news 2026/7/15 1:59:35

在本地部署Qwen3大模型与Dify环境中亲测制作“合同审查智能体”应用

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
在本地部署Qwen3大模型与Dify环境中亲测制作“合同审查智能体”应用

在与多位律师朋友以及自己开公司的老板朋友聊天中发现,他们都有一个迫切的需求:“希望对自己手头的大量合同文本,做一个全面的合同风险评估,提前采取措施规避风险点,或者提前准备以应对风险的爆发,并减少损失。”因此,在私有化部署的大模型与AI应用开发平台中开发本地可用的“合同审查智能体”,就像给企业装了一个既聪明又可靠的“法律秘书”。

想象一下,公司的合同就像家里的贵重物品。如果使用网上的大模型和类似DeepSeek、豆包等AI助手,虽然方便,但总担心数据泄密。私有化部署相当于把合同锁进自家保险柜(企业本地服务器,甚至就是一台配了独立显卡的笔记本电脑),钥匙只有自己保管。这能有效避免合同里的客户隐私或商业机密数据泄露的风险,还能满足像GDPR这种“国际防盗锁”的合规要求。

况且,每个企业的合同审核需求不同,就像不同病人需要不同的药方。通过Dify的工作流功能,企业可以像搭积木一样定制审核流程。比如:像“预检分诊”一样挑出合同里的问题条款,引用法律条文,并给出专业化修改建议;还能让系统自动翻译合同,为中小外贸企业提升效率。当然,AI存在“幻觉”问题,适当的人工复核是必要的。

接下来,我们就看看通过Ollama软件本地部署并运行Qwen3(30b多模态版本:300亿模型参数量),配合本地Docker容器环境运行的Dify软件,来快速开发一个“合同审查智能体”。

一、智能体开发环境:

老规矩,说一下环境的版本号:

本地模型运行环境:Ollama v0.7.0版本(从0.6.8版本在线升级);

本地推理模型:qwen3:30b(因为Ollama0.6.8版本不兼容刚推出的qwen3:30b-a3b-q4_K_M模型版本,害得我还消耗流量重新下载了19GB模型一遍);

智能体开发运行环境:Dify v1.3.1;(写本文时,v1.4.0已经在推送了,但先不忙升级,让子弹再飞一会儿)

二、准备测试用途合同样本

特别注意啊,智能体能检测的合同文档格式如下:

文档中的主体都是虚构的名称,如有雷同,纯属巧合。

三、Dify中安装插件“Markdown转换器”

光看“Markdown转换器”的介绍,大家肯定会疑惑:“不是都建议把其他格式转成Markdown格式,以便于大模型理解吗?为何要把Markdown格式转为pptx、word等其他格式呢?”其实“Markdown转换器”(v1.2)是用在输出大模型的结论文本,输出为便于人类阅读和存档用途,就是最后的输出内容以pdf和word文档的格式提供下载。

四、Dify中创建工作流应用

首先在Dify中创建一个“空白应用”,选择“工作流”模式。

1、开始节点的设置

开始节点的“输入字段”位置添加4个变量作为下一个节点的输入:

(1).“文件列表”变量:“字段类型”选择“文件列表”,变量名称只能用英文和数字,随便起个名叫“upload”,显示名称可以用中文,就叫“文件列表”。此处用于上传合同文件本身。

(2).“审查主体”变量:“字段类型”选择“文本”,变量名称叫“Apart”,显示名称叫“审查主体”。此处让大模型知道要站在合同中哪一方的立场去分析问题规避风险。

(3).“工作领域”变量:“字段类型”选择“文本”,变量名称叫“workfiled”,显示名称“工作领域”。此处让MoE多模态大模型知道调用哪个内置专家来解决问题。

(4).“合同要点”变量:“字段类型”选择“文本”,变量名称叫“attention”,显示名称“合同要点”。此处是说本次合同文本的分析要重点关注哪些问题。

这4个方面的输入应该涵盖合同审查时最关键的四个方面的注意事项。

文件列表变量截图:

审查主体变量截图:

工作领域变量截图:

合同要点变量截图:

这里有个坑,Dify里面节点的“文本”变量的“最大长度”默认设置为48(意味着输入的文本Tokens字数不能超过48)。而合同文本一般较长,我就碰见个坑,默认48,读取合同时系统报错,这里修改为最大值“256”。

2、下一节点“LLM”的设置

LLM主要对合同审核要点进行解释,翻译为大模型能够理解的机器语言,此处填写到“SYSTEM”中的提示词如下:


“{{开始节点的attention}}将用户的要求或关注点转换为具体的合同审查要点,并输出为提示词中的attention”


此处注意:提示词最前面的函数是输入“{”大括号或者“/”斜杠来引入的。主要是提取开始节点的“合同要点”变量,作为Qwen3模型运算的输入值。

3、“文档提取器”提取合同文件内容

“文档提取器”节点在输入变量位置选择提取开始节点的“文件列表”变量,主要是提取上传的合同文件内容。

特别注意,“文档提取器”支持的文件上传格式为:txt、markdown、mdx、pdf、html、xlsx、xls、docx、csv、vtt、properties、md、htm。我选择上传docx文档。

