第一条
飞书里的出海合规 Agent
从多个国家的合规调研，到一位住进飞书的「海外发行调研专家」。
点击展开▾
- 起点 · 从法律调研开始：借助AI做某款游戏的海外发行合规调研。
- ① 多法域检索 · 工作流：GDPR、DSA、USK、PEGI……多国多层级法规，用一条流水线应对：AI 搭建合规框架 → 定向检索法条原文 → 翻译并解读 → 人工逐条复核。
- ② 多法域检索 · 模型分层与输出控制：不是选最强的模型，而是选最合适的：专业内容交给 Kimi K3，中等复杂交给 DeepSeek，简单任务交给混元，Claude 交叉验证；固定输出模板显著提升准确率，低置信度段落留给人工复核。
- 不止步 · 从调研到清单：做完几个国家后发现，各国合规清单高度共通。我没有停留在逐国重复，而是自主提炼出一份多国通用的合规要点清单。
- 关键选择 · 从清单到 Agent：清单靠人逐项执行，太慢。做成 Skill？Skill 依然需要人调用，且功能单一。最终，我决定做一个 Agent，定位为：游戏海外发行调研专家——它的每一项能力，都会长在我的调研框架上。
- 实现 · 两条路线都趟过：Codex 亲手做——尝试用 AI 编程工具把这个 Agent 实现出来，没学过写代码，但「让 AI 替我写」本身就是法律人的新能力；Coze 全流程——提示词编写、LM 选型、知识库搭建、技能搭配、效果调试，低代码搭建从头到尾走了一遍。
- 六项能力：一句话调研——发国家和游戏名，直接产出规定格式的调研表格 · 知识库——文档自动解析入库，沉淀为可检索知识库（RAG）· 国家对比——发几个国家名，输出合规要点差异 · 框架问答——海外发行问题，按我的调研框架作答 · 功能自查——说「要上线某功能」，输出合规检查清单 · 持续监测——定期检查法规更新，我确认后自动写入知识库。
- 数字员工：它不止是工具，更是一位数字员工——拉一个群，团队里就多了一名海外发行调研专家。往后每个专业板块培养一名数字员工，就是一支天然的法务 AI 团队。
- 落地飞书：我没有满足于把它放在某款 AI 产品里，而是接入飞书、做成内部机器人。数字员工的意义，在于进入真实的工作场景。
AI 负责广度和速度，法务负责判断和把关——所有结论带来源链接，关键更新经人工确认才写入。
基于某游戏的海外发行调研延伸搭建 · 法律人独立上线，全程无工程师参与 · 60项自动化自检全部通过
证据
备注：Agent 运行实测——一句话发起「意大利 · 三消游戏」调研，自动联网检索、产出合规调研报告 Excel 表格，新知识自动同步飞书知识库管理表
备注：AI 编程工具 Codex 对话截图——用自然语言指挥 AI 搭建
备注：Coze 低代码搭建页面录屏——提示词编写、模型选型、插件搭配、预览与调试
▴ 收起
