购销合同违约责任主要包括继续履行、采取补救措施、赔偿损失（含直接与可得利益）、支付违约金及定金罚则五类，具体依合同约定及违约情形确定，争议可协商、调解、仲裁或诉讼解决。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在30分钟内从一份87页的购销合同里拎出违约责任、付款条件、争议解决这三项关键条款，还要标出风险点——ChatGPT能帮你把通读时间压缩到4分钟，但前提是输入文本前完成三步净化。
第一步：合同文本安全清洗
打开Python编辑器或在线代码运行平台（如replit.com），粘贴以下脚本并执行：
import re
def sanitize_contract(text):
text = re.sub(r'1[3-9]\d{9}', '[PHONE_MASKED]', text)
text = re.sub(r'\d{17}[\dXx]', '[ID_MASKED]', text)
text = re.sub(r'第\s*\d+\s*页.*', '', text)
return text.strip()
这一步必须做，否则ChatGPT可能在输出中复现真实身份证号——【法律合规红线，不可跳过】。
将原始合同全文粘入函数调用：cleaned = sanitize_contract("甲方：张三，身份证110101199003072315...")，运行后复制输出结果。
第二步：精准提取三项核心条款
在ChatGPT对话框中输入以下指令（注意标点、换行、空格全部照抄）：
你是一名专注商事合同审查的执业律师。请严格按以下要求处理我提供的合同文本：
① 只提取【违约责任】【付款条件】【争议解决】三个条款原文，每个条款单独成段，不加任何解释；
② 若某条款分散在多处，请合并为一段并标注原始页码（例：P12+P45）；
③ 禁止改写、概括、补充，原文缺失即写“未约定”；
④ 输出格式：【违约责任】→原文内容；【付款条件】→原文内容；【争议解决】→原文内容。
把上一步得到的cleaned文本完整粘贴在指令末尾，发送。
若返回结果含“根据经验推测”“通常应包含”等表述，说明模型越界了——立刻终止对话，换用方法二。
第三步：风险点人工锚定与验证
方法一：用关键词反向定位
在提取出的【违约责任】段落中，逐字查找“滞纳金”“自动解除”“无需通知”字样。只要出现任意一个，立即停住——这些词大概率触发《民法典》第585条关于违约金过高调整的司法审查，需人工核对约定比例是否超过LPR四倍。
方法二：用结构比对查漏洞
打开《民法典》第595–602条，对照【付款条件】段落检查是否存在“验收标准”“验收方式”“验收异议期”三个要素。缺任一要素即构成重大履约风险，必须补签补充协议。
方法三：用管辖逻辑验效力
查看【争议解决】中“提交XX仲裁委员会仲裁”的表述，立刻打开该机构官网，确认其名称与《仲裁法》第10条登记名录完全一致。曾有律师因输入“上海国际经济贸易仲裁委员会”（正确名应为“上海国际经济贸易仲裁委员会/上海国际仲裁中心”）导致仲裁条款被法院认定无效。
