一、问题与目标
法律尽职调查(DD)要在有限时间内审阅大量合同、章程、裁判文书与工商档案,人工逐份核查效率低且易遗漏。本方案在数据不出域前提下,用开源工具链把非结构化文档转为结构化要素,再由本地大模型生成可读的风险摘要,适合律所内网或企业法务私有环境。
二、实现步骤
文本抽取:用 pdfplumber 读取 PDF,按版面切分段落,保留页码便于溯源。
关键条款定位:以正则匹配违约责任、保密、争议解决、管辖等高频条款标题。
结构化摘要:将抽取片段交给本地大模型,按固定 schema 输出风险点清单。
三、可复现代码
安装依赖:
pip install pdfplumber ollama抽取与定位示例:
import pdfplumber, re
with pdfplumber.open('dd_sample.pdf') as pdf:
text = ''
for page in pdf.pages:
text += (page.extract_text() or '') + ' '
clause_keys = ['违约责任', '保密', '争议解决', '管辖']
for k in clause_keys:
m = re.search(k + '.{0,120}', text)
if m:
print(k, '->', m.group(0))调用本地大模型生成结构化摘要(需先 pull 模型):
import ollama
prompt = '你是资深法务助理,请从下列文本中提取关键条款与风险点,用要点列出:' + text[:6000]
res = ollama.chat(model='qwen2.5:7b', messages=[{'role':'user','content':prompt}])
print(res['message']['content'])提醒:大模型输出仅作辅助,关键法律结论须由执业人员复核;正则规则需按文书模板持续校准,避免漏匹配变体表述。
参考来源
pdfplumber 官方文档 - pdfplumber 开源项目;Ollama 官方文档与模型库 - Ollama;中国证监会与司法部关于法律科技应用的公开指引 - 监管机构官方网站。