
## 起因：合同审阅这件事，真的很耗人

做过采购或者法务对接的人多半有同感：一份合同甩过来，格式五花八门——有的是 Word，有的是带文字层的 PDF，还有直接拍照、扫描成图片的。人工审一份采购合同，光是把甲乙方、合同金额、付款比例、交付与验收、违约责任、自动续期这些关键条款一条条抠出来再判断风险，少说半小时起步。合同一多，最怕的不是慢，是**漏**——像"合同期满前 30 日未提异议即自动续约一年，续费价格按乙方当期报价执行"这种藏在末尾的条款，一旦漏看就是真金白银的损失。

所以我想做个东西：**丢进去一份合同（什么格式都行，扫描件也认），自动吐出结构化要素表 + 风险清单 + 修改建议**。但我给它加了一个验收要求：报告应该能回到原文，至少让我知道它为什么判定为风险。手头正好有 WorkBuddy 和腾讯云的几个 OCR 技能包，这篇就把我从装技能、配环境、封装成专用助手，到用 5 份不同格式合同实测的完整过程记下来，包括中间几次“翻车”。
![屏幕录制 2026-08-21 001001.gif](https://developer.qcloudimg.com/http-save/yehe-11396077/2161062b64cc62ee62cf361c9a00afc0.gif)

## 整体思路：三个 OCR 能力，拼成一个“专用大脑”

合同审阅拆开看是三个动作：**把字认出来 → 把要素抽出来 → 把表格读明白**。所以我选了腾讯云的三个 Skill 分工：

- **通用文字识别（高精度版）`GeneralAccurateOCR`**：打底。扫描件 PDF、拍照件没有文字层，得先靠它把整页文字抠出来。
- **表格识别 V3 `RecognizeTableAccurateOCR`**：处理合同里的采购清单、付款计划这类明细表格，普通文字识别对表格容易串行串列。
- **实时文档抽取 Agent `ExtractDocAgent`**：核心，按我自定义的字段从合同里结构化抽取信息。

但很快我就发现一个问题：**每审一份合同都要手动串这三个技能，很麻烦**。于是有了这篇的重点——干脆让 WorkBuddy 帮我把这三个能力**封装成一个专用技能**，自动完成“格式判断 → OCR → 要素抽取 → 风险分析 → 出报告”的全流程。三种能力的职责要分清：OCR 解决“有没有读到”，抽取 Agent 解决“字段是什么”，规则和模型协同解决“哪里可疑”；最后的接受与否，仍然是人的判断。

整条链路是这样的：

```
一份合同（TXT/DOCX/文字PDF/扫描PDF）
      │
   格式检测 ──→ 扫描件? ──是──→ 通用文字识别取全文
      │                          │
   含表格? ──是──→ 表格识别V3 ────┤
      │                          ▼
      └──────────────→ 文档抽取Agent（按20项合同要素抽取）
                                 │
                          风险规则引擎（7大类）
                                 ▼
                   合同审阅报告.html + 审查结果.json
```

这条链路还有一个实际好处：每一步都可以单独验收。格式判断错了，看 OCR 分支；文本读全了但字段少，看抽取配置；风险数量异常，则回到规则和证据片段。出了问题，不必把整个系统当成一个黑盒子重跑。

## 准备工作：先把三个 Skill 装上

在 WorkBuddy左侧"专家 · 技能 · 连接器"里进技能市场，把上面三个腾讯云 OCR 技能挨个装上就行，界面很直白，搜名字点安装。
![1 .png](https://developer.qcloudimg.com/http-save/yehe-11396077/ec4b8e8f899f1a9521b804d395fa2ae8.png)

![2 安装3个skill.png](https://developer.qcloudimg.com/http-save/yehe-11396077/74f3d50115a4915510b626f6deaa8e52.png)


装完先别急着用——腾讯云这类 Skill 有个共同点：**装好只是把“调用代码”放到了本地，真正跑起来还差 Python SDK、API 密钥和服务开通状态**。这一步不做，技能可能能启动，却拿不到有效结果。

