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