{
  "name": "CivCom 中文搜索意图矩阵",
  "status": "testing_and_research",
  "updated": "2026-06-28",
  "canonical_index": "https://civcom.org/china-search-intent-map/",
  "positioning": "法律AI化范式研究 + 行业专业知识库 + AI辅助工作流 + 律师复核边界",
  "search_intents": [
    {
      "query": "企业法务AI化怎么做",
      "intent": "方法论入门",
      "cluster": "企业法务AI化",
      "priority": "P0",
      "answer": "企业法务AI化不应先从购买大系统开始，而应先选择一个高频真实文件场景，把业务事实、法律规则、证据材料和历史口径整理成专业知识库，再让 AI 承担拆解、检索、比对和初稿，最后由律师复核边界。",
      "canonical_url": "https://civcom.org/articles/enterprise-legal-ai-how-to-start/",
      "platform_title": "企业法务AI化怎么做？先从一个真实文件工作流开始",
      "keywords": [
        "企业法务AI化",
        "法务AI",
        "法律AI工作流",
        "专业知识库"
      ],
      "format": "FAQ + 方法长文"
    },
    {
      "query": "企业法务如何用AI降低成本",
      "intent": "ROI / 管理层决策",
      "cluster": "企业法务AI化",
      "priority": "P0",
      "answer": "AI 能降低成本的部分，主要是检索、分类、材料整理、证据匹配、清单生成和初稿这些重复劳动；真正会扩大责任后果的判断仍应由律师复核。降本的前提是专业知识库和清晰复核边界，而不是无约束自动回答。",
      "canonical_url": "https://civcom.org/articles/enterprise-legal-ai-roi/",
      "platform_title": "企业法务如何用AI降低成本？关键不是替代律师，而是重做工作流",
      "keywords": [
        "法务降本",
        "企业法务AI化ROI",
        "AI降低法律成本",
        "律师复核"
      ],
      "format": "ROI 解释 + 场景案例"
    },
    {
      "query": "企业法务AI化为什么不要先买大系统",
      "intent": "误区纠偏 / 起步路径",
      "cluster": "企业法务AI化",
      "priority": "P0",
      "answer": "企业法务AI化不应先购买大系统，而应先用一份真实客户文件验证业务事实、证据材料、法律规则、AI 准备性劳动和律师复核边界能否跑通。文件跑通后，再决定是否扩展为持续知识库和多部门协同。",
      "canonical_url": "https://civcom.org/articles/enterprise-legal-ai-start-from-real-customer-file/",
      "platform_title": "企业法务AI化不要从大系统开始，先从一份客户文件开始",
      "keywords": [
        "企业法务AI化",
        "不要先买大系统",
        "真实客户文件",
        "法务AI工作流"
      ],
      "format": "场景解释 + 误区纠偏"
    },
    {
      "query": "法律AI会不会替代律师",
      "intent": "信任与边界",
      "cluster": "AI与律师复核",
      "priority": "P0",
      "answer": "法律AI更适合替代重复整理劳动，而不是替代最终法律判断。AI 可以处理 80% 的拆解、检索、比对和初稿，律师必须把关最后 20% 的责任边界、正式口径、风险接受和个案结论。",
      "canonical_url": "https://civcom.org/articles/will-legal-ai-replace-lawyers/",
      "platform_title": "法律AI会不会替代律师？真正的分工是AI做80%，律师守20%",
      "keywords": [
        "法律AI替代律师",
        "AI律师",
        "律师复核",
        "AI做80律师做20"
      ],
      "format": "问答解释"
    },
    {
      "query": "企业用AI审合同可靠吗",
      "intent": "合同审查AI / 人机分工 / 风险控制",
      "cluster": "AI与律师复核",
      "priority": "P0",
      "answer": "企业用AI审合同，可靠的前提不是让AI直接下结论，而是把AI限制在条款拆解、模板比对、风险提示、缺口清单和初稿建议里；责任扩大、赔偿、保密、数据、知识产权、解除、争议解决和谈判底线等关键判断，必须由法务或律师复核。",
