耗费患者两个月的文书处理难题

Enter 参加了 2026 年春季的 HackPrinceton 黑客松 —— 在普林斯顿大学校园内，410 名参赛者，历时 36 小时。ACTA AI 背后的团队选择了全场最难的课题。而且，他们非常清楚为什么要这样做。

披着法律外衣的人道主义难题

临床试验每延迟一天，患有侵袭性癌症、罕见疾病和慢性病的患者就需要等待更长时间，以获取可能改变或拯救他们生命的疗法。

在第一位患者入组试验之前，药物申办方和临床研究中心必须协商一份《临床试验协议》（CTA）——这是一份复杂的法律文件，涵盖知识产权、赔偿、出版权、患者隐私和监管报告义务。这种谈判平均需要 100 天。由于每天损失的管线价值在 80 万美元到 140 万美元之间，经济成本巨大。但更重要的数字是那些未出现在任何财务模型中的数据：那些处于延迟对立面、正在耗尽时间的患者。

对于一家运行着 56 个在研临床阶段项目的公司来说，每项谈判节省 50 天时间，就能释放超过 22.4 亿美元的管线价值。更重要的是，这意味着面对侵袭性淋巴瘤或罕见炎症性疾病的患者，能够提前近两个月获得可能挽救生命的治疗机会。

团队并没有将此视为一个法律自动化问题。他们的定性完全正确：这是一个披着文书外衣的人道主义问题。

ACTA AI 的实际功能

ACTA AI 是一个围绕临床试验协议流程构建的多智能体合同智能平台，其设计目的是实现当前商业法律 AI 工具尚未具备的功能：逐条分析合同、强制执行标准化基准、跨版本和各方跟踪谈判过程，并在合同冲突演变成法律危机之前发现它们。

定义整个产品的架构决策也最容易解释。将一份 30 页的法律合同作为一个单一的文本块抛给语言模型，会产生不可靠的输出。该团队完全采取了相反的做法。每份合同都被拆分为单独的条款，在与包含七项 ACTA 标准（出版审查窗口、赔偿结构、付款条款、保密期限、间接费用上限）的硬编码基准进行独立分析后，再将结果汇总为执行摘要。这种结构正是法律智能工具与高级搜索框的区别所在。

ACTA AI 的条款分析界面，显示了每个合同部分相对于 ACTA 基准的独立合规评分——在生成执行摘要之前，偏差会根据严重程度进行标记。

一个置信度评分系统将每个条款分为四类：与基准对齐并可继续、带有标准修复建议的轻微偏差、若不解决将导致数周延迟的关键偏差，以及系统从未遇到过的内容，直接路由给人类律师处理。一个两人法律团队可以同时管理 50 份合同，因为他们总是清楚应该首先关注哪里。

一键式“ACTA 模式”解决了谈判完全陷入僵局的情况。只需一个按钮，即可将所有偏差条款同时重写至基准状态，生成并排的修订追踪视图，以及一份随时可发送的谈判备忘录，向对方解释每一项变更。

预测性站点角色（Site Personas）考虑了通用合同工具完全忽略的一点：不同的医院谈判方式不同。学术医学中心和区域性社区医院有着不同的法律优先事项、不同的反应模式和不同的底线。ACTA AI 在合同发送之前就能预测摩擦点会在哪里出现。

多方冲突检测器（Multi-Party Conflict Detector）——团队称这是最让他们惊喜的功能——解决了一个目前需要资深律师手动交叉核对数百份文件的问题。上传多份 CTA，运行扫描，系统就会揭示跨合同的不一致之处：向不同站点提供针对同一化合物的冲突性知识产权授权，向不同机构承诺不兼容的出版窗口。以前在项目进行数月后才浮现的法律危机，现在只需几秒钟就能发现。

