这一份是谁写的、数据是什么性质：由 HEYI 撰写，介绍我们交付的一个客户项目，客户未获具名授权前按其要求匿名。本文数据全部取自系统代码与测试实测（截至 2026 年 9 月 8 日）——第一期已完成，真实合同的人工验收进行中，客户侧的量化收益要等验收之后才有，本文一条都不写。
这一份里有什么
- 法务每次要回答的，是同一个问题
- 五件挡在前面的事，第一件是「标错比漏标更糟」
- 六条方案，支点是「位置由算法算」
- 第一期已完成：验收指标与 144 条断言
- 现在还做不到什么（这一节写全了）
- 数据的性质、口径与出处
01 场景
法务要回答的问题始终是同一个：这一版跟我们发出去的那版，差在哪，哪些差异不能接受。
企业发出自己的合同范本，对手方改一版回传。这件事在采购、销售、技术服务、软件与 SaaS、租赁、建设工程、委托代理、保密、知识产权许可等常见商事合同上每天都在发生，而法务每次都要从头逐条比对。
交付是一套 Web 应用，六个页面。日常使用五个：合同预审、预审历史、预审详情（逐条接受或拒绝对手方改动）、规则库、规则建议；实施时配一次的首次配置问卷不放进导航栏——日常使用的人不该改审查标准。
- 上传两份 .docx：我方稿 + 对手方回传稿。
- 逐字比对：纯算法，模型不参与。每处改动带段落号与字符区间。
- 按我方立场筛规则：同时判合同类型。立场由人选，系统不推断。
- 模型判风险：定实质性、定风险等级、给处理口径。
- 按编号贴回位置：坐标来自第二步，不是模型给的。
- 出两份交付物：风险清单 Word ／ 在对手方原稿上注入批注的 docx。
六步自上而下读。要看的是第二步和第五步之间隔着模型——位置在模型介入之前就算好了，之后只按编号贴回去。这条分工是整套设计的支点。
02 挑战
让模型「找出改动并复述原文」，交付出来的是一份不可信的批注。
01 位置标错，比漏标更糟
模型会改写原文、会漏、会把批注挂到相似的另一条上。合同批注只要错一处位置，法务就得回头重新比对全文——这份交付物的价值直接归零，还不如不给。
02 审查标准只存在于法务脑子里
没有规则的审查引擎是空壳。而「我们能接受多长账期」「违约金下限多少」「能不能接受无理由解除」这类问题，答案只在法务那里，既没有写下来，也无法从历史合同里可靠地挖出来。规则库不解决冷启动，系统上线第一天就是空跑。
03 同一处改动，甲乙双方的结论完全相反
账期供应方希望短、采购方能接受长；违约金供应方要高、采购方要低；责任上限一方要有、另一方不要。把供应方的规则用在采购方的合同上，系统会输出方向完全相反的建议——而这种错误不抛异常、不崩溃、日志一切正常，界面上看起来一切如常。
04 法务的工作方式不能动
法务改合同的载体就是 Word 的修订与批注，这是几十年的习惯。而对手方回传的稿子上，往往已经带着他们自己的批注和未接受的修订痕迹。系统若整体重写文档，对方批注全丢、残留的批注锚点指向不存在的编号，Word 打开直接提示文件损坏。批注必须注入回那份原稿，且原有内容一个字节都不能动。
05 漏判是无声的
模型把一处实质改动判成「不用看」，这处改动就从清单里消失了：不报错、不告警，状态显示「预审完成」。同理，「有改动但一条都没归类」如果被当成正常结果落库，用户看到的是「预审完成，未发现差异」。这种静默错误比直接报错危险得多。
03 方案
位置是算出来的，模型全程碰不到它。
01 坐标与判断彻底分开
比对两稿走纯算法：扫文档 XML 抽出段落序列（含表格单元格坐标）→ 精确最长公共子序列锚点加加权序列对齐配对段落 → 字符级差异 → 按句子聚合。每处改动带着段落号加字符区间产出。送给模型的清单里，每条改动只有一个编号；模型只能回引编号，位置与原文由算法在事后按编号贴回去——模型输出里的位置和原文字段即使被改写也一概不采纳。