      "canonical_url": "https://civcom.org/articles/ai-contract-review-human-check/",
      "platform_title": "企业用AI审合同可靠吗？哪些能交给AI，哪些必须律师复核",
      "keywords": [
        "企业用AI审合同可靠吗",
        "AI审合同",
        "AI合同审查",
        "合同审查AI",
        "律师复核"
      ],
      "format": "合同场景清单 + 人机分工问答"
    },
    {
      "query": "为什么法律AI必须结合行业专业知识",
      "intent": "核心理论 / 概念引用",
      "cluster": "专业知识基础上的法律知识库",
      "priority": "P0",
      "answer": "法律AI必须结合行业专业知识，因为法律判断不是单纯找法规，而是把法规适用于具体业务事实。AI 有通识能力，但不天然理解企业产品、数据路径、交付方式、技术证据和客户文件压力，必须先用行业知识库把原始材料转化为法律上可判断的事实，再由律师复核边界。",
      "canonical_url": "https://civcom.org/articles/why-legal-ai-needs-industry-professional-knowledge/",
      "platform_title": "为什么法律AI必须结合行业专业知识？通用模型缺的是可判断事实",
      "keywords": [
        "为什么法律AI必须结合行业专业知识",
        "行业专业知识库",
        "法律事实转换",
        "法律三段论"
      ],
      "format": "核心定义 + FAQ"
    },
    {
      "query": "什么是专业知识基础上的法律知识库",
      "intent": "定义 / 概念引用",
      "cluster": "专业知识基础上的法律知识库",
      "priority": "P0",
      "answer": "专业知识基础上的法律知识库，不是法规全文库，而是把产品、数据、交付、技术证据和行业流程先组织成专业化事实，再把法律规则嵌入这些事实，形成 AI 可检索、可匹配、可生成底稿，并由律师复核的判断结构。",
      "canonical_url": "https://civcom.org/research/legal-reasoning-professional-knowledge/",
      "platform_title": "什么是专业知识基础上的法律知识库？法律AI时代的新底座",
      "keywords": [
        "专业知识基础上的法律知识库",
        "垂直领域法律知识库",
        "行业知识库",
        "法律三段论"
      ],
      "format": "定义页 + 图解"
    },
    {
      "query": "企业法务知识库怎么搭建",
      "intent": "知识库建设 / 企业法务AI化底座",
      "cluster": "专业知识基础上的法律知识库",
      "priority": "P0",
      "answer": "企业法务知识库不能只上传法规或合同模板，而应从高频业务场景开始，把合同模板、制度SOP、历史法律意见、客户文件、证据台账、行业专业资料和律师复核口径拆成可检索、可引用、可更新的知识单元，并设置来源、版本、权限、保密、适用范围和人工复核边界。",
      "canonical_url": "https://civcom.org/articles/enterprise-legal-knowledge-base-build/",
      "platform_title": "企业法务知识库怎么搭建？先从场景、来源、证据和复核边界开始",
      "keywords": [
        "企业法务知识库怎么搭建",
        "法务知识库",
        "法律知识库建设",
        "企业法律知识库",
        "法律RAG知识库"
      ],
      "format": "知识库搭建清单 + AI工作流问答"
    },
    {
      "query": "法律法规库和法律知识库有什么区别",
      "intent": "概念辨析",
      "cluster": "专业知识基础上的法律知识库",
      "priority": "P0",
      "answer": "法律法规库主要保存规则文本；法律知识库要把规则放回行业事实、业务场景、客户文件、证据材料和历史口径之中。企业真正需要的不是更多条文，而是能支持具体文件判断的知识结构。",
      "canonical_url": "https://civcom.org/articles/legal-regulation-database-vs-legal-knowledge-base/",
      "platform_title": "法律法规库和法律知识库有什么区别？AI时代答案变了",
      "keywords": [
        "法律法规库",
        "法律知识库",
