律师也在用的 AI 审合同工具,开源了

律师也在用的 AI 审合同工具，开源了

试了一个叫 contract-review-pro 的开源项目，上传一份合同，1-2 分钟就能标出风险条款和修改建议。先看看它到底能做多少。

你是不是也遇到过这种情况？

拿到一份合同，几十页密密麻麻的条款。不是律师出身，看的时候心里没底：

这条有没有坑
违约金比例合不合理
对方有没有塞什么隐蔽条款
请律师审一份，动辄几百上千
等律师排期，好几天过去了

我前段时间就碰到了。后来试了这个开源的 AI 合同审核工具，至少能把最明显的风险先筛出来。

一、这个项目是什么？

GitHub：CSLawyer1985/contract-review-pro

它做的事情比较直接：上传合同，自动识别风险条款，给出修改建议，最后生成一份审核报告。

适合这几类人：

法务人员用它做合同初审，快速定位风险
商务人员在签约前自查，心里有底
创业者没有法务团队，可以用它做第一轮过滤
开发者可以学习 AI + 法律场景的技术实现

它不替代专业律师。更像是把明显的风险先筛一遍，减少后面人工审核的工作量。

二、核心功能

风险识别：上传合同后，系统会把条款按高、中、低三个等级分类。比如不对等的违约责任标高风险，模糊的交付标准标中风险，过时的法律引用标低风险。

风险标注：在合同原文里直接标出风险位置，红色高亮。不用自己翻几十页去找。

修改建议：每个风险点会给出具体的替代文本，不是空泛的「建议修改」四个字。

合同对比：把我方版本和对方版本放在一起对比，自动标出差异。谈合同的时候用得上。

审核报告：最后生成一份完整报告，包含风险统计和修改建议汇总，可以直接发给业务团队或律师参考。

三、技术架构

前端用 Vue 3 + Element Plus，后端是 FastAPI（Python）。AI 模型层做了抽象，支持多种 LLM 后端：

本地部署用 Ollama
云端 API 支持硅基流动、阿里云百炼、通义千问

整体流程比较简单：用户上传合同（PDF/DOCX/TXT） → 文档解析提取文本 → AI 分析风险并给出建议 → 生成标注报告 → 前端展示。

项目有几个设计值得参考：

模型解耦：通过统一的接口层，切换 LLM 后端不需要改业务代码。对于想换模型或者做 A/B 测试的场景比较方便。

本地优先：支持 Ollama 本地部署，合同数据可以不出自己的机器。这对法务场景是个加分项。

模块化：文档解析、风险分析、报告生成各自独立。比如你想换掉文档解析层或者增加新的风险规则，不需要动其他部分。

四、本地部署实战

环境要求

Python 3.9+
Node.js 16+

后端


        1
2
3
4
5
6
7
8
9
10
11
12
13
        # 克隆项目
git clone https://github.com/CSLawyer1985/contract-review-pro.git
cd contract-review-pro
 
# 进入后端目录
cd backend
 
# 安装依赖
pip install -r requirements.txt
 
# 配置环境变量
cp .env.example .env
# 编辑 .env，配置你的 AI 模型 API Key

.env 关键配置示例：


        1
2
3
4
5
6
7
8
        # 使用硅基流动 API
SILICONFLOW_API_KEY=your_api_key
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1
SILICONFLOW_MODEL=Qwen/Qwen2.5-72B-Instruct
 
# 或者使用 Ollama 本地模型
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=qwen2.5:72b


        1
2
        # 启动后端服务
python main.py

前端


        1
2
3
4
5
6
7
8
        # 进入前端目录
cd ../frontend
 
# 安装依赖
npm install
 
# 启动开发服务器
npm run dev

使用

浏览器打开 http://localhost:5173，上传合同文件，等分析结果。

五、实战体验

我拿一份常见的技术服务合同测试了一下。上传后大约 1-2 分钟出结果。

发现的问题有几条：

违约责任不对等：我方违约金上限是合同金额的 20%，对方没有上限，标了高风险
交付标准模糊：「甲方满意后验收」这种主观表述，标了中风险
争议解决地不利：约定在对方所在地法院，标了中风险

每个风险点都给了修改建议，比如把「甲方满意」改成具体的验收标准清单。

对于常见合同的初审，这个工具确实能省不少时间。但它不是万能的，下面说几个注意点。

六、注意事项

不是替代专业律师。 AI 审核的是常见风险模式。遇到复杂交易、特殊行业、跨境合同，准确率会下降。重要合同还是需要专业律师终审。

依赖模型质量。 审核效果直接取决于底层大模型。小模型（7B 以下）对法律条文的理解有限。建议至少用 72B 级别的模型，或者用 Qwen-Max、GPT-4 等云端 API。

法律地域限制。 模型训练数据主要基于中国大陆法律体系。涉外合同谨慎使用，建议找对应法域的专业律师。

格式兼容性。 扫描件、图片格式的 PDF 需要先 OCR 识别，如果 OCR 质量差会影响分析效果。尽量上传可编辑的 PDF 或 Word 文档。

七、总结

几点笔记：

合同初审可以自动化，至少能把明显的问题先挑出来
支持 Ollama 本地部署，数据不出自己的机器
可以自定义提示词和新增风险规则

想试试的话，直接克隆仓库，配个 API Key 或者 Ollama 本地模型，传一份合同看看效果就行。

仓库链接：CSLawyer1985/contract-review-pro

如果你也尝试了或者有更好的 AI + 法律落地方案，欢迎在评论区交流。

免责声明：本文内容仅为个人学习分享，不构成法律建议。合同审核结果仅供参考，重要合同请咨询专业律师。提及的项目均为开源项目，遵守对应许可条款即可使用。

感谢你的阅读。

如果这篇文章对你有帮助，欢迎：

点赞支持
分享给朋友
在评论区分享你的想法

关注「AI 工程化实战派」，不空谈虚概念，只输出务实干货。

期待和你的交流！