一份工程造价结算的 Excel，73 个 sheet，里面塞满了公式和引用。AI 处理完，告诉你"已解析"。但它只读了每个格子显示的数字，没读到背后的公式。一份原告提交的证据扫描件，146 页，AI 抽样看了十几页，给整份证据做了归类。然后，它输出了一份带法条、带结论、措辞专业的法律分析意见。
没有报错。流程跑完了。系统告诉你任务完成了。
但工程款的计算逻辑，藏在那些没读到的公式里。关键的签证单、补充协议，恰好在那 146 页的后半段。整份意见建立在一片空白之上，可它读起来又完整又自信。
这叫静默失败——系统没报错，任务实际没完成。
我要说的判断就这一句：法律 Agent 最危险的能力，不是答错，而是在只读了 35% 材料的时候，仍然能生成一份看起来完整、专业、确定的法律意见。
一、瓶颈被误诊了
这两年行业讨论法律 Agent，焦点几乎都在"模型会不会推理"——能不能像律师一样分析要件、识别争点、组织论证。这个方向当然重要。但很可能把瓶颈诊断错了。
实际情况是：模型还没看到材料，谈不上推理。
一个再强的模型，也推理不出一份从未进入它上下文的 Excel 公式。它推理不出第 147 页扫描件里那行字。它推理不出一张 DWG 图纸的标注，也推理不出一份它根本没打开的前案判决。
所以问题不在"读到以后能不能分析好"。真正的问题是"它到底读到了什么"。前者是模型能力问题，后者是数据摄入问题。后者更基础，却更少人讨论。
更要命的是，模型越强，摄入不全的后果就越严重。一个笨模型读不全，输出会笨拙、会露馅，律师一眼就看出不对。但一个强模型读不全，它能把残缺的事实圆成一个自洽的故事——错得又体面又自信。这才是真正危险的地方。
二、四种虚假的完成感
为什么摄入这么容易出问题？因为处理过程中有四种状态常常被混为一谈。每一种混同，都制造出一种完成了的错觉。
第一，文件存在被当成材料已读取。
工程案件的材料包，轻轻松松就有几百个文件——图纸、合同、签证单、往来函件、前案判决、邮件附件。目录里有 710 个文件，不等于 Agent 看过 710 个。很多时候它实际做的只是：扫一遍目录，挑出部分 PDF，转成文本，塞进模型。至于 Excel、DWG 图纸、扫描件、视频、压缩包、嵌套的邮件附件，可能根本没进过分析链路。
所以处理材料之前，必须把四个状态分开看：已发现。已打开。已成功提取。已进入分析。四个台阶，跨过哪一个都不能算完成了。
第二，转成文本被当成已经理解。
就算某份材料产出了文字，也不代表它被有效处理了。OCR 可能只识别了抽样页。表格的行列关系丢了。Excel 只读了显示值，没读公式。PDF 的页眉、页脚和正文错位。印章、手写批注、签字根本没提取。图片里的关键尺寸和箭头，没有进入文本。已经 OCR 和已经理解，中间隔着一整道鸿沟。
更隐蔽的是：有些材料明明 OCR 过了，但后续的分析程序根本没用过它。判决书转成了文字，安静地躺在某个目录里——案件分析环节完全没去读。材料在，文本在，推理没进。
第三，抽样读取被当成全量处理。
这是最隐蔽的一种。对 146 页证据只做视觉抽样，对一摞扫描台账每份只抽 30 页。抽样的本分，是初步分类、判断相关性、估算处理成本。它不能拿来形成案件事实，不能拿来算工程款，不能拿来核验一项主张，更不可能支撑最终法律意见。
工程案件尤其要命。关键内容偏偏喜欢藏在后半段：签章页、变更签证、付款明细、验收附件、表格的隐藏列、图纸说明、补充协议、邮件附件。抽样抽到这些的概率低得可怜。抽样只能决定下一步怎么处理，替代不了案件事实本身。
第四，没报错被当成没问题。
这是四种里最危险的一种。真正严重的，不是 Agent 没读完——是它输出之前没告诉你：我实际读了哪些？哪些解析失败了？哪些只是抽样？哪些结论缺原始证据支撑？覆盖率多少？
系统没报错，但任务没完成。在法律场景里，静默失败比显式报错可怕得多。报错会让律师停下来查。一份结构完整、措辞专业的报告，反而会让人以为活干完了。你捧着它去开庭，直到对方律师掏出那份你没读到的补充协议。
三、为什么法律对静默失败零容忍
有人会问：通用问答漏一个文件，不也是答案差点意思吗，为什么到法律场景就得零容忍？
因为法律推理是链条式的，不是叠加式的。