4、下一节点“LLM2”的设置

这是主流程处理节点,在“上下文”处提取“LLM节点的输出函数,并在SYSTEM输入提示词如下:


角色:

你是一位专业的律师,执业领域是{{开始节点的workfiled}}

任务:

你要以{{开始节点的Apart}}利益最大化为原则,对{{上下文}}进行审查和分析,并提供严格的评分。具体目标:

1.对提交的合同文本进行全面审查,指出存在的问题和风险;

2.提供具体的改进建议,帮助改进和完善合同条款;

3.根据法律规范和个人建议,修改并完善合同的具体条款:

4.向客户提供专业的法律服务和支持。

约束条件:

1.必须遵守现行有效的法律法规,不能引用已废止的法律条文;

2.所有合同条款的设计应当符合最新的法律法规及相关政策的规定,要使用准确无误的专业术语和地名:

3.结合特定行业的特点(如XXX行业),确保合同内容贴合实际情况。

4,考虏并反映 {{开始节点的Apart}}的需求,始终站在其角度满足利益最大化。


这个“上下文”,是打一个英文的{,这样就能引用出来了。

5、将输出内容进行“Markdown转换pdf”的设置

从LLM2添加下一个节点,选择工具,下一步选择markdown转换器节点:

第一个“Markdown转换pdf”节点设置如下:

第二个“Markdown转换docx”节点设置如下:

都是将“LLM2节点的输出内容作为最终分析报告的内容填入PDF和WORD文档中。

6、添加结束节点,并设置变量:

结束节点需添加3种输出,一个是“审核结果”直接输出文字,另外两个分别输出为PDF文档和WORD文档,可以下载。

dify创建工作流“合同审查智能体”到这边就结束了。

五、运行测试

开始测试时,需要分别输入4种变量。

“合同要点”输入为:“重点关注合同主体合法性与授权范围的潜在风险,服务范围需要明确,避免模糊条款,以及约定服务范围变更的流程与机制”

审查主体:噼里啪啦云

工作领域:软件服务

报错:

在“文档提取器”这里报错,说有非结构化的在upload里面。检查后,是“文档提取器”本身不支持.doc文件的提取。需要变更上传的文档格式为.docx!

经上述修改后,该dify应用流程运行成功。获得期望输出:

运行结束后可以下载相应的文件查看效果。

输出的docx格式和pdf格式内容一致,界面截图如下:

Dify中整个智能体开发流程截图如下:


读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

作为一名老互联网人,看着AI越来越火,也总想为大家做点啥。干脆把我这几年整理的AI大模型干货全拿出来了。
包括入门指南、学习路径图、精选书籍、视频课,还有我录的一些实战讲解。全部免费,不搞虚的。
学习从来都是自己的事,我能做的就是帮你把路铺平一点。资料都放在下面了,有需要的直接拿,能用到多少就看你自己了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以点击文章最下方的VX名片免费领取【保真100%】

👉AI大模型学习路线汇总👈

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!(全套教程文末领取哈)

👉大模型实战案例👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

640套AI大模型报告合集👈

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求:大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能,学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力:大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉获取方式:

😝有需要的小伙伴,可以点击文章最下方的微信名片添加免费领取【保证100%免费】🆓

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/14 7:13:19

软件测试求职双轨制:招聘平台与内推的博弈与选择

在数字经济蓬勃发展的2025年,软件测试作为产品质量的守护者,其人才市场需求持续升温。对于从业者而言,求职渠道的选择直接影响着岗位匹配效率、职业发展路径乃至薪资谈判空间。当前主流的招聘平台与内推机制构成求职市场的“双轨制”&#xf…

作者头像 李华
网站建设 2026/7/14 9:49:20

2025大模型行业新风向:从技术狂欢到CBDG四维生态的体系化较量

中国大模型行业正从技术比拼转向生态较量,2024年市场规模294.16亿元,预计2026年突破700亿元。CBDG四维生态(消费者、企业、设备、政府)成为核心发展范式,企业竞争力取决于生态构建、技术研发、行业赋能、商业变现和创新…

作者头像 李华
网站建设 2026/7/14 3:05:17

跨行业转型软件测试的成功案例

软件测试的包容性与转型潜力 软件测试作为一个强调流程、质量和用户思维的领域,为跨行业转型者提供了独特机遇。相比于纯开发岗位,测试工作更注重系统性和沟通能力,这让来自教育、制造、金融甚至艺术背景的人士有机会进入IT行业。本文通过多…

作者头像 李华
网站建设 2026/7/14 11:31:33

构建RPM包

打包说明 原理介绍 RPM打包的时候需要编译源码,需要把编译好的配置文件、二进制命令文件等放到合适的位置,还要根据需要对RPM的包进行测试,这些都需要先有一个“工作空间”。rpmbuild命令使用一套标准化的“工作空间”: $ rpmd…

作者头像 李华
网站建设 2026/7/12 3:23:58

腾讯新闻放弃PHP,全面转向Go语言,重写代码超十万行!

最近看到一篇关于腾讯新闻团队的技术分享,讲的是他们做了一次比较大的架构调整——将底层系统从PHP全面迁移到了Go语言,重写代码超过十万行。这种规模的重构升级,确实需要不小的决心和投入。 当初为什么用PHP? 腾讯新闻早期选择…

作者头像 李华