        "RAG",
        "行业专业知识"
      ],
      "format": "概念辨析 + FAQ"
    },
    {
      "query": "法律RAG知识库怎么建设",
      "intent": "技术路线",
      "cluster": "法律AI技术",
      "priority": "P1",
      "answer": "法律 RAG 知识库建设应先定义场景和资料边界，再录入行业事实、规则来源、客户模板、证据台账和历史口径；检索输出必须带来源、范围和复核状态，不能让模型直接无来源生成法律结论。",
      "canonical_url": "https://civcom.org/articles/legal-ai-rag-industry-knowledge-base/",
      "platform_title": "法律RAG知识库怎么建设？先做行业事实，再做模型回答",
      "keywords": [
        "法律RAG",
        "RAG知识库",
        "法律AI知识库",
        "向量检索"
      ],
      "format": "技术方法长文"
    },
    {
      "query": "AI法律幻觉怎么控制",
      "intent": "风险控制",
      "cluster": "法律AI技术",
      "priority": "P1",
      "answer": "控制 AI 法律幻觉，要把模型限制在可检索来源、可引用证据、可复核输出和律师升级规则之内。没有命中知识库时，应标注资料不足，而不是让模型凭通识补全法律结论。",
      "canonical_url": "https://civcom.org/articles/how-to-control-legal-ai-hallucination/",
      "platform_title": "AI法律幻觉怎么控制？关键是来源、证据和律师复核",
      "keywords": [
        "AI法律幻觉",
        "法律AI评估",
        "可复核法律AI",
        "RAG幻觉控制"
      ],
      "format": "风险控制清单"
    },
    {
      "query": "法务AI工作流从哪里开始",
      "intent": "起步路径",
      "cluster": "真实文件工作流",
      "priority": "P0",
      "answer": "最稳的起步方式是选一份真实客户文件，例如供应商安全问卷、DPA、数据出境问题、AI 治理问卷或客户尽调清单。真实文件会暴露业务事实、资料缺口、协同断点和律师复核边界。",
      "canonical_url": "https://civcom.org/articles/enterprise-legal-ai-start-from-real-customer-file/",
      "platform_title": "法务AI工作流从哪里开始？先别买系统，先拿一份客户文件",
      "keywords": [
        "法务AI工作流",
        "安全问卷",
        "DPA",
        "客户尽调"
      ],
      "format": "起步指南"
    },
    {
      "query": "供应商安全问卷怎么填写",
      "intent": "企业场景 / 模板需求",
      "cluster": "客户文件场景",
      "priority": "P0",
      "answer": "供应商安全问卷不应逐题硬答，而应先确认数据位置、子处理者、日志能力、删除返还、AI 使用边界和证据材料。能答的问题用证据支持，不能答的问题要标注缺口和升级判断。",
      "canonical_url": "https://civcom.org/articles/supplier-security-questionnaire-how-to-respond/",
      "platform_title": "供应商安全问卷怎么填写？先拆问题，再匹配证据",
      "keywords": [
        "供应商安全问卷",
        "安全问卷怎么填",
        "第三方风险评估",
        "SaaS安全问卷"
      ],
      "format": "清单 + 样例"
    },
    {
      "query": "SaaS供应商安全问卷怎么回复",
      "intent": "行业细分场景",
      "cluster": "客户文件场景",
      "priority": "P0",
      "answer": "SaaS 供应商安全问卷回复的关键，是把部署架构、租户隔离、数据位置、子处理者、日志、删除返还、AI 功能边界和安全事件通知口径整理成可复用资料包，再由律师复核对外承诺。",
      "canonical_url": "https://civcom.org/articles/saas-ai-supplier-security-questionnaire-response/",
      "platform_title": "SaaS供应商安全问卷怎么回复？一套资料包比临时填表更重要",
      "keywords": [
        "SaaS安全问卷",