## 把"配环境"这件麻烦事，直接甩给 WorkBuddy

以往配 SDK、填密钥、开服务，是最劝退新手的一段。这次我干脆偷懒，直接问它："帮我看一下我安装的这 3 个腾讯云 OCR Skill 能用吗？"

WorkBuddy 花了约 1 分 47 秒做了一轮自检，结论很清楚：

- 三个 `SKILL.md`、各自的 `scripts/main.py`、`env_loader.py`、`channel_detect.py` **都在**；
- `tencentcloud-sdk-python` **未安装**；
- `TENCENTCLOUD_SECRET_ID` / `TENCENTCLOUD_SECRET_KEY` **未配置**，也没找到 `.env`。
![3 交互 .png](https://developer.qcloudimg.com/http-save/yehe-11396077/dfbc254c7a85a344822c882ef7943411.png)


然后它直接把"你需要做的事"列了出来：① 装 Python SDK；② 去密钥管理拿 SecretId / SecretKey，并在控制台开通 OCR 服务。

![4 获取配置.png](https://developer.qcloudimg.com/http-save/yehe-11396077/b6a34736633090366c68fb297a08cd03.png)


这里插一个**安全提醒**：我在密钥管理页拿密钥时，腾讯云弹了个提示——不建议直接使用主账号的 API 密钥，更规范的做法是建子账号、按最小权限授权。另外，**SecretKey 千万别截图外泄**，下面所有涉及密钥的地方我都只用名字指代。
![5.png](https://developer.qcloudimg.com/http-save/yehe-11396077/0088496bee0b59c1155abf528dabff86.png)


接着我把话接过来："缺的 SDK 你帮我装，SecretId / SecretKey 我已经拿到了，OCR 服务去哪开通？"WorkBuddy 一边在隔离的虚拟环境里装 `tencentcloud-sdk-python`，一边把开通入口给我指了出来。
![6 交互 配置环境.png](https://developer.qcloudimg.com/http-save/yehe-11396077/0c58e2967a52596df70639bdc6824ffe.png)


我照着去控制台点了"立即开通"文字识别服务，每个接口都带了免费额度（几十到 1000 次不等），测试完全够用。
![7开通服务.png](https://developer.qcloudimg.com/http-save/yehe-11396077/c0f317248ec4b69c1d119e41f827a857.png)

![8.png](https://developer.qcloudimg.com/http-save/yehe-11396077/6510009e71a8563adcaffd8c899e875b.png)

![9.png](https://developer.qcloudimg.com/http-save/yehe-11396077/76c985f0d9367e9928412b88213a3ed8.png)

全部配好后，它又主动跑了一轮端到端验证：

- 通用文字识别：一张 "Hello OCR Test 123" 的图，识别完全正确；
- 表格识别 V3：一个 3 行 2 列的表，6 个单元格全对；
- 文档抽取 Agent：一份模拟合同抽 3 个字段，全中。

最终环境定型：SDK 3.1.161（隔离 venv）、密钥（三个 Skill 共用）、服务已开通，临时测试文件自动清理。

![10 测试完成.png](https://developer.qcloudimg.com/http-save/yehe-11396077/629ff8f9d36587dda46fdb6cc9ca5b6f.png)


**这一段我觉得挺有意思**：整个"装 SDK + 配密钥 + 开服务 + 自检验证"，我几乎没手动敲命令，是用对话让 Agent 自己诊断、自己动手完成的。这也是我后面敢让它直接封装技能的底气。

## 关键一步：让 WorkBuddy 把三个 Skill 封装成“合同审查助手”

三个技能各自验证通过后，我真正上手审了一份合同，立刻感到别扭：**先调文字识别取全文、再调表格识别、再调抽取 Agent，最后还得自己拼风险判断**——每份合同都这么手动串一遍，跟我最初"丢进去、出报告"的设想差太远。

于是我把需求原原本本讲给 WorkBuddy，让它**把这三个能力编排成一个专用技能**：自动判格式、该 OCR 就 OCR、该读表格就读表格，再按合同要素抽取，最后跑风险规则、出报告。

