制度合规审核

大多数审核场景里，标准是相对稳定的。制度合规不是——上位法修订、行业标准换版、监管口径调整，都会让企业内部几十上百份制度在某一天突然变得不合规。

而发现通常是滞后的。等到某次检查被指出问题，往往已经按旧制度执行了一段时间。人工比对的覆盖面和频率都有明确上限：一个法务一年能完整过几遍全量制度？

需要长期跟踪的法规发布网站、监管机构站点，用 Web 站点知识库接入——填 URL 自动爬取，支持在线内容的实时同步和增量更新。

这是本场景与其他知识库场景最根本的差别。别处的知识库是"建好了用"，这里的基准库必须是活的。如果还是靠人定期去下载新法规再上传，那么这套系统的时效性上限，仍然等于那个人的勤勉程度。

企业内控要求、行业标准、现行制度文件各自导入通用知识库，与外部法规库分开。

分库不是为了整洁，是为了避免一类具体的错误：如果把制度和法规放进同一个库，审核某份制度时，检索很可能把这份制度自己的原文当作"依据"召回上来，于是模型看到两段一致的文字，判定"合规"。这种错误很隐蔽，因为结论看起来完全正常。

审核输出应该拆成两类：与上位法冲突的条款（写了，但写错了），以及应有而未有的条款（根本没写）。

人工审核天然擅长前者、容易漏后者——人只会检查已经写下来的东西。而模型可以拿基准清单反向核对：法规要求建立的七项机制，现行制度里只体现了五项，缺的那两项才是真正的风险点。

每条意见都要标注依据出处——引自哪部法规第几条。检索策略用混合检索，法条编号靠全文检索命中，"应当建立……制度"这类表述靠语义检索命中。

配定时任务按季度或按监管更新节奏重跑全量制度。基准库已经自动更新，复核跑一遍就知道这轮修订影响了哪几份制度。

从"出问题再排查"变成"修订完就知道影响面"，这是这个场景真正的价值所在。