上百页合同超上下文？语义分块送审如何保零遗漏
一份两百页的框架采购合同摆在面前，法务和采购两个人至少要啃两天：附件里的技术协议、正文里的付款节点、补充条款里的违约责任，任何一处看走眼都可能埋下几十万的损失。于是很多团队想到把合同丢给大模型来审。结果往往是——前面三十页回答得有模有样，读到一百页之后开始“失忆”，你问它第168页的争议解决条款，它答得含含糊糊，甚至把不同章节的内容混在一起。这就是“上百页合同超上下文”的真实困境：不是模型不够聪明，而是喂给它的方式出了问题。
本文要回答的正是这个问题：当文档长度远超模型一次能读的范围时，语义分块送审如何保零遗漏。我们会拆开三个层面来看——漏检究竟漏在哪里、语义分块和普通切分差在哪、以及一套可落地的送审流水线该怎么搭。
一、为什么“上百页合同”会成为大模型的第一道坎
1.1 上下文窗口不等于“读得懂”
很多人以为，只要模型的上下文足够长，就能一口气读完合同。现实是两回事。
- 物理上限仍在：即便支持超长上下文的模型，把上百页PDF全量塞进去，token消耗和响应延迟都会急剧上升，单次送审的成本和耗时难以在业务中接受。
- “中间遗忘”现象：多项学术研究都观察到，长上下文模型对开头和结尾的信息提取明显优于中段，恰好合同最密集的风险条款往往就压在中段。
- 注意力被稀释：无关的格式条款、定义条款越多，真正需要判定的那一条就越容易被“淹没”。
所以问题的关键不是“窗口够不够大”，而是“怎么切”。
1.2 粗暴切分带来的三类典型漏检
把上百页合同按固定字数一切了之，是最常见也最危险的做法，它几乎必然导致漏检：
- 条款被拦腰截断：第7.3条的付款条件被切到下一块，模型看到的只是半句，判定结果自然失真。
- 引用链条断裂：正文写“详见附件二第4条”，附件二却被切到另一个块里，模型无从核对，只能“放过”。
- 表格与扫描件结构丢失：报价明细、验收标准这类表格一旦被按行切散，金额与科目就对不上号。
1.3 结论：切分方式决定漏检率
一份合同最终能不能做到零遗漏，很大程度上在“切”的那一步就已经决定了。切得好，后面的审核是顺水推舟；切得差，再强的模型也只是在错误的信息上做推理。
二、语义分块：把合同切成“能读懂的单元”
2.1 语义分块与固定长度切分的本质差别
固定长度切分关心的是“每块多少字”，语义分块关心的是“这一块是不是一个完整的意思”。
- 固定长度切分：机械、便宜、快，但边界随机，容易破坏语义。
- 语义分块：按文档自身的结构边界切，保证每块自成闭环，便于规则逐条命中。
- 代价：需要前置的文档解析能力，这恰恰是决定成败的部分。
2.2 分块要锚定的四个要素
- 层级结构：以“章—条—款—项”为天然边界，标题与正文绑定，不拆散。
- 引用闭合：识别“详见第X条／附件X”这类指向，把被引用内容作为关联块一并带入。
- 表格与附件原子化：一张表就是一块，保留表头与行数据的对应关系。
- 元数据挂载：给每块打上合同主体、金额、期限、签署地等标签，方便后续按维度检索与比对。
2.3 重叠窗口与上下文回填
纯粹的边界切分还不够。实践中通常再加两道保险：相邻块之间保留一定重叠内容，避免边界处的表述被误读；同时对每个块自动生成一句摘要，形成“块索引”，让审核环节可以先用摘要定位、再回到原文精读。
2.4 实在Agent如何完成这一步
在实际落地中，实在Agent的做法是先解析、再分块：通过OCR与文档解析能力把扫描件、PDF、Word统一还原成结构化文本，按合同的层级与条款边界完成语义分块，并为每块挂上元数据与摘要索引。这样处理之后，一份两百页的合同会被拆成数百个“独立可审”的语义单元，既不会超上下文，也不会丢结构。
三、送审环节：分块之后，如何保证零遗漏
3.1 双轨制：大模型负责理解，小模型与规则负责兜底
只靠大模型审合同，风险在于“它可能漏，而且漏了你不知道”。更稳妥的架构是双轨并行：
- 规则轨道：把审批要点、合规红线、金额阈值等转成可执行规则，逐块机械校验，命中即报，不漏不飘。
- 模型轨道：用大模型处理需要语义理解的判定，比如条款表述是否显著偏离标准模板、责任划分是否失衡。
- 交叉验证：两条轨道的结论互相印证，只有一方报警的条目自动进入人工复核队列。
3.2 一条可落地的送审流水线