关键决定：只支持 .docx，不给退路。曾有一条「模型读全文对比」的兜底路径支持 .doc 与 PDF，靠事后文本反查定位，会漏会错位，还有 6000 字截断——已整条删除，上传即拒绝非 .docx。宁可明确不支持，不要给出一份不可信的批注。同一原则贯彻到底：段落枚举器全系统只有一个，比对端算坐标、导出端用坐标必须调同一个函数；文本来源也只有一个。任一端另起一套，全体批注锚点会整体偏移。
02 三级粒度分工：定位要最细，判断要最粗
把字符碎片直接丢给模型判断是错的：「应→应当」和「三十日→九十日」在字符层面长得一模一样，只有放回整句才分得开。配套边界同样明确：机械过滤只做可证明不改变含义的——空白、标点、全角半角；不做「百分之十 ↔ 10%」这类数字规范化，写错一次就会把「三十」和「三百」混为一谈。送模型前先脱敏身份证、手机号、银行卡、邮箱四类，脱敏只作用于交给模型的文本，不影响坐标。改动多时按段落号排序后自动分批，同一段落尽量不切开。
03 立场是硬约束，不是标签
规则库按立场分三包——供应方 40 条、采购方 15 条、法规类 12 条，发起预审时由用户选择我方立场，系统不做自动推断。筛选两级的兜底语义刻意做成完全不同：立场是硬筛，绝不兜底，筛完为空也只返回空——给不出建议远好于给出方向相反的建议；合同类型可兜底，但退回的是「立场筛后的集合」，不是全量，退回全量等于把立场硬筛整个绕过去。未指定立场时只用法规类规则，不许默认成某一方。这条约束有专门的回归测试守着。
04 规则库冷启动：三条来源，且刻意不做向量检索
内置三包共 67 条开箱可用，覆盖付款条件、违约责任、责任限额、解除权、验收标准、知识产权、保密、数据安全、争议解决等 26 个条款维度。12 题配置问卷（约 20 分钟）解决只有法务知道的问题——账期上限、预付款下限、违约金下限、责任上限口径、是否接受无理由解除等；答案只填进模板占位符，不参与自由文本拼接，答 skip 或留空的题不生成规则，宁可少几条也不要生成没依据的规则。既做甲方又做乙方的公司两个立场各答一遍，互不影响。另有表格批量导入与在线编辑，保存即生效。
刻意不做向量检索：适用规则按立场筛后全量注入——供应方 52 条约 6900 字、采购方 27 条约 3500 字，模型上下文完全装得下。全量注入的召回率高于任何检索式筛选，不会漏。数据库里没有向量表、没有向量字段、没有嵌入依赖。省掉的是嵌入，不是模型——差异识别与风险评估离不开对话模型。
05 批注注入原稿：不改动任何原有字节
优先用比对坐标定位，按段落号加字符区间直接算，不做任何文本匹配；锚点收紧到文本片段边界而非整段，几百字的条款只改一句时批注只框那一句。没有模糊匹配，也没有「退回整段」的兜底——定不到就明确列入未覆盖清单。只在顶层子元素之间插入标记、不切分文本片段，所以带修订痕迹、超链接、域代码、文本框的段落都不会被改坏。对手方自带的批注必须保留：往原批注文件末尾追加、保留原有命名空间声明，新批注编号扫描全文已有编号后顺延。覆盖率如实回传，未全覆盖时前端主动提示。
06 漏判与决策全部留痕
有改动但一条都没归类，一律当失败抛错，绝不落成「已完成但清单为空」。被判「非实质」的改动存明细，不只存计数——这是漏判红线条款的唯一出口，也是换模型时唯一的判据来源；只留计数会同时废掉三件事：漏判率无法测量、漏判无法事后追责、没法用生产数据攒评测集。模型没表态的改动也存明细并提示人工复核。法务的每一次接受或拒绝按「旧值 → 新值」增减，不只做加一——法务可能先点接受、后改成拒绝。
这份数据汇总成三类信号：高价值规则（拒绝率高，说明规则命中得准）、可能是噪音（采纳率高，报了风险但实际影响不大）、规则库缺口（反复出现却从未被评估的改动）。口径上要说清：这两个计数记的是法务对「对手方改动」的态度，不是对系统建议的评价——「规则表述好不好用」无法从这份数据判断。
