1、立项背景和目标:客户的跨境贸易系统(PHP/Laravel技术栈、面向印尼市场)每天需处理大量中/印尼/英三语采购合同,财务人员手工录入合同编号、甲乙方、含税金额、明细行等字段,效率低且易错。目标是为老系统低成本集成AI合同识别能力:上传PDF/DOC/DOCX/XLS合同文件,自动输出结构化字段,替代人工录入。客户服务器仅6GB内存、无GPU、与大业务系统共用主机,方案必须在极端资源约束下长期稳定运行,已上线商业交付。
2、核心功能模块:①文件接收与校验——文件魔数校验、批量总大小限制、路径白名单,PHP系统经HTTP安全调用;②三语规则引擎——约90条带权正则覆盖印尼盾Rp千分位金额、DPP/PPN税额拆分与税率反算、三语日期、客户专属四种合同编号体系;③智能分档路由——规则引擎对文档打分(文本密度/表格格式/关键字段命中/乱码率四因子加权),按85/50阈值分档:高分档以极简Prompt校验补漏,低置信档完整LLM推理并标记人工复核,兼顾成本与准确率;④双轨识别——DeepSeek云端API为主方案,本地GGUF量化小模型降级兜底;⑤合规与审计——云端调用前10类PII结构化脱敏(含递归分片保护)、数据出境授权门禁、HMAC签名+时间戳窗口防重放、每次调用的token/成本/耗时全量审计留痕;⑥持续学习——用户纠错反馈沉淀为动态同义词库,经审核状态机管控后运行时优先命中;⑦监控告警——CPU/内存/调用量指标落盘与告警闭环。
3、业务流程:PHP系统上传合同文件→签名鉴权与文件校验→文本抽取(PDF/Word/Excel)→规则引擎打分分档→高分档极简Prompt校验补漏、低置信档完整LLM推理+人工复核标记→结构化JSON返回PHP系统入库→用户纠错反馈沉淀同义词→监控指标持续记录,全程审计可追溯。
1、整体架构:Flask单体服务(gunicorn多worker+systemd守护,MemoryMax=6G硬限)+规则引擎前置+DeepSeek云端LLM融合,本地llama.cpp加载GGUF量化小模型作降级兜底;Redis承担分布式锁、响应缓存与同义词库持久化;MySQL仅存审计数据;PHP业务系统经本机HTTP回环调用,HMAC-SHA256签名+IP白名单+X-API-Key三重接口防护。
2、独立完成需求评审→技术选型→开发→部署(gunicorn+systemd+监控告警)→验收全流程,量化结果:①极端资源下稳定运行——模型懒加载+闲置120秒自动卸载+RSS水位护栏+分布式锁串行化重任务,配合gunicorn worker周期回收与systemd 6GB硬限兜底,生产环境零OOM,39,243行监控时序验证持续稳定运行4个月+;②成本控制——静态指令模板压缩约93%(92字 vs 完整模板1266字),叠加Redis响应缓存与分档路由显著降低Token成本,单合同处理2s级(含LLM推理与规则校验);③质量保障——711个测试函数,"规则管线 vs 纯LLM vs 人工基线"三方比对的质量评估体系,PHP侧镜像测试保证双端同义词一致。
3、难点与解决:一是6GB无GPU服务器跑不动本地大模型推理——先以内存治理四件套完成本地部署,实测推理瓶颈后果断切换云端API主方案、本地GGUF降级兜底,保障业务按期上线;二是三语合同格式五花八门、纯LLM调用成本高——用约90条带权正则的规则引擎前置打分分档,简单合同走极简Prompt,复杂合同才完整推理,成本与准确率兼得;三是跨境数据合规——云端调用前10类PII结构化脱敏+数据出境授权门禁+调用成本按次审计留痕;四是长文本与解析稳定性——8000字符分片+递归深度保护,配合四级JSON解析修复回退,保障字段解析成功率。