欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

合同智能比对与差异标注:从规则到语义的审查流水线

上邦 AI 工程团队2026-10-08阅读 约 10 分钟
法务与商务团队大量时间消耗在比对两份合同的条款差异上——模板版与修订版、主协议与补充协议、不同语种版本之间。本文给出一条可落地的智能比对流水线:先用 difflib 与语义分块定位差异片段,再用本地大模型对差异做风险标注与摘要,最后输出结构化对照表。附 Python 可复现代码,支持私有化部署,合同原文不出企业网络。

合同比对为什么值得自动化

一份合同的修订往往只动了少数条款,但人工逐段核对既慢又容易漏。智能比对的目标不是替代律师,而是把差异定位和初步风险标注交给机器,让人专注于判断。典型场景包括:模板版与对方修订版的逐条对照、主协议与补充协议的冲突检查、历史版本回溯。

第一步:基于行的快速差异定位

最朴素也最稳的方式是按段落切分后用 Python 标准库 difflib 计算差异,快速锁定哪些段落被增删改。
import difflib

def line_diff(a_text, b_text):
    a = a_text.splitlines()
    b = b_text.splitlines()
    out = []
    for tag, i1, i2, j1, j2 in difflib.SequenceMatcher(None, a, b).get_opcodes():
        if tag == 'equal':
            continue
        out.append({'op': tag, 'a': a[i1:i2], 'b': b[j1:j2]})
    return out

changed = line_diff(old_contract, new_contract)
print('差异段落数:', len(changed))

第二步:用语义分块替代机械切行

合同常因换行位置不同而让行级 diff 失效。按条款编号或标点切句后再比对,能更贴近真实语义差异。也可以调用本地大模型把两版合同各自拆成条款-内容键值对,再按条款标题对齐。

第三步:用本地大模型标注差异风险

对每一处差异,调用部署在内部的模型生成一句话风险摘要,并打上等级标签。下面用 Ollama 在本地完成,合同内容不离开企业网络。
import ollama

PROMPT = '''你是合同审查助手。下面给出同一合同的旧版片段与新版片段,
请只输出:1)变更性质(增/删/改);2)可能涉及的风险点;3)一句话建议。不要编造条款。

旧版:{old}
新版:{new}'''

def annotate(old_seg, new_seg):
    r = ollama.generate(model='qwen2.5:7b',
                        prompt=PROMPT.format(old=old_seg, new=new_seg))
    return r['response']

if changed:
    print(annotate(changed[0]['a'], changed[0]['b']))
模型只做辅助提示,不应直接给出法律结论。涉及效力、管辖、违约责任等关键条款,必须由持证人员复核;同时保留原始差异记录以备追溯。

第四步:输出结构化对照表

把差异位置、性质、风险摘要、建议汇总成表格,便于在评审会上快速过一遍。字段建议固定为:条款标题、变更类型、旧内容摘要、新内容摘要、风险等级、处理状态。

参考来源

2026 企业法务 AI 应用趋势报告(条款比对效率) - 法律科技行业报告
上海检察机关智能辅助办案模型报道 - 黄浦区人民检察院 / 法治日报
Bridging the Gap in Chinese Legal Conflict Review - Springer 出版物
中文法律大模型评测基准 PLaw Bench - 学术研究评测
相关标签:法律AI合同审查文本比对大模型合规

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案