← 返回概念项目列表 工程实现架构设计工程实现产品设计
概念原型RAG企业提效独立设计
合同文档智能审阅平台
基于 RAG 的合同/制度文档审阅，自动标注风险条款与合规冲突，法务初审效率提升 5 倍
企业 AI 改造中，文档处理是另一个高频提效场景。法务每天审阅大量合同，80% 的工作是"找不同"——对照模板找缺失条款、对照法规找冲突表述。这个原型是企业 AI 提效矩阵的业务场景层——与数据查询平台并列，一个处理结构化数据，一个处理非结构化文档，共同覆盖企业最核心的信息处理需求。
产品原型
文档审阅台主界面 · 交互原型预览
DocReview
采购合同审阅 · 甲方版本 vs 标准模板
42 条条款 · 5 条风险 · 2 条缺失 · 1 条合规冲突 · 耗时 8s
查看风险详情 →5
风险条款
2
缺失条款
1
合规冲突
风险标注
⚠
第 8 条 · 违约金上限缺失 · 建议补充不超过合同总额 20%
高风险
⚠
第 15 条 · 付款条件与公司制度冲突 · 净 90 天超限
合规冲突
✓
第 22 条 · 知识产权归属已按标准模板
通过
核心模块
我设计的四个关键模块
01
📑条款切分器
把合同按条款语义切分，而非按段落切。核心设计：每条条款必须带"条款类型"标签（违约责任、付款条件、知识产权等），否则无法和规则库匹配。
02
🔍风险规则引擎
规则库分三层：模板缺失检测、法规冲突检测、表述模糊检测。规则可由法务团队自行维护，不需要工程师介入——这是产品能否落地的关键。
03
🧠RAG 比对器
把标准模板和历史合规案例建成向量库，新合同条款语义检索相似案例后做差异比对。直接逐条 LLM 比对成本太高，先检索再比对把 token 消耗降 60%。
04
✅人工确认台
AI 标注的风险不等于真风险。我设计了三色确认机制：AI 高风险→法务必须逐条确认，AI 中风险→法务抽检，AI 低风险→自动通过。不让 AI 替法务做决定，只帮法务缩小范围。
技术方案
从文档上传到风险标注的完整链路
📑
Clause Splitter语义切分 + 类型标签→
🧠
RAG Compare向量检索 + 差异比对→
🔍
Rule Engine三层规则匹配→
✅
Review Console三色确认设计权衡与开放问题
已决策
- 条款按语义切分而非段落，每条带类型标签
- 规则库三层分离，法务可自行维护
- 先 RAG 检索再 LLM 比对，token 成本降 60%
- 三色确认机制，AI 只缩小范围不替人决策
➜
开放问题
- 非标准合同（无模板对照）如何审阅？覆盖率待验证
- 规则库膨胀后误报率上升，如何做规则优先级？
- 多语言合同的条款切分准确率差异大
- 法务团队是否信任 AI 标注？需做信任校准实验