職責(zé)
·條款識(shí)別與要素抽取：把合同切段、定位條款邊界、抽取當(dāng)事方/金額/期限/責(zé)任限制等字段。
·把“模板、標(biāo)準(zhǔn)條款庫(kù)、Playbook、歷史審查意見(jiàn)”結(jié)構(gòu)化：元數(shù)據(jù)、版本、適用范圍、權(quán)重。
· 風(fēng)險(xiǎn)識(shí)別：基于 Playbook 規(guī)則 + 模型判斷，輸出“風(fēng)險(xiǎn)等級(jí) + 原因 + 引用依據(jù)（定位到原文片段）”。
· 建設(shè)檢索：分塊策略（chunking）、向量化、混合檢索（關(guān)鍵詞+向量）、過(guò)濾條件（合同類型/地區(qū)/主體/金額檔位等）。
· 智能問(wèn)答/摘要：用 RAG 把“公司模板條款庫(kù)、歷史談判案例、制度”喂給模型，減少幻覺(jué)并增強(qiáng)可解釋性。
·數(shù)據(jù)治理：脫敏、權(quán)限、數(shù)據(jù)生命周期（留存/刪除/審計(jì)）。
必備技能
· 大模型應(yīng)用：精通 國(guó)內(nèi)大模型（deepseek）的接口調(diào)用。
·熟悉主流 LLM 應(yīng)用開(kāi)發(fā)：提示詞工程、結(jié)構(gòu)化輸出（JSON Schema）、函數(shù)/工具調(diào)用思想。
· RAG 基本管線：embedding、向量庫(kù)檢索、必要時(shí) reranker、評(píng)測(cè)與回歸、熟悉 LangChain 或 LlamaIndex，能夠搭建“合同知識(shí)庫(kù)”，讓 AI 基于法律法規(guī)和歷史合同進(jìn)行回答。