4. AI审查中的关键信息抽取

合同审查的第一步不是判断条款好坏，而是把合同里“谁、多少钱、多久、做到什么程度、违约怎么办、争议去哪解决”这些关键事实准确读出来。这一步在技术上称为命名实体识别（NER）与关系抽取（RE）：前者从非结构化文本中定位并分类关键字段，后者把分散的实体连成有意义的语义关系。对工程合同而言，实体抽取的准确率直接决定后续风险规则引擎能否命中，因为一条“逾期违约金按日万分之三”的规则，必须同时拿到“违约金比例”“计算基数”“触发条件”三个实体才能判断是否合规。

一、工程合同中的实体类型与抽取目标

工程合同的关键实体可分为六类，每类都有典型的文本形态和抽取难点：

• 当事人实体：发包人、承包人、分包人、监理人、设计人。难点在于同一主体在合同中可能以“甲方”“发包方”“建设单位”等多种称谓出现，需要做指代消解，把不同表述归并到同一实体。
• 金额实体：合同总价、暂列金额、预付款、进度款、质保金、违约金。难点是金额常带单位（万元、元）、币种、含税/不含税说明，以及“暂定”“暂估”等修饰词，抽取时必须保留这些限定。
• 工期实体：开工日期、竣工日期、总日历天数、节点工期、顺延条件。难点是日期格式多样（“2024年3月1日”“2024-03-01”“自开工令发出之日起”），且存在相对时间表达。
• 质量标准实体：合格、优良、鲁班奖、符合GB 50300、验收规范编号。难点是标准常以引用形式出现，需要识别标准号并关联到具体验收对象。
• 违约责任实体：违约金比例、赔偿上限、解除条件、工期延误责任。难点是责任条款常跨句、跨段，需要关系抽取把“违约行为—责任后果”配对。
• 争议解决实体：仲裁机构、诉讼法院、管辖地、适用法律。难点是“或裁或审”条款中两个选项并存，需要识别其互斥关系。

二、实体抽取与关系抽取的协同流程

实际系统中，实体抽取和关系抽取不是两个独立步骤，而是共享上下文、互相约束的联合任务。下面这张图展示了从合同文本到结构化字段的完整信号链，重点标出了实体之间的关键关系类型。

三、关系抽取：把孤立实体连成可计算的事实

实体抽取只回答“有哪些字段”，关系抽取才回答“字段之间怎么连”。工程合同中最需要抽取的关系有五类：

1. 支付关系：发包人 → 承包人，附带金额、币种、支付节点。例如“合同签订后28天内支付预付款10%”，需要把“预付款”“10%”“28天”三个实体绑定到支付关系上。
2. 义务承担关系：承包人 → 工期义务、质量标准义务。关系方向决定责任主体，若把“监理人负责验收”误抽成“承包人负责验收”，后续责任判定会完全错位。
3. 违约触发关系：违约行为 → 责任后果。例如“逾期竣工”触发“日万分之三违约金”，需要识别触发条件与计算参数的配对。
4. 标准引用关系：质量要求 → 标准编号。GB 50300 是验收规范，若合同还引用 GB 50204（混凝土结构），需要分别关联到对应工程部位。
5. 争议管辖关系：争议 → 仲裁机构或法院。若条款写“或裁或审”，需标记为互斥关系，提示规则引擎该条款存在效力风险。

四、实操：从一段合同文本到结构化字段

下面以一段真实风格的合同条款为例，演示抽取过程。原文为：

“承包人应在2024年3月1日开工，2025年8月31日前竣工。逾期竣工的，每逾期一日，承包人应按合同总价日万分之三向发包人支付违约金，累计不超过合同总价的5%。工程质量应达到合格标准，并符合GB 50300验收规范。争议提交××仲裁委员会仲裁。”

抽取时先做分句与实体标注，再建立关系。关键判断点有三个：

• 金额基数：违约金“日万分之三”的计算基数是“合同总价”，不是“未完成部分价款”。若合同未明确基数，抽取结果应标记为“基数缺失”，提示人工复核。
• 上限约束：“累计不超过合同总价的5%”是违约金上限实体，必须与违约金比例绑定，否则规则引擎会算出无上限的违约金。
• 时间边界：开工日期是绝对日期，竣工日期也是绝对日期，但若合同写“自开工令发出之日起540日历天”，则竣工日期是相对时间，需要结合开工令日期推算。

五、常见抽取错误与校验方法

工程合同信息抽取的典型错误包括：金额单位漏乘（“壹亿贰仟万元”未转成120,000,000）、日期格式误判（“2024.3.1”被识别为版本号）、当事人指代未归并（“甲方”与“发包人”被当成两个实体）、违约金基数缺失、争议解决方式互斥未标记。校验时可采用三条规则：

完成实体与关系抽取后，合同就被转换成一张可查询、可计算的知识图谱。后续的合规规则、风险评分、条款对比，都建立在这张图谱之上。抽取质量的高低，直接决定AI审查是“能用的助手”还是“制造噪音的工具”。因此在实际工程中，建议对抽取结果做抽样人工校验，并把校验结果反哺到模型微调中，形成持续改进的闭环。