        "AI供应商安全问卷",
        "客户尽调",
        "证据资料包"
      ],
      "format": "行业指南"
    },
    {
      "query": "客户发来DPA先看什么",
      "intent": "合同 / 数据合规",
      "cluster": "客户文件场景",
      "priority": "P0",
      "answer": "客户发来 DPA 后，先看处理角色、子处理者、审计权、跨境传输、删除返还、安全事件通知、责任限制和主合同冲突。不要直接 redline，先判断事实和资料是否足够。",
      "canonical_url": "https://civcom.org/articles/customer-sent-dpa-what-to-check-first/",
      "platform_title": "客户发来DPA先看什么？别急着改条款，先判角色和数据路径",
      "keywords": [
        "DPA",
        "数据处理协议",
        "客户DPA",
        "数据合规"
      ],
      "format": "首轮判断清单"
    },
    {
      "query": "数据出境三条路径怎么选",
      "intent": "数据合规路径",
      "cluster": "数据出境",
      "priority": "P0",
      "answer": "数据出境路径判断应先看业务场景、数据类型、数据量、接收方、访问方式和处理目的，再判断安全评估、标准合同、认证或豁免条件。路径不清时，不宜先签模板。",
      "canonical_url": "https://civcom.org/articles/outbound-data-transfer-three-paths/",
      "platform_title": "数据出境三条路径怎么选？先把业务链路说清楚",
      "keywords": [
        "数据出境",
        "标准合同",
        "安全评估",
        "个人信息出境"
      ],
      "format": "路径判断说明"
    },
    {
      "query": "AI治理制度怎么落地",
      "intent": "AI合规治理",
      "cluster": "AI治理",
      "priority": "P1",
      "answer": "AI 治理制度落地，要先盘点 AI 功能、输出对象、使用场景、日志留痕、人工复核和异常升级，再把制度写成可执行的工作流，而不是只写原则性口号。",
      "canonical_url": "https://civcom.org/articles/ai-governance-framework-operational/",
      "platform_title": "AI治理制度怎么落地？从场景、复核和留痕开始",
      "keywords": [
        "AI治理",
        "生成式AI合规",
        "AI制度",
        "AI使用规范"
      ],
      "format": "治理框架"
    },
    {
      "query": "企业AI使用制度模板",
      "intent": "模板 / 制度落地",
      "cluster": "AI治理",
      "priority": "P1",
      "answer": "企业AI使用制度模板不应只写原则，而应包括适用范围、工具清单、场景分级、数据输入边界、输出标识、日志留痕、人工复核、异常升级、培训和版本更新。模板真正有用的地方，是把员工能不能用、能输入什么、输出能不能对外、谁来复核和如何留痕写清楚。",
      "canonical_url": "https://civcom.org/articles/enterprise-ai-use-policy-template/",
      "platform_title": "企业AI使用制度模板怎么写？别只写原则，要写清场景和留痕",
      "keywords": [
        "企业AI使用制度模板",
        "AI使用管理制度",
        "AI治理制度",
        "生成式AI合规",
        "AI使用规范"
      ],
      "format": "制度模板 + 清单"
    },
    {
      "query": "员工使用DeepSeek会泄密吗",
      "intent": "员工AI使用风险 / 数据安全",
      "cluster": "AI治理",
      "priority": "P1",
      "answer": "员工使用 DeepSeek、豆包等 AI 工具是否构成泄密风险，关键不在工具名称，而在是否输入客户资料、合同、源代码、个人信息、商业秘密、未公开制度或监管材料，以及企业是否设置脱敏、审批、日志留痕和人工复核。企业应把 AI 工具使用纳入制度和数据边界管理。",
      "canonical_url": "https://civcom.org/articles/employee-ai-tool-data-leakage-risk/",
      "platform_title": "员工使用DeepSeek会泄密吗？关键看输入内容、脱敏和留痕",
