批量文档表格化审阅：把每份文档抽成一行…

当你有一堆文档（合同、租赁、供应商协议等）需要对每份文档一致地回答同一组问题时，用表格化审阅产出可核验的电子表格。

适用场景

解决思路

1. 加载 ~/.claude/plugins/config/claude-for-legal/corporate-legal/CLAUDE.md，获取尽调结构、阈值与所内格式。
2. 确认三件事：审阅哪些文档、要哪些列、输出到哪里。
3. 构建带类型的 schema，写入 .review-schema.yaml，并与用户确认。
4. 先做 3–5 份文档的样本运行，据此调整 schema 并再次确认。
5. 正式展开：每份文档一个 sub-agent 并行处理；每个单元格返回 value + state + 逐字引用 + 位置。
6. 做归一化处理，标记异常值与不一致项。
7. 输出：.xlsx 或 Google Sheets（先问用户要哪种），并始终附带 .csv + _sources.csv + markdown；加上工作成果页眉。
8. 给出总结：核验工作量（每列 not_present / unclear / needs_review 的计数）、被标记的列、文件位置，并提醒每个单元格都是线索而非结论。
9. 为每列指定类型以约束答案格式：verbatim（逐字引用）、classify（从固定选项列表中取一个值）、date（ISO 日期）、duration（数字+单位）、currency（数字+币种代码）、number（纯数字）、free（简短自由文本，尽量少用）。
10. 执行 verbatim 规则：每个非 verbatim 列也要附带支撑答案的原文引用作为伴随字段——单元格里是解释，引用是证据。
11. 对无法给出肯定答案的情况强制使用三种显式状态之一：not_present（已读且条款不存在）、unclear（有内容但无法有把握地归类）、needs_review（找到了但需人工判断）。
12. 在 schema 中为每列定义稳定的 id、人类可读的 label、type、prompt（审阅者会问的问题），classify 列还要有 options 列表。
13. 样本运行后检查：多数答案为 unclear 的列说明 prompt 有歧义需重写；答案不符合选项的 classify 列需增补选项或改为 free；返回转述而非原文的 verbatim 列需强调必须逐字。
14. sub-agent 必须读整份文档（不是 RAG 分块），对每列找到相关条款，返回结构化行 {value, state, quote, location}。
15. 要求 quote 必须是源文档中连续文本的逐字拷贝，且能在所引 location 处检索到；不得由标题加预期样板拼凑、不得转述、不得凭记忆重建、不得用省略号跨非连续文本拼接。
16. location 必须足够具体（章节号、标题或页码），使归一化环节能重新打开文档读到同一段。
17. 若无法定位并拷贝确切文本（源被截断、OCR 乱码、条款隐含未写明、只见标题不见正文），该单元格 state 为 needs_review、value 为 null，且 notes 必须包含 quote_unavailable: <原因>；绝不允许用拼凑或重建的引用把 state 设为 answered。
18. 归一化时逐列通读整张表：对每个 classify 列，确认所有 answered 值都在选项列表内，越界值重新归类或升级为 needs_review；检查聚类，若 195 份说 consent_required 而 5 份说 freely_assignable，要查看那 5 份是真不同还是误分类。
19. 对 date / duration / currency 列检查格式一致性并归一化，把不合理值（99 年期限、1 美元上限）标为 needs_review。
20. 对每个 verbatim 列以及所有其他列的伴随引用做抽查：按 location 重新打开源文档，逐字符比对存储的 quote，每列至少抽 3–5 行或 10% 行数（取较大者）。
21. 若发现任何引用是拼凑、转述、重建或无法在所述位置找到，将该单元格降级为 needs_review 并在 notes 写 quote_mismatch，同时标记整列并把抽查扩大到该列其余行——一条伪造引用就足以扩大检查。
22. 输出 markdown（始终，供会话内审阅），用 ⚠️ 标记 unclear 等异常。
23. 输出 CSV：一个值文件加一个伴随的 _sources.csv 存放引用与位置，保持主文件干净、证据链完整。
24. 输出 Excel（.xlsx）或 Google Sheets（先问用户用哪个）：每个数据列配一个隐藏的源列存放引用与位置，可见列上用单元格批注（Excel）或备注（Sheets）悬停显示引用；按状态着色（白=answered，黄=unclear/needs_review，灰=not_present）；每个数据列配一个默认空白的 Verified 列供审阅者标记；加一个 _schema 工作表记录列定义使文件自说明。
25. 在表格顶部加上插件配置 ## Outputs 中的工作成果页眉，并附分发说明：本审阅源自可能涉密或受特权保护的文档，继承其特权与保密状态，超出特权圈分发可能构成弃权，应与案卷的受特权文件一同存放并审慎决定分发。
26. 支持命令行参数：--schema <path> 用现有 schema 文件而非新建（便于重跑与增量添加）；--template <name> 从 references/ 的模板起步（目前有 ma-diligence）；--docs <path> 指定文档来源（本地文件夹、Drive 文件夹 ID 或 VDR 路径，省略则询问）；--output <xlsx|gsheets|csv> 指定输出格式（省略则询问）；--sample <n> 指定 schema 检查的样本量（默认 5）。
27. 检查实践级 CLAUDE.md 的 ## Matter workspaces：若 Enabled 为 ✗（内部用户的默认值）则跳过；若启用且无活动 matter，询问属于哪个 matter（运行 /corporate-legal:matter-workspace switch <slug> 或说 practice-level）；加载活动 matter 的 matter.md 获取特定上下文与覆盖项；输出写入 matters/<matter-slug>/ 文件夹；除非 Cross-matter context 为 on，绝不读取其他 matter 的文件。
28. 若文档数 >200，警告耗时较长并提供先做按重要性过滤的子集。
29. 以 CLAUDE.md ## Outputs 的下一步决策树收尾，并根据本次产出定制选项（起草 X、上报、补充事实、观望、其他），由律师选择。
30. 若抽取过程中发现实质问题（如引用具体盈利目标的 MAC 条款、毒丸），记录下来并建议对该文档运行 diligence-issue-extraction。

适用边界 · 注意事项

• 不适用于问题发现（issue spotting）——那是 diligence-issue-extraction 的职责；本技能是对所有文档回答同一组问题。
• 不能替代人工阅读文档：每个单元格都是需核验的线索而非结论，输出是为了让核验更快而非跳过核验。
• 不产出置信度分数（如 0.73 不是信息），置信信号来自 unclear / needs_review 状态与逐字引用。
• 不静默跳过文档：用户指向的每份文档都要有一行，读不了的文档给一行 needs_review 加备注。
• 语料过大或团队偏好专用平台时，应通过 ai-tool-handoff 交给 Luminance/Kira；本技能是能处理范围内的内部方案，先跑它再把剩余部分移交。