用 AI 实现合同关键信息抽取公开

周末用 VibeCoding 制作了一个合同关键字段抽取工具，又给 AI 付费打工了……

#一、这个工具能做什么？

工具的核心能力：把一份几十页的合同 PDF 拖进去，自动告诉你：甲方是谁、乙方是谁、金额多少、期限多久、付款节点有哪些、违约条款……然后导出 结构化Excel

支持的文件格式：

内置 5 套合同规则模板，字段规则可以自己增删改，完全灵活。

#二、三种抽取模式，怎么选？

很多人第一反应：把合同丢给 DeepSeek 让它抽不就好了？能做到，但不是唯一解，也不总是最优解。

合同场景下，每个项目的需求不一样——有的追求最准、有的必须保密、有的想省钱。所以工具支持三种模式，一键切换：

打个比方：

• A 模式 = 把整本合同寄给外地专家，他帮你全篇读。最准，但对方看到了全部内容，而且费用不低。
• B 模式 = 本地助手先帮你翻到相关页，只把那几页撕下来寄给专家。兼顾速度和隐私。
• C 模式 = 本地助手翻到相关页，另一个本地助手直接摘抄——文件没出过公司大门。

真实选法：同一份合同，涉密用 C，追求最准用 A，大批量用 B——一个工具搞定所有情况，不用为了换场景另装一套。

#三、字段提取是如何实现的？向量化是什么？

工具后面两个模式的字段提取是通过"向量化"实现的，一听就很技术。其实不复杂。

向量化就是把文字变成一串数字"指纹"，方便快速找相似。

打个比方：你要从一本 500 页的字典里找出所有跟"钱"有关的词。人肉翻，半小时；电脑如果一页页扫，也要一会儿。

向量化就是给每个段落打了一串数字标签（比如第 3 段的标签是 [0.8, 0.1, -0.3, ...]​，第 45 段的标签是 [0.7, 0.2, -0.2, ...]​）。这两个标签很接近，说明它们内容相似——都跟"钱"有关。

有了这些标签，当你问"帮我找合同金额"，bge 模型瞬间就能找出标签最接近的几段——不用读完整本书，直接从第 3 页、第 45 页找。

所以 B 和 C 模式的流程是：

几十页合同
   │
   ▼ ① 切块：切成小段落（约 600 字/段）
   │
   ▼ ② 向量化：bge 给每段生成"数字指纹"
   │
   ▼ ③ 检索：你要提取"合同金额"，bge 找出最相关的几段
   │
   ▼ ④ 抽取：把那几段交给 Qwen / DeepSeek，让它读取答案
   │
   ▼ 结果 + 出处页码

💡 关键认知：不是把整本合同喂给 AI，而是先用 bge 找到相关段，再把那几段给大模型。长文档不怕、聚焦更准、还省钱。

#四、完整使用流程（四步搞定）

拖入合同 → 自动解析 → 选规则提取 → 导出 Excel

#第一步：导入合同

打开工具，切换到「合同解析」页。直接拖拽 PDF/Word/图片到窗口，或者点「选择合同导入」按钮。

工具会自动解析文档，如果是扫描版，会走你设置的 OCR 模式（默认本地 RapidOCR）。右上角有进度条，解析完成合同就进了合同库。

#第二步：选规则

合同入库后，工具会根据合同内容自动匹配分类——比如第一页出现"采购""交付"，会自动归类为"采购合同"。你也可以双击「合同类别」列手动换。

#第三步：批量提取

勾选合同（支持 Ctrl/Shift 多选），点「批量提取勾选」。

如果选的 C 模式（全本地），工具会自动检测本地模型是否在线。不用联网，完全本地离线运行。

提取过程中，进度条显示当前状态：解析中 / 检索中 / 抽取中 / 已完成。每份合同处理完实时更新表格摘要列。

#第四步：导出 Excel

勾选已提取的合同，点「导出 Excel」。每个合同分类生成一个 Sheet，字段整理成列，方便做底稿、做汇总。

#五、OCR 模式：扫描版 PDF 怎么处理？

合同很多时候是扫描版——纸质合同扫描成 PDF，文字其实是图片。这种需要用 OCR（光学字符识别）先"看图识字"。

工具支持两种 OCR：

怎么选？ 绝大多数场景用 local​ 就够了，离线免费。遇到表格密集、排版特别复杂的合同，切 mineru_precision​。

⚠️ MinerU precision 需要去 mineru.net 申请 API token，在参数设置页填入。

#六、CPU 版和 GPU 版

C 模式需要在本地跑两个模型：bge（约 26MB）和 Qwen（约 2GB）。这些模型通过 llama-server 运行（HTTP 服务）。我自己用 RTX5070ti 测试，应该提取速度会提升5-6倍数左右。

如果你没有本地化的需求，可以不用看这个部分了，也不用下载2GB的模型。

#CPU 版

• 直接用电脑 CPU 跑，不需要独立显卡
• 普通办公电脑即可
• 速度：电子版 PDF 约 35 秒/份，扫描版约 50 秒/份
• 打开工具 → 参数设置 → 推理设备 → 选 CPU → 应用并切换

#GPU 版（有 N 卡可升级，快 6-8 倍）

• 需要 NVIDIA 显卡（建议 RTX 3060 以上，显存 ≥ 6GB）
• 推理速度：电子版 PDF 约 5-8 秒/份
• 打开工具 → 参数设置 → 推理设备 → 选 GPU → 应用并切换
• 看到"服务就绪 ✓"即完成

#七、这个工具是怎么做出来的？

整个过程一行代码都没手写。下面这张简化版的流程图能说明问题：

需求描述（AGENTS.md）
   │
   ▼ Claude Code
   │  ├─ 探索项目结构
   │  ├─ 制定开发计划
   │  ├─ 逐模块实现（GUI / 解析 / OCR / 抽取 / 缓存 / 日志）
   │  ├─ 调试修复（看日志、定位报错、改代码）
   │  └─ PyInstaller 打包
   │
   ▼ 产出：合同提取工具.exe（2.5GB 文件夹，拷贝即用）

中间经历了数轮"看日志 → 定位 bug → 修复 → 重试"，AI 负责写代码，我负责测试、看日志、给反馈。有点像带了个不会累的程序员，你说人话，它写代码，你盯着把关。

以上也是我的VibeCoding课程内容，感兴趣的朋友可以加入课程尝试手搓一个。

课程地址（直接点击“阅读原文”）：

https://m.tenclass.cn/channel2/1881996

#合同关键字段抽取工具下载地址

通过网盘分享的文件：合同提取工具分享版
链接: https://pan.baidu.com/s/1jyZiorKYY5n_TRl8g2kJhw 提取码: 1212