通用问答是加分题：信息多一点少一点，答案只是丰满或干瘪。法律推理不一样，它是扣合的链条：一个要件的证据缺失，整条请求权链要么断掉，要么翻转方向。
漏掉一份工程款计算 Excel，可能不只是算错了金额那么简单。它可能让请求权基础走偏，让举证责任分配反转，让既判力的认定翻过来，让违约责任完全往反方向跑。最可怕的是，链条翻转之后，整份分析在表面上依然自洽。法律推理本身就有这个本事：前提换了，结论转个向，照样严丝合缝。
这就是越强的模型加摄入不全等于越有迷惑性的错误结论的根因。不是模型不够聪明，是它太聪明了。聪明到能把残缺的事实，缝合成一个连律师都未必一眼能看穿的完整故事。
所以法律场景的容错率，不是尽量准确。是每一份关键材料必须在场。漏一个，整条链可能就废了。而且废得不留痕迹。
四、第一性问题和分析闸门
所以，法律 Agent 的第一性问题，不是会不会推理——而是能不能证明自己看过什么。
一个可靠的法律 Agent，至少得先回答四个问题：我应当读取什么？我实际上读取了什么？哪些读取失败了？当前这些材料，够不够支撑分析？四个问题答不上来，后面分析再漂亮，也是空中楼阁。
这就引出一个我认为最关键的产品机制。我把它叫作分析闸门。
闸门的逻辑很简单：材料没达最低标准，就拦住，不许输出最终法律意见。系统只能退回来给一份诚实的清单——初步观察、证据缺口、待处理材料、临时假设。读不够，就说读不够。不要假装读够了。
这个思路不是什么新发明。软件工程里有 CI gate，代码没过测试不许合。审计里有底稿完整性检查，底稿不全不许出报告。法律 Agent 早该有这一层：不是尽量多读，而是读不够就闭嘴。
这也不是限制 Agent，是在保护律师。把它从看起来完成了逼回到诚实承认没完成，律师才有机会去补那 65% 的缺口。
五、真正的难点是法律知识，不是解析技术
这套东西听着挺好，但到现在还没人真正做出来。因为最难的环节不在解析技术，在法律判断。
回到闸门的第一道关：覆盖率。覆盖率有好几种，技术上是分层的。
文件覆盖率：处理了几个文件，除以该处理几个文件。内容覆盖率：提取了多少页、多少 sheet、多少图纸时长，除以总量。这两个，通用工具勉强能算。但后两个，它算不了。
争点覆盖率：已有充分证据支撑的争点，除以全部已识别争点。引证覆盖率：每一个重要结论，是不是都能追回到原始文件的具体页码、具体单元格。
要算争点覆盖率，得先知道这个案件有哪些争点、每个争点对应哪些法律要件、每个要件需要什么证据、这些证据现在在不在材料包里、有没有进了分析。
这套映射——争点到要件、要件到证据、证据到原始材料——本质上是法律知识，不是技术活。它要求闸门得懂一点法律，至少是轻量级的法律本体。
所以应读取什么，通用工具答不了。它需要一个法律知识驱动的摄入层，而不只是文件解析层。否则永远只能知道处理了 35% 的文件，算不出我方主张的三个争点里有两个还没拿到证据。
法律 Agent 缺的不是更聪明的大脑，是一套能证明自己到底看过什么的基础设施——而这套设施，本身就得是半个法律大脑。
六、我的立场
说点我自己的判断。
我经办过的项目里，单个案件的材料可以堆满一整个会议室——图纸、签证单、补充协议、往来邮件、前案判决，按吨算体积。这种体量之下，律师最本能的焦虑不是会不会分析错，而是该看的我都看到了吗。
一个好律师花在确认材料完整上的精力，常常比花在分析上的还多。这是行业内行才懂的事实。
我在《赋能法律人》里反复讲结构化思维。但这两年我越来越确认一件事：结构化的前提，是材料完整。材料不全，结构越精致，错得越隐蔽。
所以我对法律 AI 的判断很明确：行业在追更强的模型，我更关心更可信的摄入。前者决定 AI 能分析多好，后者决定 AI 到底看到了什么。后者更基础，也更没人做。
这意味着法律 Agent 真正的护城河，不在模型，在那一层不被人注意的摄入基础设施。谁能先把我看过什么变得可审计，谁就拿到了法律 AI 的下一张门票。
模型再强，也推理不出一份从未读到的工程款 Excel。
所以回到开头那句话，我再说一遍，因为它值得被记住：
法律 Agent 不知道答案并不可怕，最可怕的是它不知道自己漏读了什么。
作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。四明山法师 AI 夜校（legalAGI.cn）发起人。