它花了约 14 分 ，创建并自测通过了一个叫 `contract-review-assistant`（合同审查助手）的技能。结构是这样的：

```
~/.workbuddy/skills/contract-review-assistant/
├── SKILL.md                 # 技能描述与使用说明
├── scripts/
│   ├── main.py              # 主编排：格式检测→OCR→要素抽取→风险分析→报告
│   ├── contract_fields.py   # 20 项合同要素定义 + 正则匹配
│   ├── risk_rules.py        # 7 大类风险规则引擎
│   ├── report_generator.py  # HTML 报告生成器
│   ├── env_loader.py        # 密钥加载（复用自 OCR skill）
│   └── channel_detect.py    # 渠道探测（复用自 OCR skill）
└── references/
    └── risk_rules.md        # 风险规则详细文档
```

![11 创建skill并测试.png](https://developer.qcloudimg.com/http-save/yehe-11396077/90ad43f7a18003aa333e282234cf1eb7.png)


它用一张自制的 `test_contract.png` 做了端到端验证：格式检测正确识别为图片 → 文字识别取出 615 字符 → 表格识别完成 → 文档抽取 20/20 → 风险规则命中 7 项（5 高 2 中）。用法也很简单：**直接把合同文件发给它**，或者在终端跑 `python scripts/main.py --input 合同文件路径`，产出 `合同审阅报告.html` + `审查结果.json`。

![12 创建测试第二张图.png](https://developer.qcloudimg.com/http-save/yehe-11396077/5c6e4bb8472858c6ebe5cd70dfb15171.png)


到这一步，“专用大脑”就算捏出来了。接下来是真正的考验——拿 5 份格式各异的虚构合同挨个喂。这里特意强调“虚构”，因为文章展示的是流程和边界，不涉及真实合同信息。

## 真刀真枪：5 份不同格式的合同实测

我准备了 5 份覆盖不同格式和难度的合同样例（**全部为虚构测试材料**，甲乙方、金额、地址均系编造），由易到难上传，重点看三件事：**内容有没有读全、要素抽得全不全、风险主体有没有写反**。第三项是后来才意识到的关键验收点。

### TXT 文字版：第一次就翻车，然后它自己把自己修好了

第一份是纯文本的《工业传感器采购合同》。我说"用合同审查助手分析一下"，它自动调用了刚封装的技能。
![13 首次调用skill测试1.png](https://developer.qcloudimg.com/http-save/yehe-11396077/5afbb4b3db34d1c41c7d50b29d9dcb65.png)

**但第一次跑就露馅了**：只检出 3 项风险、要素才抽到 12/20，明显偏少。更让我意外的是，WorkBuddy 自己发现了问题，去查了 `risk_rules.py`，给出的判断是："**正则模式基本是照着那份测试合同写的，对真实中文合同的表述覆盖不够**"，随后自动补了单方调价、风险转移、验收标准缺失等 5 处漏检规则。

修复后重跑（这一份含自我优化总耗时约 12 分 31 秒）：**要素 12/20 → 17/20，风险 3 项 → 11 项（7 高 4 中）**，把付款比例畸高、单方调价、风险转移提前、验收标准缺失、自动续期、违约责任失衡、争议管辖在乙方等埋进去的雷基本都挖了出来。

![14 首次调用skill 自己完成优化 耗时较长.png](https://developer.qcloudimg.com/http-save/yehe-11396077/c0ce6126ca6838d685a8093674482c82.png)


**我的判断**：这段“翻车 → 自诊断 → 自修复”其实比一次跑通更有价值——它暴露了规则引擎的真实软肋，也说明拿真实语料回测有多重要。规则被补上之后，还要继续观察误报有没有增加。

### 顺带说一下调用方式

技能封装好之后，除了自然语言唤起，也能在技能菜单里直接选 `contract-review-assistant` 指定调用，省得它去猜。

![15 可指定skill.png](https://developer.qcloudimg.com/http-save/yehe-11396077/f00a1a564eb6f1a0fd2939441c62a5e2.png)


