shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 开发与工程无需 API Key

local-docguard-skill

企业文档智能审查（DocGuard AI）Agent Skill：在本地 AI PC 上完成企业文档的 OCR + RAG + 文档理解 + 风险分析 + 报告生成。支持合同风险审查、招标文件分析、技术方案审查、企业知识问答（RAG）、文档对比。所有模型与文件均在 localhost（127.0.0.1）运行，企业敏感文档不离开本机，不上传任何云端。底层由 OpenVINO 本地大模型驱动，支持 Intel CPU / GPU / NPU，模型为任意 ≤35B 的 OpenVINO INT4 本地模型（例如 Qwen2.5-7B），由用户自备、Skill 不自动下载。触发词（中英文）：文档审查/合同审查/审合同/招标文件分析/技术方案审查/风险分析/企业知识问答/文档对比/保密审查/合规审查；review document / contract review / tender analysis / risk analysis / document Q&A / compare documents / local document review / offline document analysis。当用户给出本地文档路径（.pdf/.docx/.txt/.md/.html）并希望得到结构化风险清单、合同摘要、招标匹配度、技术缺陷或基于文档的问答时优先使用本技能，而非调用云端大模型。支持 Windows + OpenVINO。

person作者: Lethehonghubgithub
open_in_new仓库download下载资源包

DocGuard AI — 企业文档智能审查 Skill

DocGuard AI 是一个本地优先、支持端云协同的企业文档智能审查 Agent Skill。它在你的 AI PC 上完成：

  • OCR：扫描件 / 图片 PDF 文本提取（PaddleOCR，可选）
  • RAG：文档切片 → 本地 Embedding → FAISS 向量库 → 检索增强问答
  • 文档理解：本地大模型（OpenVINO）做结构化摘要与条款抽取
  • 风险分析：规则引擎 + 大模型双引擎，输出分级风险清单
  • 报告生成：Markdown / HTML / JSON 三态报告
  • 端云协同：默认本地模型；可选 OpenAI 兼容云端模型（如 DashScope / DeepSeek / OpenAI）用于 LLM 增强，原文件始终不上传

所有数据、向量与本地模型均运行于 localhost；启用云端时，仅向云端发送经脱敏后的文本摘要/检索片段，原始文件字节永不出机。

默认纯本地（赛事合规）：model_config.yaml 的 security.local_only 默认为 true，此时云端被锁死、文档 100% 本地闭环；如需「混合智能」云端增强，将其设为 false 并开启 providers.cloud.enabled 即可，云端不可用时自动降级本地规则引擎。

架构

Agent (Qoder / WorkBuddy / TRAE Work)
        │
        ▼
DocGuard Skill  (tools/*.py — Agent 调用入口)
        │  HTTP (127.0.0.1)
        ▼
DocGuard Local Server  (FastAPI, localhost only)
   ┌────────────┬────────────┬─────────────┬────────────┐
   │ OCR Service│ Document   │ Embedding / │ LLM Reasoning│
   │            │ Parser     │ FAISS Store │ (OpenVINO)   │
   └────────────┴────────────┴─────────────┴────────────┘
        │
        ▼
   DocGuard Analysis Engine → 结构化结果 / 报告

Tools

本 Skill 通过 tools/ 下六个脚本对外暴露能力，每个脚本输出标准 JSON，可直接被 Agent 解析。

1. analyze_document

输入：file_path（本地文档绝对路径，支持 pdf/docx/txt/md/html）

输出：document_analysis（结构化审查结果）

python tools/analyze_document.py --file "C:/docs/contract.pdf"
python tools/analyze_document.py --file "tender.docx" --type tender
python tools/analyze_document.py --file "design.docx" --no-llm   # 仅规则引擎
python tools/analyze_document.py --file "contract.pdf" --cloud   # 使用云端 LLM 增强（需配置）

返回字段（节选）：

  • document_id / file_name / page_count / chunk_count
  • summary：标题、文档类型、相关方、关键要点
  • risks：[{id, category, risk_level(Low|Medium|High), issue, location, explanation, suggestion, evidence}]
  • overall_risk_level + risk_count_by_level
  • 招标文档另含 requirements / capability_match_score / missing_capabilities
  • 技术文档另含 chapter_checks / security_issues / performance_risks

返回示例（节选）：

{
  "document_id": "doc_8f3a",
  "file_name": "采购合同.pdf",
  "page_count": 12,
  "overall_risk_level": "High",
  "risk_count_by_level": {"High": 2, "Medium": 5, "Low": 3},
  "summary": {"title": "采购合同", "doc_type": "contract", "parties": ["甲方：X 公司", "乙方：Y 公司"]},
  "risks": [
    {
      "id": "R1",
      "category": "付款条款",
      "risk_level": "High",
      "issue": "付款周期未明确约定，存在资金占用风险",
      "location": "第 4 条 · 第 3 页",
      "explanation": "合同未约定具体付款日期与逾期责任",
      "suggestion": "补充付款节点、金额比例及逾期违约金",
      "evidence": "第四条 价款支付：双方另行协商"
    }
  ],
  "llm_used": true,
  "llm_model_name": "<自动发现到的本地模型名，例如 ~/.workbuddy/local-models/files/qwen3.6-35b-a3b-pruned-v2.gguf>"
}

