S2-项目实战01-把 PDF 变成结构化条款json

做合同解析，第一步不是急着上大模型。

法务拿到几十页的合同，最头疼的不是找不到词。而是没法逐条审查、对比和打分。所以第一步得先把纯文本拆成结构化的条款。

为什么不用 LLM？
整篇丢给大模型，一份得跑十来秒，还得花钱。结果还不稳定，出了错都不知道为啥。
用正则和规则引擎，半份都不到一秒，零成本。而且同一份合同每次切出来的结果一模一样，出了问题也好排查。

具体怎么拆？
按“第X条”把大条款切开，里面的子条款原样保留。接着用关键词给条款打标签，比如带“违约”就是违约类。这样后面才能按类型去套不同的审查规则。

代码跑通了，但还有坑。
作者拿五份示例合同跑了测试，全部分正确。不过实际业务里还会遇到麻烦。比如有些保密协议压根没有中文编号，或者甲方信息写在下一行。这些边缘情况还得继续调正则。

说白了，解析是确定性工序，归机器；审查才需要语义判断，再交给模型。 这篇只讲了怎么把合同拆好，至于怎么审，得看下一篇。