### DOCX 表格版：52 秒搞定

第二份是带采购清单表格的《办公设备采购合同》（DOCX）。这份最省心，**52 秒**跑完，抽到 14/20 要素，检出 2 项风险（均为中）：预付 70% 偏高、争议管辖在乙方所在地。表格里的型号/数量/单价也被规整地读了出来，没有串行串列。

![16 测试2 快速完成.png](https://developer.qcloudimg.com/http-save/yehe-11396077/2cae90e7b905c27d7499f2fd75fe5dae.png)


### 文字版 PDF：识别出 8 项风险，也暴露了一个方向性 bug

第三份是带文字层的《云服务采购合同》PDF。跑了约 4 分 44 秒，检出 8 项风险（4 高 4 中），整体判断"对甲方非常不利"：100% 预付、SLA 指标全缺失、自动续期叠加乙方单方定价、无验收考核（高）；数据条款缺失、免责过宽而赔偿封顶偏低、甲方解约权受限、管辖在乙方所在地（中）。

![17 测试3.png](https://developer.qcloudimg.com/http-save/yehe-11396077/b3b5b5fa456159c01e49d8eaa616c2a8.png)


这份最有意思的是它的**诚实自评**：确定性的正则引擎只命中了我埋的 8 个雷里的 3 个（其余靠模型的语义理解补上了），而且出现一处**方向性误判**——原文写的是"乙方所在地法院管辖"，工具却输出成了"甲方所在地"；另外管辖字段还串进了全文开头，合同金额、付款方式没被正则抽出来。

**我的判断**：这恰好说明“规则引擎 + 大模型理解”是两条腿走路——规则快、可解释，但脆；模型覆盖广，却可能在方向、主体这类细节上翻车。报告里如果没有原文证据，二次校验会很困难。

### 扫描版 PDF：OCR 全链路，要素 20/20

第四份是**无文字层的图片型 PDF**（单页扫描的《云服务采购合同》）。这份最能体现 OCR 的价值：走了"通用文字识别取全文 → 表格识别 → 文档抽取 Agent"的完整链路，只用约 1 分 41 秒，**要素 20/20 全部抽出**，规则引擎检出 2 项风险（高：自动续期无提前通知；中：管辖在乙方所在地）。一张纯图片的合同，能变成 20 个结构化字段，这一步的体感差别是最明显的。

![18测试4 扫描件.png](https://developer.qcloudimg.com/http-save/yehe-11396077/f5cad655264c7566ceec09b1b6d9321f.png)


### 六页扫描件：一个差点被放过去的"假阴性"

最后一份是**六页的图片型扫描 PDF**（《设备采购安装维保合同》）

**技能主脚本只 OCR 了第 1 页**，后面五页根本没读，自然什么风险都"看不见"，这是典型的**假阴性**。然后它自己补写了逐页处理脚本，把 6 页全部识别后再审查，文本量到 2497 字符，**抽出 19/20 要素，检出 7 项风险（5 高 2 中）**：单方调价、风险提前转移、违约金十倍不对等、自动续期、验收标准缺失等。
![image.png](https://developer.qcloudimg.com/http-save/yehe-11396077/a9a13fa081e1178eecb97e2b6a073c0d.png)




顺便记一个小 bug：风险模板里"单方调价"那条把方向写反了，报告写成"甲方享有调价权"，其实原文的调价方是乙方。和 那个管辖地写反是同一类问题——**规则模板对主体方向的处理还不够稳**。
![20 测试5.png](https://developer.qcloudimg.com/http-save/yehe-11396077/89ccb0ce524750acb00223b28c5f1fd9.png)

