ContractLens — 澳洲房产合同 AI 审查
以执业律师真实审查报告为基准：把 348 页合同读成一页可查证风险报告，10 阶段 pipeline、7 位 AI 分析师并行，约 $1/份。
做成什么
4 份真实合同（104–348 页）全链路跑通
真实基准
约 30 条与律师报告重合，另有 2 处 ACN 不一致经逐条核对确认
对照律师审查
132 页实测 $1 / 4.6 分钟（91 条发现，每条附原文引用）
单份成本与耗时
问题
澳洲 VIC 房产交易合同动辄一两百页（常含扫描件），买家几乎不可能读完，律师审查贵且仍会漏细节；而法律场景对 AI 的要求极苛刻——每条结论必须可查证，且绝不能越界输出法律意见。
做法
10 阶段 pipeline：PDF / 扫描件上传（PyMuPDF + Tesseract OCR）→ 规则引擎按 26 类段落切分（Particulars / Special Conditions / Section 32 / Title & Plan / OC 证书 / Council·Water / Lease 等）→ 7 位专项 AI 分析师并行审查（LangGraph 编排，Claude Opus / Sonnet / Haiku 分层调用控制成本）→ 交叉验证与 GC 基线比对 → 汇总一页报告。防幻觉三件套：强制原文引用 + rapidfuzz 分级校验（85/75/60 三档阈值）+ 仅针对失败条目的定向重试；法条检索用 FAISS RAG 配法律领域 embedding（voyage-law-2）而非通用向量；输出再过两道合规闸门（正则 + AI 语义审查），拦截「AI 律师」式越界表述。
AI 在这个项目里的角色
Multi-Agent + 防幻觉工程的完整实践：并行分析师编排、引用强校验、合规闸门，并用执业律师的真实审查报告做基准校准。
为什么做它
澳洲 VIC 房产交易合同动辄一两百页，还经常是扫描件。买家读不完，律师审查贵、而且也会漏。这个项目以一位执业律师的真实审查报告为基准，目标是把「一份合同」变成「一页每条结论都可查证的报告」。
关键设计
10 阶段 pipeline。 PDF / 扫描件上传（PyMuPDF + Tesseract OCR）→ 规则引擎按 26 类段落切分（Particulars / Special Conditions / Section 32 / Title & Plan / OC 证书 / Council·Water / Lease 等）→ 7 位专项 AI 分析师并行审查（LangGraph 编排）→ 交叉验证与 GC 基线比对 → 汇总一页报告。模型分层调用（Opus / Sonnet / Haiku）控成本：132 页那份实测跑完是 $1 / 4.6 分钟。
防幻觉是产品的生命线。 三件套：强制原文引用、rapidfuzz 分级校验（85/75/60 三档阈值，宁可判失败也不放过假引用）、仅针对失败条目的定向重试；法条检索没用通用向量，而是 FAISS RAG 配法律领域 embedding（voyage-law-2）——法律文本的相似度判断和日常语料不是一回事。输出再过两道合规闸门（正则 + AI 语义审查），拦截越界的「法律意见」式表述。
用真实律师报告校准。 4 份真实合同（104–348 页，含一份混合 5 个地址产权的合同）全链路跑通；与执业律师的审查报告逐条对照：约 30 条与律师报告重合命中；另发现 2 处公司注册号（ACN）不一致、律师报告未单列——经逐条核对合同原文确认属实。不是「AI 比律师强」，而是多一双不知疲倦的眼睛做交叉补漏。
「需复核」标记也要复盘。 系统一共打了 86 条「需复核」标记，事后逐条回看，85% 是有效提示——这个数字比准确率更重要：它决定了律师愿不愿意继续看这些标记，还是直接全部忽略。
一句话总结
法律场景把「AI 输出必须可验证」推到了极限——每条结论都得能翻回原文，这正是防幻觉工程最硬的练兵场。