为什么要做要素抽取
合同审查最耗时的环节不是下结论,而是把散落在几十页里的当事人、金额、期限、违约与管辖等要素找出来、对齐到企业标准再做偏差比对。要素抽取把这一过程结构化,让律师从通读全文转为复核 AI 标出的风险点。
Step 1:文档预处理与条款切分
先统一格式、识别条款边界,扫描件需 OCR;再用标题与编号把合同切成可推理的条款单元:
import re
text = open('contract.txt', encoding='utf-8').read()
clauses = re.split(r'\n(?=第[一二三四五六七八九十]+条)', text)
print('条款数:', len(clauses))
print(clauses[0][:80])Step 2:大模型抽取关键要素
用本地或私有化大模型按固定 Schema 抽取,要求输出可解析的 JSON,并给出每条依据的段落:
from openai import OpenAI
client = OpenAI(base_url='http://localhost:11434/v1', api_key='ollama')
schema = '抽取: parties, amount, effective_date, term, renewal, governing_law, liability_cap, termination'
r = client.chat.completions.create(
model='qwen2.5:14b',
messages=[{'role':'user','content': schema + '\n' + text[:6000]}])
print(r.choices[0].message.content)Step 3:正则兜底与偏差比对
对金额、日期、管辖法院等强结构字段用正则兜底,提高召回;再与企业标准条款比对,输出偏差清单:
import re
amounts = re.findall(r'人民币\s*([\d,]+)\s*元', text)
dates = re.findall(r'(\d{4})年(\d{1,2})月(\d{1,2})日', text)
print('金额:', amounts, '日期:', dates[:3])
# 与标准对比:如管辖法院应为本公司所在地
if '北京' not in text and '管辖' in text:
print('偏差: 管辖地非标准')Step 4:落地与合规
① 先做标准合同类型,积累标注样本后再扩展;
② 保密合同先脱敏再交外部 SaaS,敏感场景选本地部署;
③ 每条抽取给出源段落,保证可审计、可反驳;
④ AI 输出仅作初筛,关键条款由律师终审签字。
说明:本文为技术视角梳理,不构成法律意见;具体合规以主管部门与执业律师意见为准。
参考来源
How AI Is Transforming Contract Review Software in 2026 - Harvey(法律 AI 平台技术博客);The Complete Guide to AI Contract Review in 2026 - Legavima(法律 AI 行业指南)。