## 五份合同横向对比

把 5 份汇总成一张表，成效就很直观了：

| 样例 | 格式 | 耗时 | 要素提取 | 风险检出 | 备注 |
|---|---|---|---|---|---|
| 01 工业传感器 | TXT | ≈12m31s（含自优化） | 12→17/20 | 3→11 项（7高4中） | 首次漏检，Agent 自修复正则 |
| 02 办公设备 | DOCX | ≈52s | 14/20 | 2 项（中2） | 最快，表格读取正确 |
| 03 云服务 | PDF（文字层） | ≈4m44s | — | 8 项（高4中4） | 暴露方向性误判 |
| 04 云服务 | PDF（单页扫描） | ≈1m41s | 20/20 | 2 项 | OCR 全链路，要素满分 |
| 05 设备采购维保 | PDF（六页扫描） | ≈3m38s | 19/20 | 7 项（高5中2） | 主脚本只 OCR 第1页→补逐页 |

一个能感知的对比：过去人工逐条抠一份多页合同的要素、再过一遍风险，我自己的经验是半小时起步，而且越到后面越容易走神漏看；用这个助手，除了第一份因为在线优化规则花了十几分钟，其余几份都在 1～5 分钟内出结构化报告，**而且不会因为疲劳漏掉“自动续期”“单方调价”这种藏在末尾的隐蔽条款**。不过，六页扫描件只读到第一页的经历也说明：速度提升不能脱离完整性检查。


## 适合谁，以及还能怎么玩

这套组合的核心，不是三个 OCR 技能本身，而是**把它们按业务流程封装成一个专用技能**这件事——从"三个工具"变成"一个助手"，可复用、可迭代、能自我纠偏。它适合经常要处理杂格式合同/单据、又苦于人工初审太慢的采购、法务、行政岗。


从“丢进去一份合同、出一份结构化报告”这个最初的小念头，到真跑通 5 种格式、还顺手踩明白几个坑，这趟折腾下来我最大的感受是：**现在把 AI 能力“攒”成一个顺手的专用工具，门槛比想象中低——难的从来不是调用，而是拿真实数据把它打磨到能用。**

落地时我会把它定位成“初审助手”，而不是自动放行器：保留原文片段、机器抽取结果和人工结论三层记录；扫描件先验收页数和文本量；涉及主体方向的风险，再做一次人工或模型复核。这样，效率提升才不会牺牲可追责性。

> 本文中的合同均为虚构测试材料，测试结果用于说明流程和边界，不构成法律意见。


做过采购或者法务对接的人多半有同感：一份合同甩过来，格式五花八门——有的是 Word，有的是带文字层的 PDF，还有直接拍照、扫描成图片的。人工审一份采购合同，光是把甲乙方、合同金额、付款比例、交付与验收、违约责任、自动续期这些关键条款一条条抠出来再判断风险，少说半小时起步。合同一多，最怕的不是慢，是漏——像"合同期满前 30 日未提异议即自动续约一年，续费价格按乙方当期报价执行"这种藏在末尾的条款，一旦漏看就是真金白银的损失。

从零封装一个合同审查助手：用 WorkBuddy + 腾讯云 OCR 三件套跑通 5 种格式合同的自动审阅

我把腾讯云的通用文字识别、表格识别 V3、实时文档抽取 Agent 接进 WorkBuddy，再封装成一个合同审查助手，最后用 5 份不同格式的虚构合同回测。重点不在“调用成功”这件事，而在于它怎样暴露问题、怎样修复，以及哪些错误不能交给自动化流程悄悄带过。

编程语言

开发工具

人工智能

5份格式各异合同实测：TXT首跑漏检后Agent自修复，六页扫描件暴露只读首页的假阴性。OCR+表格识别+要素抽取+7类风险规则封装成专用助手，1-5分钟出结构化报告，要素提取最高20/20，但方向性误判（管辖地、调价主体写反）需人工复核原文。

文字识别限时特惠，新用户0.5折起


generalocr

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

从零封装一个合同审查助手：用 WorkBuddy + 腾讯云 OCR 三件套跑通 5 种格式合同的自动审阅-腾讯云开发者社区-腾讯云

从零封装一个合同审查助手：用 WorkBuddy + 腾讯云 OCR 三件套跑通 5 种格式合同的自动审阅

从零封装一个合同审查助手：用 WorkBuddy + 腾讯云 OCR 三件套跑通 5 种格式合同的自动审阅

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