| 粒度 | 只用来做什么 |
|---|---|
| 字符级 | 只用来定位——批注必须精确框到被改的那几个字上 |
| 句子级 | 只用来判断——模型看「改前整句 vs 改后整句」定实质性与风险 |
| 语义分组 | 只用来呈现——把零散改动归并成一条审查条目 |
三种粒度各管一件事，不交叉。定位要最细、判断要最粗——这是「位置由算法算、风险由模型判」这条分工在实现层的样子。
04 第一期已完成：验收指标与 144 条断言
回归断言不依赖数据库与测试框架，实测全绿；它证明的是「没改坏文件」和「在构造夹具上位置正确」。
| 回归套件 | 守的是什么 | 断言数 |
|---|---|---|
| 逐字比对 | 改动区间精确、未改动段落零噪音、加权对齐不交叉、表格坐标约束生效 | 36 |
| 批注注入 | 注入后 XML 合法、可见文本逐字不变、段落数不变、编号不冲突、对手方原有批注保留 | 36 |
| 分批 | 分批不丢改动、同一条款不被切散 | 22 |
| 立场筛选 | 立场硬筛不兜底、未指定时只用法规类、分类兜底不绕过立场 | 21 |
| 端到端定位 | 批注真的落在正确位置，且模型改写原文时位置不受影响 | 17 |
| 修订痕迹 | 带未接受修订时，参与比对的是「接受全部修订后」的文本 | 12 |
六套共 144 条。断言证明的是「在构造夹具上位置正确」，不能替代真实合同的人工验收——那一步正在进行中。
| 第一期验收指标 | 目标值 | 现在的状态 |
|---|---|---|
| 单份合同预审耗时 | ≤ 5 分钟 | 测试环境实测 1–3 分钟，留了余量 |
| 批注位置准确率 | ≥ 99% | 构造夹具上 17 条端到端断言全绿；真实合同待验收 |
| 注入后文档完整性 | 100% | 原文可见文本逐字不变、对手方原有批注保留，36 条断言守着 |
| 差异识别覆盖 | 100% | 有改动却一条未归类一律抛错，不落成「未发现差异」 |
| 漏判可追溯率 | 100% | 被判非实质、模型未表态的改动全部存明细，详情页可逐条核对 |
| 规则召回 | 无检索损失 | 按立场筛后全量注入（供应方 52 条 / 采购方 27 条），不做向量检索 |
这是第一期的验收指标，不是已实现的客户侧收益。数值按保守原则设定—— 「≤ 5 分钟」比实测的 1–3 分钟留了余量，「≥ 99%」低于算法定位理论上应达到的水平。 真实合同的人工验收完成后，这张表会用实测值替换目标值。
01 效率
全流程三步：上传两份 .docx → 看风险清单 → 导出带批注的 Word。单次预审通常 1 到 3 分钟；接口立即返回预审编号，后台异步跑，前端轮询进度，不占用等待。长合同不再被静默截断——改动多时自动分批评估，仅合同分类一处取前 2000 字。
02 风险
坐标由算法产出、模型碰不到；两条定位路径都定不到就明确列入未覆盖，不做模糊回退。立场筛错有测试拦。静默失败被堵住：有改动却一条未归类一律抛错，绝不落成「预审完成，未发现差异」。漏判可追溯：被判非实质、模型未表态的改动均存明细并在详情页可核对。外发文本先脱敏。
03 体验
法务的工作方式不用变——批注落在对手方那份原稿上，直接在 Word 里看、在 Word 里改。对手方原有批注与修订痕迹完整保留，文档不会被改坏。覆盖率如实告知，未全覆盖时主动提示。产品页头长期挂着「AI 辅助审查，不替代人工终审」——定位是预审，降低漏看概率，不承诺零漏。
04 稳定性与交付规模
预审状态与结果存数据库，进程重启不丢结果。模型调用有 2 次重试、递增退避、超时控制与兜底解析，双通道可切换。部署侧网关读超时设为 600 秒（单次分析可能跑 3 分钟，默认 60 秒会中断）。交付体量供参考：约 7100 行前后端代码另加约 1000 行测试断言、25 个业务接口、5 张业务数据表、6 个页面，规则库内置 67 条覆盖 26 个条款维度，支持 12 类合同的分类识别。
