Contract Analyzer：面向合同风险分析与条款问答的全栈 RAG 工具

GlennShi7/contract-analyzer · Full-stack contract risk analyzer with React, FastAPI, multilingual RAG, ChromaDB, and retrieval evaluation.

GitHub原文发布未知首次收录 2026-10-31上架 2026-11-03 07:05

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目是一个全栈原型，从 PDF 合同中提取文本，调用 DeepSeek 生成结构化风险卡片，并通过多语言向量检索在浏览器和 FastAPI 接口中提供条款问答。项目使用 React 前端、FastAPI 后端、MiniLM 嵌入与 ChromaDB，包含法条库与地区配置、引用校验、检索评测和容器化部署说明。项目文档同时说明模型输出仍存在事实与解释错误，法律准确性尚未完成验收。

# ChromaDB # 引用溯源 # 检索评估 # 合同管理 # 文档检索

核心能力与快速开始

★ 0 · Python

能做什么: 支持上传文本型 PDF 合同并提取文本；按所选地区注入人工整理的法条文段，调用 DeepSeek 结构化生成风险卡片、风险评分、建议与法律来源；对合同引文和法条 ID 做匹配与过滤校验，失败时重试一次；对单份合同进行语义检索，返回带原文片段的问答；提供 56 个标注问题的检索评测数据和多语言嵌入。
适用场景: 在签署租房或劳动合同前初步识别不利条款；就押金返还、付款期限、维修责任等具体条款对已上传合同提问并获得原文出处；作为合同风险分析、RAG 检索评估和引用校验流程的工程参考。
项目形态: 可直接使用的工具
部署方式: 支持本地运行：后端用 uvicorn 启动，前端用 npm 启动；也提供 Docker Compose 说明，默认通过 http://localhost:8080 提供同源 API 代理与持久化卷。另有无需 API Key 的录制回放演示模式。
主要依赖: 需要设置 DEEPSEEK_API_KEY；后端示例环境为 Python 3.14.5，前端示例环境为 Node.js 26.5.1 与 npm 11.17.0；PDF 限制为不超过 20 MiB、200 页和 10 万提取字符；首次嵌入请求可能下载模型权重。未说明 DeepSeek API 的具体费用与配额。
使用限制: README 明确说明模型质量验收尚未通过，重复实测仍发现事实与解释错误，定性检查发现无依据的法律概括并高估法条支持范围；引用匹配和法条 ID 校验不代表法律正确性、适用性或风险召回；风险评分为模型生成的提示值，非校准概率；问答检索片段需人工复核；回放模式使用保存的运行结果且问答为脚本化，不调用模型。
许可证: MIT
最近推送: 2026-10-31 06:24

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-31 07:00 · 卡片整理：2026-11-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为全栈 RAG 原型参考：可复用其 PDF 文本提取、分块与多语言嵌入、ChromaDB 持久化检索、FastAPI 接口、引用校验与检索评测等实现，用于开发合同问答类应用。

查看内容依据

Hand-written RAG: overlapping character chunks, multilingual MiniLM embeddings, persistent ChromaDB, and document-filtered top-3 retrieval.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

HR

用于在签署前理解劳动合同中的不利条款，并针对押金返还、付款期限等条款进行问答检索；材料明确面向 rental and employment contracts。

查看内容依据

Built to help people understand unfavorable terms in rental and employment contracts before signing, and find relevant contract clauses when questions arise afterward.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

IntelligenceDocumentSystem：基于 RAG 的多语言文档问答助手，回答附带可追溯引用

该项目是一个面向个人文档的 RAG 问答助手，支持上传 PDF、TXT、Markdown 并以印尼语提问，答案附带可点击溯源到具体 chunk 的引用。检索上下文不足时系统明确拒答，或在使用通用知识模式时给出明确标注、不加引用的回答。还提供按文档隔离的私有会话、跨文档检索、检索参数调整（Top K、相似度阈值）、检索质量评估（precision、hit rate、正确拒答）、延迟与提问日志分析，以及 RAGAS 评测选项。技术栈为 Next.js/React/TypeScript 前端与 FastAPI、ChromaDB、SQLite 后端，LLM 使用 Groq，并有 Ollama 回退。

DocSlurp：多格式文档解析、混合检索与带引用问答的 RAG 服务端

DocSlurp 可接收 PDF、Office 文件、EPUB、HTML、图片、音视频等文件，输出逐页 Markdown、页面图像、分块以及按 JSON Schema 抽取的结构化字段。它提供带页码引用的混合检索与 RAG 上下文、可配置的 /v1/chat 及 OpenAI 兼容聊天端点（支持流式），并可通过 REST、SDK、CLI、MCP 以及兼容 Algolia、Meilisearch、Typesense、Pagefind 的客户端接入。本仓库包含服务端（API 与 worker）、数据库迁移、CLI、SDK 和搜索集成；托管产品与 Web 面板另库开发。项目处于 pre-release 状态，API 与数据模型在 v1 前可能变动；服务端与 worker、CLI 采用 SSPL-1.0（三年后转为 Apache-2.0），SDK 等客户端包为 MIT，属于 source-available 而非 OSI 认可的开源。

pdf-rag-pipeline：面向文本型 PDF 的可溯源 RAG 预处理与检索工具

该项目用 Python 实现，面向文本型 PDF 的本地 RAG 预处理、检索与评测。它把 PDF 转换为 page、section、table、image 四类可检索对象，并保留页码、章节层级、表格结构与 bbox 引用位置，支持批量目录构建、带磁盘缓存的 BM25 中文检索、按页读页与查表查图、原文引用、模型无关的图片描述回填、recall@k/MRR/页码准确率/表格数值一致率评测，以及单文件离线 HTML 引用预览。项目定位为 RAG 中最脏的预处理层，不内置 LLM 问答层、向量数据库或 SaaS 前端，纯扫描件需外部 OCR。

dsh-evidence：将本地文件转为 DeepSeek Harness 中可版本化定位的证据

dsh-evidence 是 DeepSeek Harness 的 Web 端插件，支持在 composer 中上传单个文件或整个文件夹，并在本机完成解析与索引，使模型不必把整份文档塞进提示词。它提供两个工具：search_documents 按问题检索紧凑证据块，read_document 按带版本号的坐标精确展开 PDF 页、PPTX 幻灯片、文本行范围或 XLSX 的 Sheet!Range。坐标绑定源文件哈希与解析模式，文件被修改后旧坐标会明确失效；检索结果还可回退到进程内的 JS 索引后端。JPEG/PNG/WebP/GIF 交给 Harness 原生视觉通道处理。项目为公开源码 beta，需配合支持 web profile 的 DeepSeek Harness CLI 使用。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。