多方冲突检测器界面，显示了在多份同时进行的《临床试验协议》中标记出的跨合同不一致之处——这是团队在三小时内构建的功能，可能也是产品中最具商业价值的特性。

开发过程

后端是一个四智能体管线——文档解析器、条款提取、风险识别、合规检查、建议——通过一个共享的状态对象，在每一步携带提取的条款、风险发现、合规结果和版本差异。该架构还包括一个路由层，反映了律师事务所实际分配工作的方式：法律含量高的条款交给擅长法律推理的模型，快速分类任务交给擅长速度的模型，复杂的重写交给擅长语言质量的模型。为工作选择正确的模型，将其内置到系统中，而不是留给运气。

团队成员在周末开始之前都没有构建过生产级多智能体管线。该架构在确定最终方案前经历了三次彻底的重新设计。回过头来看，团队将那些早期的争论描述为黑客松中最有价值的时光。

前端被重建了两次——这是有意为之的。视觉语言采用了暖奶油色、鼠尾草绿和柔和的青色。选择这些颜色的原因很明确：临床软件应该让人感到值得信赖且平静。这种设计是产品决策，而非风格选择。

最令他们自豪的是什么

它能处理真实的文档。

真实的《临床试验协议》——混乱的格式、不寻常的条款排序、系统在开发过程中从未遇到过的法律术语——该管线都能处理。边缘情况能优雅地降级。回退机制运行顺畅。结构化输出保持稳定。

多方冲突检测器差点没能赶上提交。它是最后增加的，仅用了三个小时完成。但他们还是发布了它，并坚信这是产品中最具商业价值的部分。

他们还为一件未在演示中展示的事情感到自豪：在第 28 小时，疲惫且压力巨大的情况下，他们没有相互指责。他们将压力下尊重队友视为一种技能，并像对待技能一样去实践它。这不是小事。这可能就是其他一切工作能完成的原因。

多方冲突检测器是首要任务——从工作原型迈向持久化合同存储、冲突历史记录跟踪、自动化警报以及显示哪些站点共享重叠法律条款的网络可视化。

接下来是隐私优先的架构。《临床试验协议》包含有关患者和组织的敏感信息。下一个版本需要端到端加密、基于角色的访问控制，以及一个满足谈判双方监管要求的数据处理框架。用团队的话说，信任是任何法律产品的基石。他们想正确地赢得这份信任。

更长远的雄心是智能体从真实案例中学习——将实际的谈判结果反馈回系统中，以便它随着时间的推移完善其风险模型。哪些偏差导致了延误。哪些底线条款被接受了。哪些类型的站点在哪些条款上抵触最强烈。系统处理的合同越多，它就越聪明。

最终，将实现纵向谈判智能：这一功能可以准确地告诉法律团队某个特定站点过去是如何谈判的、他们最终接受了什么措辞、摩擦最可能在何处出现——这种目前仅存在于个别律师头脑中的机构记忆，将被转化为团队中每个人都能访问的资源。

值得解决的问题

ACTA AI 的诞生不是为了赢得比赛。而是因为这个问题真实存在，其代价极其残酷，且至今无人真正解决。

从一种有前景的疗法进入试验到患者获得治疗之间的鸿沟，主要不是一个科学问题。它是一个协调问题、文档问题、流程问题——恰恰是那种可以通过在正确的层面应用结构化智能来缩小的鸿沟。

团队看到了那道鸿沟，并花了 36 小时构建了将其缩小的东西。谈判桌另一端的患者没有 100 天的时间去等待。

错过了之前的篇章？ → Vol. 1 — Heritage in Pixels → Vol. 2 — Terra Zone AI *→ Vol. 3 — *reAgent *→ Vol. 4 *— TaleTailor *→ Vol. 5 *— LEGR *→ Vol. 6 — *PolyPath *→ Vol. 7 — EcoThread→ Vol. 8 *— Aletheia *→ Vol. 9 *— Synova → Vol. 10 — Overturn Insurance→Vol. 11 — **VentureLink *→**Vol. 11 *—Atlas: Immersive 3D AI Learning