合約關鍵條款抽取與風險標記：逐頁閱讀的替代方案（Chinese original）

銷售合約、採購合約、保密協議——商務與財務同事常遇到同一個困境：合約幾十頁，條款順序每份都不一樣，逐頁讀太慢，跳著讀又怕漏掉的那條正好最貴。這篇的配方產出的是一張「條款對照表」：固定七類條款、每筆結論附原文頁碼與條號、與你方標準範本的偏差被標記出來，讓覆核的人把時間花在真正有差異的地方。開始之前先把邊界立起來：這個配方的輸出是供覆核導航的「線索清單」，不是法律意見；條款含義的解釋與風險的最終判斷，必須由合格法律人員確認。

這個場景解決什麼

逐頁閱讀合約的三個痛點：位置不固定（同類條款在不同合約裡的位置、名稱、寫法都不一樣，每次都要重新找）；表述變體多（同一種限責安排有很多種寫法，讀到第十份時注意力已經撐不住）；遺漏無感（漏掉一條不會有任何提示，你根本不知道自己漏了）。

這個配方做的四件事：定位與轉錄（七類條款各在哪、原文怎麼寫）、對照（與你方標準範本逐項比）、標記（偏差處按等級標出來）、導航（覆核的人先看重大偏差與「未找到」）。

同樣明確它不做什麼：不解釋法律效果，不判斷「能不能簽」，不替代法務。AI 在這個流程裡的「理解」止步於「這條款表面約定了什麼」；「這樣約定對你方意味著什麼」是法律判斷，屬於人。

工具組合與前置準備

工具	在流程裡做什麼
PaddleOCR	掃描檔與圖片型合約轉文字；可本地部署，敏感合約不出內網
Claude	長文字的條款定位與轉錄，輸出結構化的對照表行
NotebookLM	把你方標準範本與底線清單上傳為依據來源，偏差比對能同時引用兩邊原文

PaddleOCR 的環境搭建與端到端實作見PaddleOCR 抽取港股年報；三個工具的定價與部署方式以官網為準。

資料前置：合約在公司裡通常屬於高敏感資料。動工前確認三件事：這份合約能不能用雲端工具處理（問法務與資訊安全）；要不要去識別化（當事方名稱、金額等欄位先遮蔽再進流程）；要不要本地路線（OCR 本地跑，模型端依資料分級結果決定）。分級方法見企業資料安全基本盤。

材料準備：你方標準合約範本（最新版本）；不可讓步的底線清單（例如「責任上限必須存在」「保密期間不得短於合作期間」）；兩三份歷史合約當測試樣本。底線清單由法務預先確認——它是對照表的尺，尺不能在覆核時才現場發明。

一、檔案分流——文字層 PDF 與掃描檔走不同路

判斷方法：打開 PDF，嘗試選取並複製一段文字。能選取、能複製，是文字層 PDF；選不中、整頁本質上是一張圖片，是掃描檔。不少合約是混合型（簽字頁掃描、內文文字層），要逐頁確認。

檔案類型	處理路徑	關鍵動作
文字層 PDF	直接抽取文字	必須保留頁碼：每段文字記錄它來自第幾頁——頁碼是之後覆核回溯原文的根
掃描檔	PaddleOCR 做文字識別	OCR 輸出必須校對；數字、日期、金額、否定詞所在段落全部對照原圖核過
混合型	按頁拆分，分別走上面兩條路	頁碼以原文件統一編號；合併後檢查頁碼序列連續

掃描路為什麼要更保守：合約場景會放大 OCR 錯誤。一個數字辨識錯，金額就變了；一個形近字錯，義務主體就換了；漏掉一個「不」「無」「得」，條款意義整個反轉。機器讀文件的錯誤模式與校對策略，機器怎麼讀懂財報有完整說明。

二、定義條款對照表的欄位

固定抽七類條款，每類都要有結果（找不到也是結果，見下文）：

期限與終止：合作期限、續約機制、提前終止的條件與通知期
付款與價格：金額與幣別、付款節點與條件、遲延付款的處理
違約與救濟：什麼構成違約、救濟方式、補正期間
智慧財產：成果歸屬、授權範圍、背景智財的處理
責任限制：有沒有責任上限、除外情形、上限的計算基礎
保密：保密資訊範圍、保密期間、例外情形
管轄與爭議解決：準據法、管轄法院或仲裁安排、前置協商程序

對照表每一行的欄位設計：

欄位	填什麼
條款類別	上述七類之一
合約原文摘錄	節錄關鍵原句，不改寫
原文位置	頁碼＋條號
你方標準立場	來自標準範本與底線清單，由法務預填
偏差描述	與標準的具體差異（哪句、差在哪）
偏差等級	與標準一致／可接受偏差／重大偏差／合約未找到
覆核狀態	待覆核／已覆核／有爭議
覆核者與日期	人工覆核後填寫

兩個設計要點。「未找到」是一等公民：缺少責任上限條款的合約，可能比責任上限異常的更危險——空白本身就是風險信號，絕不能留白或用範本內容補上。偏差等級只標事實（與標準差多少），風險的最終定性由覆核的法務填，AI 給的等級只是初篩建議。

三、抽取提示詞——只定位與轉錄，不解釋

提示詞骨架：

任務：從以下合約文字中，定位七類條款：期限與終止、付款與價格、
違約與救濟、智慧財產、責任限制、保密、管轄與爭議解決。

每一類輸出：
- 原文摘錄：節錄關鍵原句，禁止改寫或以摘要代替
- 原文位置：頁碼與條號（輸入文字中已帶頁碼標記）
- 內容要旨：一句話描述這條款約定了什麼表面內容；
  不分析對任何一方的利弊，不預測法律效果
- 找不到時：輸出「未找到」，禁止以通用條款或其他合約的
  內容補充