把上面的思路串起来，大致是这样五步：
- 解析与分块：统一格式、还原结构、生成语义块与索引。
- 风险路由：按合同类型把语义块分发到对应的规则集，避免用一套标准审所有合同。
- 条款级比对：将待审合同与标准模板、历史合同逐块对照，标出增删改。
- 跨块核对：处理引用关系与前后矛盾，比如付款节点与验收节点是否自相冲突。
- 结论与证据链：输出风险清单，每一条都附带原文位置与判定依据。
某大型集团的合同与单据审核场景中，采用类似思路的方案后，初审替代率达到约三分之二，人工负荷下降超过六成，审核准确率提升至99%以上，投入约十个月即收回成本。这个结果的背后，靠的正是“规则兜底＋模型理解”的分工，而不是单点模型的蛮力。
3.3 全局视角不能丢：分层摘要与跨块核对
分块审完之后，还有一个容易忽略的环节——把块重新拼回整体。
- 分层摘要：块摘要汇成章节摘要，章节摘要汇成全文摘要，让审阅人三十秒看懂合同全貌。
- 跨块矛盾检测：专门扫描不同块之间的冲突点，比如正文约定的账期与附件约定的账期不一致。
- 风险聚合排序：按金额影响和合规等级排序，让人先看最该看的那几条。
在标书与合同核验类场景中，通过“批量读取—精准对标—数据清洗—自动存证”的流程，可将原本以天计的审核周期压缩到秒级响应，匹配精度接近99%，并实现全流程可追溯。这正是语义分块送审在真实业务中释放出的价值。
3.4 人工确认仍是闭环的一环
零遗漏不等于零人工。更合理的定位是：AI负责把该看的都看完、把可疑的都挑出来，人只做最后的判断与签字。实在Agent在流程末端会生成结构化的审核辅助结论，由业务人员确认后归档，既保住了效率，也保住了责任边界。
四、零遗漏的工程保障：可追溯、可复核、可持续
4.1 全链路日志与证据链
任何一条判定，都应该能回答三个问题：依据哪一条规则、来自原文哪个位置、谁在什么时候确认过。全链路日志与审计追踪，是把“AI审过”变成“可被审计的结论”的前提。
4.2 知识库外挂，让制度更新即时生效
合同审核标准、合规红线、报销与采购制度都在变。通过外挂知识库的方式，制度文本更新后无需重新训练模型，即可在下一轮送审中生效，规则也能由业务人员上传制度文本后自动解析生成，大幅降低维护门槛。
4.3 用指标衡量“零遗漏”
- 覆盖率：有多少条款被真正送审，而非被跳过。
- 漏检率：通过人工抽检反查，作为核心质量指标。
- 替代率与节省人天：衡量投入产出。
- 平均送审时长：衡量业务体验。
4.4 落地路径建议：从高风险合同起步
不必一上来就全量铺开。建议先挑风险集中、格式相对统一的合同类型试点，把分块规则与审核规则打磨稳定，再逐步扩展到其他类型。财务审单、标书核验、合同续签等场景的实践都表明，先在单一场景跑通闭环，再横向复制，成功率明显更高。
结语：零遗漏不是模型能力，而是工程能力
上百页合同超上下文？语义分块送审如何保零遗漏，答案并不神秘：先把文档切对，再把规则和模型分工摆好，最后用可追溯的流程把结论兜住。模型决定上限，工程决定下限——而合同审核这种场景，恰恰是不能靠运气的地方。当审阅人从逐页翻找中解放出来，真正花时间的地方就只剩下判断本身。
常见问题解答
Q1：语义分块和按段落切分有什么区别？
按段落切分只尊重排版换行，而语义分块尊重的是合同自身的逻辑边界：条款完整性、引用关系、表格结构。段落切分看起来整齐，但经常把一条条款拆到两句里，导致判定失真。
Q2：分块之后，合同整体的风险还看得见吗？
看得见。做法是通过块摘要—章节摘要—全文摘要的分层聚合，再叠加跨块矛盾检测，让分散在数百个块里的信息重新形成整体视图。
Q3：规则和模型同时用，会不会互相干扰？
不会，二者是互补关系。规则负责确定性判定，模型负责语义理解，结论不一致时自动进入人工复核，反而提高了整体可信度。
Q4：制度更新频繁，规则维护成本会不会很高？
如果规则靠人工手写，成本确实高。可行做法是让系统在解析制度文本后自动生成可执行规则，业务人员只需确认与微调，大幅降低维护负担。
Q5：这类方案适合多大规模的企业？
从业务量看，年审核量达到数万笔以上、单据或合同类型较为复杂的企业收益最明显；从起步方式看，任何规模都可以先选一个高风险场景做小范围验证，再逐步扩面。
实在Agent