05 现在还做不到什么
这一节写全，因为定位准确不等于判断准确——漏判一条红线条款，位置再精确也没有意义。
01 格式与范围的硬边界
仅支持 .docx，其它格式上传即拒绝。页眉、页脚、脚注不在扫描范围内。表格只做了防错、没做结构比对——段落对齐已按单元格坐标约束，但「加了一行」「改了一列」这类结构变化表达不出来。
02 语义等价的改写会被报出来
对手方把「乙方应于 30 日内支付」重写成「付款期限为自验收之日起三十个自然日」，机械比对会报成改动，再由模型判为非实质。这类误报消不掉——这是换取位置可靠的代价，我们选择了这一边。
03 定位准确不等于判断准确
系统定位是预审，不是终审。漏判一条红线条款，位置再精确也没有意义——所以被判非实质的改动全部存了明细，让漏判至少是可测量、可追责的。
04 还差的两件工程事
决策数据尚无出口：接受与拒绝已在采集并汇总成规则建议，但风险清单与批注版还没用到它——这是下一步「半自动回稿」的入口。当前无登录鉴权：现为内网与演示形态，对外交付前需补认证。
位置由算法算，模型全程碰不到它。
因为合同批注标错一处位置，法务就得回头重新比对全文——这份东西的价值会直接归零。
口径与说明
- 客户身份：客户为一家 B2B SaaS 企业。未获书面授权前不具名。
- 本文数据的性质：144 条回归断言、67 条内置规则、26 个条款维度、12 类合同、约 7100 行代码等，全部取自系统代码与测试实测（截至 2026 年 9 月 8 日）。客户侧的量化收益要等真实合同的人工验收完成之后才有——本文一条都不写。
- 「1 到 3 分钟」是测试环境下单次预审的实测区间，会随合同长度与改动数量变化。
- 回归断言证明了什么、没证明什么：它证明「没改坏文件」和「在构造夹具上位置正确」，不能替代真实合同的人工验收。那一步正在进行中。
- 「第一期验收指标」那张表是目标值，不是成果：它是这一期验收要核定的指标，数值按保守原则设定（「≤ 5 分钟」比实测的 1–3 分钟留了余量）。我们没有把行业参考值当作客户实测收益来写——验收完成后以实测值替换。
- 我们不承诺零漏：产品定位是预审、不是终审，页头长期挂着「AI 辅助审查，不替代人工终审」。语义等价的改写会被报成改动，这类误报消不掉。
- 当前形态：无登录鉴权，为内网与演示形态；对外交付前需补认证。仅支持 .docx，页眉页脚脚注不扫。
- 关于界面截图：系统里是客户的真实合同文本，本文未使用截图。需要看界面时，我们用演示合同现场演示。
关于这个案例的常见问题
这个系统支持哪些文档格式？
仅支持.docx格式，其他格式上传即拒绝。这是为确保批注位置准确性的硬边界，因为系统依赖文档XML结构进行精确比对。页眉、页脚、脚注不在扫描范围内。
系统处理一份合同需要多长时间？准确率如何？
单次预审通常1到3分钟，测试环境实测值。批注位置准确率在构造夹具上达到目标值≥99%，有17条端到端断言全绿。真实合同的人工验收正在进行中，实际准确率待验证。
系统如何确保批注准确落在修改位置？
位置由算法算，模型全程碰不到它。系统使用纯算法进行文档比对，精确计算段落号和字符区间，确保批注精确框到被改的那几个字上。即使模型改写原文，位置也不受影响。
系统内置了多少条规则？如何更新？
内置三包共67条规则，覆盖26个条款维度。用户可通过12题配置问卷补充个性化规则，也可通过表格批量导入与在线编辑更新规则。规则按立场（供应方、采购方、法规类）筛选，系统不做自动推断。
这个系统现在还做不到什么？
语义等价的改写会被报出来；仅支持.docx，页眉页脚脚注不扫；定位准确不等于判断准确；当前无登录鉴权，为内网与演示形态；决策数据尚无出口，无法实现半自动回稿功能。