紀律：只使用給定文字中出現的內容；不引用「行業慣例」；
不憑記憶補全；輸出按固定欄位的表格。

兩條設計理由。「未找到」必須顯式要求：模型在找不到條款時，傾向於編一條「應該存在」的標準條款填進去，而且填得格式完整、語氣正常——這是合約場景最致命的錯誤形態，比抽錯更難被發現。禁止解釋效果：解釋是法律判斷，模型會給出看似專業的說法，但沒有任何東西為它的說法負責。

長合約的處理：不要一次把幾十頁塞進一個對話。按章節切段，每段帶同一個抽取任務，最後合併成一張表。合併後必做兩個檢查：頁碼序列是否連續；七類條款是否每一類都有結果（含「未找到」）。切段有一個隱性風險——中間某段被漏掉，而輸出依然「看起來完整」，所以合併檢查不可省。

四、異常條款標記——對照你方範本找偏差

把標準範本與底線清單放進 NotebookLM 當依據來源，讓每條偏差描述能同時引用兩邊原文：合約第幾頁第幾條寫了什麼，標準範本對應位置寫了什麼。

偏差描述的寫法紀律——指向差異本身，不下定性結論：

合格：「範本為責任上限等於合約總價；本合約責任條款未設上限（第某頁某條）。」
不合格：「責任條款對我方嚴重不利。」——這是法律結論。它無法被機械查證，還搶先替覆核者做了判斷。

標記動作到「高亮＋描述差異＋初篩等級」為止。可接受偏差還是重大偏差，最終由覆核者裁定；覆核者看到的每一條標記，都能沿著兩個位置指針（合約的、範本的）在幾秒內回到原文——這是整個配方可信的基礎。

五、人工複核與留痕

複核順序：重大偏差 → 未找到 → 可接受偏差 → 與標準一致（抽看）。把最稀缺的法務時間集中在前兩組。
複核動作三件：照頁碼條號翻回原文；核對摘錄有沒有抄錯；讀內容要旨有沒有扭曲原意。這三件是 AI 輸出最高頻的錯誤點。
掃描路徑的合約：數字、日期、金額、否定詞相關段落逐段對照原圖，不抽樣——這一步省下的時間，會用事故的代價還回去。
歸檔：每份合約存齊原始檔、抽取輸出、對照表、覆核者與日期、標準範本版本、提示詞版本、模型版本。歸檔的目的是可重現：半年後被問「當時這個結論怎麼來的」，你能完整回答。
版本紀律：範本更新或提示詞修改後，受影響的舊對照表標記「待重審」，舊結論不自動沿用。

六、交付邊界與免責

以下三句寫進對照表表頭與交付說明，不是口頭說說：

本表為 AI 輔助生成的線索清單，僅供覆核導航，不構成法律意見；
條款的解釋、風險的定性與簽署決定，均由合格法律人員確認後為準；
本表不直接發送給交易相對方作為你方立場；對外溝通不引用 AI 要旨，只引用合約原文。

高風險合約（併購、擔保、長期獨家、大金額）不論對照表看起來多乾淨，一律走法務全流程審查。這個配方在那類場景的價值是「幫法務更快定位」，不是「少審一點」。合規框架見AI 合規與風險邊界；涉及對外發布資訊的措辭邊界，可參考投研 AI 的合規邊界。

成果與驗收標準

檢查點	通過標準	沒通過怎麼辦
檔案分流	文字層／掃描／混合判斷正確；頁碼序列連續	重做拆分；OCR 失敗頁人工轉錄
OCR 品質	掃描路徑的數字與金額段落全部對照原圖核過	重跑 OCR 或人工轉錄該頁
抽取覆蓋	七類條款每類有結果或「未找到」，無類別空白	檢查切段與合併環節是否漏段
位置可回溯	隨機抽行，照頁碼條號翻回原文，摘錄與原句一致	修定位邏輯，該批重跑
偏差描述	只描述差異，無法律效果定性字眼	修提示詞與描述模板
人工複核	重大偏差與「未找到」全部經人工複核並署名	補完複核才交付
留痕完整	範本版本、提示詞版本、模型版本、覆核紀錄齊全	補建歸檔流程

常見踩坑

OCR 文字直接當準確：否定詞漏一個，條款意義反轉；數字錯一位，金額差一個量級。數字與否定詞必須回原圖。
讓 AI 解釋「這條對我們意味著什麼」：這是法律判斷。模型會給出一個語氣篤定的答案，而它不為這個答案負任何責任。
「未找到」不標記：模型會從範本補一條上去。空白比錯誤更危險——錯的能在覆核時被抓到，補上的看起來很正常。
對照表不帶頁碼：覆核的人無法回溯原文，整張表退化成一堆不可查證的斷言，用處歸零。
一個提示詞塞整份長合約：上下文長度不足時後段章節被靜默丟棄，輸出仍然格式完整，你不會收到任何報錯。
高敏合約丟進未經允許的工具：效率問題還沒解決，先製造一個資料外洩問題。
把 AI 對照表當法律意見流轉：跨部門傳閱時沒人記得它是「線索清單」，總有一天有人拿它直接做決定。交付說明裡那三句免責，就是為了擋這件事。

下一步

PaddleOCR 的環境與端到端實作：PaddleOCR 抽取港股年報
OCR 與文件解析的錯誤模式全解：機器怎麼讀懂財報
想把歷史合約變成可提問的知識庫：RAG 深度解析
同一套「標準顯性化＋逐條比對＋人工覆核」模式用在招聘：履歷初篩與面談問題生成
資料分級與本地部署選項：企業資料安全基本盤
合規邊界的完整框架：AI 合規與風險邊界