监管问询材料，先按编号拆成字段

一封监管问询函列出十七个编号事项，卷宗里混着邮件截图、扫描件、整改报告和几年前的制度版本。逐份通读未必最耗时，难的是把每份材料放回问询函对应的格子。8月11日，Relativity 发布 aiR for Review 的 Custom Analyses，用自定义提取和分类处理图片、扫描件及半结构化文件。中国团队难以把它直接当作采购海外产品的答案，但其中的拆题方法可以参考。

这类系统可以把“相关/不相关”之外的判断拆成字段：材料对应问询函第几项，文件属于制度说明、业务执行还是整改记录，是否已在关联事项中提交过。Relativity 的说明中，每个字段由对应单一目标的提示生成；审阅人员仍保留相关性和特权判断，并可确认或改写字段结果。产品页也将 Custom Analyses 列为可按事项要求批量提取、分类文档的能力。

把问询函编号放到审阅表最前面

国内企业处理监管检查、行政调查或内部调查材料时，常用工作表记录“文件名、来源人、日期、摘要”。这便于盘点，却未必能直接回答监管问题。问询函的编号、适用期间、业务主体和文件角色，才构成后续解释和提交的框架。

假设一项问询涉及某三年期间的营销审批。模型可限定为从文件中提取问询编号、涉及主体、文件角色和日期范围，每个字段对应明确的判断条件。输出用于形成初筛表，不替代事实认定。聊天记录截图、扫描版审批单和附件中的旧版本制度，往往容易在人工表格中漏掉，也不适合只靠关键词粗筛。

每个字段只回答一个问题

海外产品有一个细节：一个提示对应一个目标。把“是否相关、对应哪项问询、是否涉密、是否已提交、摘要是什么”塞进同一条指令，往往得到一段顺口的说明，字段之间却难以复核。拆成独立字段后，可以逐项抽样核验；复核人只需改动单个字段，不必推翻整段模型意见。

这套方法并不依赖 Relativity。中国团队在自建检索系统、国内模型或已有电子取证平台中，都可以先把问询函整理成编号和要件，再将编号映射、文件角色、时间范围等写成单独的结构化结果。需要留存的材料包括原始文件定位、模型版本、提示内容、输出值和人工改写记录。缺少这些，后一轮补件或质询到来时，很难说明某份文件为何被归入某一事项。

材料能否出域，要单独审查

这套流程移植到中国，硬约束不在提示词。问询材料可能含有个人信息、商业秘密、客户资料或受保密义务约束的第三方文件。海外 SaaS 的功能说明、ISO 或 SOC 认证，不能自动回答这些材料能否上传、由谁访问、解析结果保存在哪里。采购或上线材料通常要把数据类别、处理地点、分包处理、保留期限和导出路径单列出来；这与模型分类准确率属于两条不同的审查线。

较小的试点可以只使用已经脱敏、已完成权限确认的历史材料，并保留人工既有的编号结果作对照。模型字段与人工结果不一致的样本最有价值：它能暴露问询编号定义是否含混、文件角色是否混用，或图片和扫描件是否需要单独处理。

下一次问询函到来时，团队可以先把问询编号整理成一张可测试的字段表，再交给模型逐项填充。模型少读几千页，并不构成可交付的成果；监管追问时，每个编号下都应有可回看的文件依据。

相关报道

• Relativity：Beyond One-Size-Fits-All: Introducing Custom Analyses in Relativity aiR for Review（2026年8月11日）
• Relativity：AI Document Review for Legal Teams | aiR for Review