对收到的保密协议进行快速筛选，分为标准批准、法务审查、全面重审三个等级。/vendor-check 用于确认供应商的合同状态。/brief 可以生成法律问题的摘要简报。/respond 则基于模板生成数据主体请求函或诉讼保全通知等标准法律函件。

[知识补充] 什么是审查手册？

法务插件的核心是审查手册（Playbook）。审查手册是一份整理了公司内部标准的文件，记录着「我们公司如何解读这一条款，接受范围到哪里为止」。比如「无限赔偿责任条款标记为RED」「竞业禁止条款期限两年以内标记为GREEN，三年以上标记为YELLOW」这样的规则。有了审查手册，AI才能判断「按我们的标准，哪里存在风险」。如果没有审查手册，分析只能依据一般商业惯例进行。

三、如何操作：基本用法

我们来分析一份保密协议。

[跟着做]

① 在Cowork中安装法务插件。路径：Customize → Browse Plugins → Legal → Install。

② 将对方发来的保密协议文件（PDF）放入「2026_合同审查」文件夹。

③ 输入以下提示词。

「/triage-nda 请分析这个文件夹中的保密协议文件。我是信息披露方（Disclosing party）。请确认以下事项。第一，保密信息的定义范围是否过于宽泛。第二，保密期限是否合理（行业惯例一般为2至3年）。第三，是否包含残留知识条款（Residuals clause）。

第四，归还及销毁义务中是否有备份例外。请将分类结果标注为标准批准、法务审查或全面重审之一。」

④ Claude读取保密协议后，会针对每项确认事项显示分析结果和分类。

四、如何操作：应用案例

将公司审查手册应用于逐条审查合同。

① 将公司的合同审查手册文件（Word或文本格式）和对方的合同文件一同放入「2026_合同审查」文件夹。

② 对插件进行自定义设置。点击Customize按钮，向Claude指示：「我们公司的审查手册文件是这个文件夹中的'合同审查标准.docx'。请将此标准应用于/review-contract命令。」

③ 输入以下提示词。

「/review-contract 请按照我们的审查手册标准，对这个文件夹中的合资企业合伙协议进行逐条审查。请生成以下成果物。第一，逐条分析报告（Word格式）。对每个主要条款（当事人定义、出资结构、利润分配、治理结构、知识产权归属、竞业禁止义务、解除条件、争议解决、准据法）标注GREEN/YELLOW/RED等级，对YELLOW和RED条款说明风险性质并给出建议修改方向。第二，一份管理层能在5分钟内读完的单页管理层摘要（Word格式），包含三大核心风险、需立即采取的措施以及谈判优先事项。请将两份文件保存到这个文件夹。」

④ Claude分析45页文件后，生成带有逐条信号灯评级的报告和单页摘要。

五、如何操作：实战运用

同时处理多份保密协议和大型合同。

① 将5份保密协议和1份合伙协议全部放入文件夹。

② 输入以下提示词。

「请审查这个文件夹中的所有法律文件。保密协议文件用/triage-nda快速分类，合伙协议用/review-contract进行逐条深度分析。第一，将5份保密协议的分类结果汇总为一张Excel表格，列名设为：文件名、对方公司名称、保密期限、核心风险事项、分类（标准/审查/重审）。第二，按照审查手册标准制作合伙协议的逐条分析报告。第三，对标记为RED的条款，制作包含我方向对方提议的修改措辞（Redline）的修改合同草案。第四，制作一页管理层摘要。所有文件保存到这个文件夹。」

③ Cowork对保密协议进行快速分类，对合伙协议进行深度分析，同时执行两种不同深度的审查。

六、AI法律分析的绝对边界

AI的法律文件分析不能替代律师的法律判断。

AI的作用是从文本中识别模式、将潜在问题浮现出来。但某一条款在特定司法管辖区的判例法下是否真正可执行，在我们公司的商业战略背景下这一风险是否值得承担，考虑到与对方的关系应当在什么程度上要求修改，这些判断只有律师才能做出。

当AI分类为「无风险」的条款实际出了问题时，承担责任的不是AI，而是负责审查的律师。对AI分析结果不盲目信赖、保持批判性审视的态度不可或缺。

Anthropic自身也明确指出，Cowork处于研究预览阶段，不应用于受监管业务（Regulated workloads）。法务插件的输出是「辅助（Assistance）」而非「建议（Advice）」。最终判断和签署的责任，始终在人。

Cowork为律师节省了通读45页文件的体力时间，帮助再次确认可能遗漏的条款，它是一个辅助工具。分析条款的繁重劳动交给了机器，但判断那些条款在现实中会产生什么后果、在合同上签字那一刻的分量，仍然属于坐在桌前的那个人。

七、遇到这些问题怎么办

(1) 没有审查手册就运行了/review-contract，分析结果很表面。没有审查手册时，Claude会按照一般商业惯例进行分析，无法体现公司自身的风险容忍标准，实务价值打了折扣。参考公司的合同审查清单或过往审查意见书，编制一份审查手册文件并关联到插件。审查手册中至少应写明各主要条款类型的可接受范围和升级处理标准。

(2) 韩语合同中的法律术语无法被准确识别。对于「违约金预定」「瑕疵担保责任」「期限利益丧失」等韩国法律术语，Claude可能会误判语境。在提示词中注明「这份合同是以大韩民国法律为准据法的韩语文件，请在韩国民法和商法的语境下进行分析」，准确度会显著提升。

(3) 标记为RED的条款太多，实务上没有参考价值。如果审查手册的标准过于严格，大多数条款都会被标为RED，导致无法判断优先级。修改审查手册，将「我方绝对不接受的条款」和「可协商的条款」分开，RED仅用于前者，后者设为YELLOW。

本章讨论的四项工作有一个共同结构。机器代替人做的，是阅读大量文本、按标准分类、生成初稿。机器无法代替人做的，是识别应聘者潜力的眼光，真诚迎接新员工的那份心意，体会客户急迫心情的共情能力，以及决定是否承担法律风险的判断力。

从阅读300份简历的劳动中解放出来的招聘负责人，变成了审视机器可能忽略的潜力的人。从撰写文件中抽身的人事负责人，变成了在新员工第一天上班时递上一杯咖啡的人。从工单分类中解脱的客服人员，变成了审视机器的回复是否真正触达客户内心的人。从45页文字中解放出来的律师，变成了在风险与机遇之间权衡的战略思考者。

Cowork生成的报告和草案不是成品，而是起点。在这个起点上，人能添加什么，决定了招聘的质量、客户的信任和合同的安全。