WorkBuddy 的合同比对功能：我信它，但只信一半

上周看到2026年国际人工智能安全报告发布，一百多位专家列出通用AI能力快速提升带来的新兴风险，报告里特别提到政策制定者往往缺乏足够科学证据来权衡利弊。我读的时候心里想的是，这个困境放在日常办公工具上也是一样，我们这些一线用户，又有多少证据能判断一个AI工具到底靠不靠谱？

刚巧我这几天在试WorkBuddy，起因是上周四下午，我桌上堆了四份跨境服务协议，中英双语，客户要求两天内核对完中文版跟英文版之间所有实质性差异。放在以前，我至少得花一个下午人工逐条比对，眼睛酸不说，还容易漏掉管辖条款里的一个标点符号。我抱着试试看的心态，把四份合同丢进了WorkBuddy的文档比对功能。

先说结果：效率确实高。我大约花了二十分钟完成配置和第一轮跑出来的差异报告，剩下的时间只需要人工复核高亮部分。如果纯手动，我至少要四个小时。但问题出在“复核”这两个字上，WorkBuddy标出来的差异，和真正需要我关注的差异，中间有相当一条鸿沟。

我具体操作是这样：先在WorkBuddy里建了一个项目文件夹，把英文版PDF和中文版PDF分别导入，然后选择比对模式。它提供了“逐句比对”和“语义比对”两种选项，我一开始选了语义比对，因为我的需求是找出实质条款不一致，而不是中英文翻译的措辞差异。第一次跑完，结果弹出来时我愣了一下：它标了大约四十处差异，其中一半是“赔偿责任上限”和“liability cap”这类候选，但另一半是“甲方”和“Party A”这种纯粹指代差异，以及“本协议”和“this Agreement”这种格式差异。这些在人工审阅时根本不算问题，但WorkBuddy把它们全部列为“高置信度差异”。

我试了第二次，换成逐句比对模式，结果更糟，它把中文翻译中所有因为语序调整导致的句子结构变化都标了出来，比如“乙方应在收到通知后三十日内”和“The Party B shall within thirty days upon receipt of the notice”，它认为这是两处不同。从字面上看确实不同，但语义上完全一致。

这让我想到我上周写过一篇帖子，当时怀疑WorkBuddy的比对逻辑可能基于词频或句子长度差异，而非真正的语义理解。用了几天后，我的判断基本得到印证：它在处理同一种语言内的版本差异（比如两个英文版本）时表现出色，我能轻松看出哪一版新增了条款；但一到跨语言场景，它几乎无能为力。原因不难理解，语义比对模型需要同时理解两种语言的法律术语对等关系，这对NLP的要求远比普通翻译高。

不过话说回来，我并没有因此否定WorkBuddy的价值。它的强项在于批量处理和初步筛选。我后来调整了策略：先用语义比对跑一遍，把所有差异导出为Excel，然后手动加筛，把明显是翻译格式差异的行删掉，只保留那些实质条款的参数变化，比如赔偿责任上限从“年度服务费的50%”变成“100万美元”，或者管辖法院从“香港”变成“新加坡”。这样处理后，真正需要我判断的差异从四十处缩减到七八处，效率提升依然显著。

另一个让我觉得做得不错的地方是它的合同摘要功能。我试过把同一份合同丢进去让它生成摘要，它会自动提取出合同主体、有效期、付款条件、终止条款、违约责任这些关键项，并且标注出原文位置。对于快速浏览一份新合同来说，这个功能比我自己翻目录要快得多。我测试了大约十份合同，摘要的准确率大约在80%左右，失误主要集中在对“特殊情况下的例外条款”的遗漏上，比如“除不可抗力外”这种前置条件，它经常忽略。这提醒我，AI生成的摘要只能作为索引，不能替代人工逐条审阅。

现在回到国际AI安全报告讨论的那个问题：我们在没有充分证据的情况下，能否信任AI工具的判断？我的个人立场是，可以信任，但条件是你会验证。WorkBuddy的文档比对不是“替你审合同”，而是“帮你把需要审的地方挑出来”。它降低了我的重复劳动量，但没有降低我的专业判断门槛。本质上，它像一个效率极高的实习生，先把所有疑似问题列出来，然后由资深律师做最终决定。这个分工我是接受的。

但我不接受的是它目前的跨语言语义比对能力。如果WorkBuddy的市场定位包括跨国企业法务，那这块短板必须补上。据我了解，市面上已经有几个专注法律翻译对齐的工具，比如合约翻译类的产品，在术语匹配上做得更细。WorkBuddy如果想在这一块拿分，可能需要引入法律领域预训练模型，或者允许用户自定义术语映射表。我目前的做法是，建立了一个自己的“术语对照表”，在导入合同前先上传，让WorkBuddy优先匹配这些术语，效果稍有改善，但依然不完美。

最后说一个趋势判断。国际AI安全报告里提到，通用AI能力正在快速演进，但风险理解滞后的矛盾会持续存在。映射到办公工具市场，我认为未来一年内，WorkBuddy如果要保持竞争力，必须从“通用办公助手”转向“垂直领域应用”。它能处理文档、邮件、表格、PPT，但每个功能都停留在“够用”而非“好用”的水平。相比之下，专门做合同审查的竞品在准确率上可能更胜一筹。WorkBuddy的优势在于生态整合，如果我能在同一个工具里完成合同比对、邮件起草、会议纪要整理，那就值得为它买单。但如果它每项功能都只能做到60分，而专业工具可以做到90分，那我可能还是会花时间在多个工具间切换，除非WorkBuddy能证明它的80分已经足够覆盖我的日常需求。

就目前来看，我还会继续用下去，但只用它做初步筛选和摘要。跨语言合同比对，我还是自己来。