      "keywords": [
        "员工使用DeepSeek会泄密吗",
        "员工使用AI工具",
        "AI工具泄密风险",
        "企业AI数据安全",
        "AI使用制度"
      ],
      "format": "风险清单 + 制度建议"
    },
    {
      "query": "AI生成内容需要标识吗",
      "intent": "生成合成内容标识 / AI治理",
      "cluster": "AI治理",
      "priority": "P1",
      "answer": "企业使用 AI 生成或合成文本、图片、音频、视频、虚拟场景等内容时，不能只看内容是否好用，还要判断是否对外展示、发布、传播或交付，以及是否需要显式标识、隐式标识、记录留痕和人工复核。标识义务应进入企业 AI 使用制度和内容发布流程。",
      "canonical_url": "https://civcom.org/articles/ai-generated-content-labeling-obligation/",
      "platform_title": "AI生成内容需要标识吗？企业要先分清对外发布、显式标识和留痕",
      "keywords": [
        "AI生成内容需要标识吗",
        "AI生成合成内容标识",
        "AI标识义务",
        "人工智能生成合成内容标识办法",
        "企业AI治理"
      ],
      "format": "合规问答 + 发布流程清单"
    },
    {
      "query": "AI客服需要标识吗",
      "intent": "AI客服 / 用户告知 / 内容标识",
      "cluster": "AI治理",
      "priority": "P1",
      "answer": "企业使用AI客服、智能客服、数字人客服或自动问答系统时，应先判断用户是否可能误以为正在与真人沟通，以及客服回复是否涉及交易、投诉、合同、个人信息或重要权益。对外服务场景通常应明确告知AI参与、设置人工转接、保留对话留痕，并对高风险回复进行人工复核。",
      "canonical_url": "https://civcom.org/articles/ai-customer-service-labeling-compliance/",
      "platform_title": "AI客服需要标识吗？企业要先做好用户告知、人工转接和留痕",
      "keywords": [
        "AI客服需要标识吗",
        "智能客服合规",
        "AI客服告知",
        "AI客服人工转接",
        "AI生成内容标识"
      ],
      "format": "客服场景清单 + 合规问答"
    },
    {
      "query": "客户尽调资料包怎么准备",
      "intent": "资料包 / 销售支持",
      "cluster": "客户文件场景",
      "priority": "P1",
      "answer": "客户尽调资料包应把白皮书、架构图、数据流图、制度文件、子处理者清单、FAQ、历史回复和证据台账整理成可复用目录，同时标注哪些资料可直接对外、哪些需要脱敏或律师复核。",
      "canonical_url": "https://civcom.org/articles/customer-due-diligence-data-compliance-pack/",
      "platform_title": "客户尽调资料包怎么准备？别每次临时找资料",
      "keywords": [
        "客户尽调",
        "资料包",
        "白皮书",
        "证据台账"
      ],
      "format": "资料清单"
    },
    {
      "query": "常年法律顾问如何AI化",
      "intent": "持续支持 / 服务模式",
      "cluster": "持续法律支持",
      "priority": "P1",
      "answer": "常年法律顾问 AI 化，不是把咨询自动化，而是把高频事项沉淀为知识库，让 AI 承担整理、检索、比对和初稿，律师集中处理复核、谈判、重大风险和正式意见，从单次救火转向持续支持。",
      "canonical_url": "https://civcom.org/articles/continuous-legal-support-ai-transformation/",
      "platform_title": "常年法律顾问如何AI化？从单次救火到持续知识库",
      "keywords": [
        "常年法律顾问",
        "AI法律顾问",
        "持续法律支持",
        "企业法务AI化"
      ],
      "format": "服务模式解释"
    }
  ],
  "usage": [
    "用于百度、豆包、DeepSeek、百家号、今日头条、搜狐号等入口识别 CivCom 的中文高意图问题。",
    "用于规划外部平台文章：一个问题对应一个标准答案和一个 canonical 来源页。",
    "用于后续持续扩展：平台互动中新出现的问题，应回写为新的搜索意图条目。"
  ]
}