注：llm_used 为 true 表示本次结论有本地大模型参与增强；未准备本地模型时该字段为 false，结论仍由规则引擎产出，可独立复核。

2. search_document

输入：query（自然语言问题），可选 doc_id（限定文档）、top_k（检索条数）

输出：retrieved_context（检索片段 + 基于 RAG 的回答）

python tools/search_document.py --query "这个合同的付款周期是多少？"
python tools/search_document.py --query "违约条款" --doc-id <id> --top-k 5
python tools/search_document.py --query "违约责任" --cloud   # 云端 LLM 生成回答（需配置）

返回字段：answer（基于检索内容的回答）、chunks（带 section/page/score/text 的引用来源）。

3. generate_report

输入：analysis_result（来自 analyze_document 的 document_id，或本地 JSON 文件）

输出：report_file（Markdown / HTML / JSON 报告，返回 download_url）

python tools/generate_report.py --doc-id <id> --format html
python tools/generate_report.py --analysis result.json --format markdown

4. check_bid（招投标资格自检）

输入：招标文件（--tender 本地路径，或已分析的 --doc-id）+ 我方资质（--profile-text 文本和/或 --profile-file 本地文件）

输出：bid_evaluation（逐条资质核对 + 匹配度 + 能投/不能投结论 + 废标级缺口清单）

# 招标文件 + 资质文本
python tools/check_bid.py --tender tender.docx --profile-text "注册资本5000万，ISO9001，3个高校项目..."
# 招标文件 + 资质文件
python tools/check_bid.py --tender tender.pdf --profile-file our_company.docx
# 复用已分析的招标书 + 仅规则引擎
python tools/check_bid.py --doc-id <id> --profile-text "..." --no-llm
# 启用云端 LLM（如本机 llama-server）做不确定项的语义升级
python tools/check_bid.py --tender tender.docx --profile-text "..." --cloud

核对逻辑：确定性规则自动判定（注册资本数值比对、类似项目数量、ISO/CMMI/高新等证书、信息系统项目管理师/PMP 等人员证书、从业年限），保证金/交付期/技术规范等"履约动作"标记为待确认而非资质缺口；本地 LLM 可用时对"待确认"项做语义判断升级。返回字段：

  • verdict：能投/谨慎/不建议投标的结论
  • score：满足度百分比（待确认项按 0.5 计）
  • items[]：每条要求的 status(matched|uncertain|missing)、hard_gate（是否废标级硬门槛）、reason、evidence
  • blocking_gaps[]：未满足的硬性资质门槛清单（废标风险）

5. compare_documents（文档版本对比）

输入：两版文档（--old / --new，支持 pdf/docx/txt/md/html）

输出：comparison（结构化差异 + 高风险变化提示）

python tools/compare_documents.py --old contract_v1.docx --new contract_v2.docx
python tools/compare_documents.py -a old.pdf -b new.pdf --type contract
python tools/compare_documents.py --old v1.docx --new v2.docx --cloud   # 启用云端 LLM 评估变更影响（需配置）

返回字段：segments[]（type=added|removed|modified + 双方文本 + 定位条款）、change_count、summary（自动提示是否涉及金额、期限、违约责任、主体变化）、llm_analysis（启用 --cloud 时由大模型给出的变更影响评估与谈判建议）。适用于合同谈判多版本比对、标书修订追踪。

6. agent_run（自主多步编排 · Agentic 模式）

输入：--goal 自然语言目标 + 文档（--file 可重复传多份）+ 可选 --question（RAG 提问）、--profile（投标资质）、--no-llm（纯确定性管线）

输出：agent_run（最终结论 + 完整步骤 trace + 各步 artifacts）

# 单文档全自动：Agent 自己规划 分析->自检->问答 链
python tools/agent_run.py --file 招标书.docx --profile "注册资本5000万，ISO9001" --goal "判断我方是否应投标"
# 双版本对比 + 提问
python tools/agent_run.py --file v1.docx --file v2.docx --question "新付款条件是什么" --goal "对比重大变化"

编排方式：本地 LLM 可用时由模型做 ReAct 式规划（思考->行动->观察循环，决定调用 analyze/bid_check/compare/search 哪个工具、读到中间结果后再定下一步）；模型不可用时回退确定性管线（按文档类型与输入自动串联），始终产出正确结果。返回字段：

  • answer：最终中文结论
  • planner：llm（模型规划）| deterministic（确定性管线）
  • llm_used / llm_model_name：本次是否真实调用了本地 OpenVINO 模型
  • steps[]：每步的 thought（模型思考）、action（调用的工具）、args、observation（观察结果）、duration_s —— 完整 Agentic 执行证据链
  • artifacts：各工具产出的完整结构化结果

同时本 Skill 具备双向互操作能力：对外提供 6 个独立 CLI 工具与本地 HTTP API（127.0.0.1:8765），可被任何其他 Skill / Agent 直接调用；对内编排器组合的就是这同一组工具入口。

示例（Examples）

| 用户意图 | 调用 | |---|---| | "审查这份采购合同" | analyze_document.py --file 采购合同.pdf | | "分析招标文件，看我们能不能投" | analyze_document.py --file 招标书.docx --type tender | | "对照这份招标书，我们公司资质够不够" | check_bid.py --tender 招标书.docx --profile-file 我司资质.docx | | "对比这两版合同改了什么，有没有坑" | compare_documents.py --old v1.docx --new v2.docx | | "审查这份技术方案有没有安全问题" | analyze_document.py --file 设计方案.docx --type technical | | "这个合同付款周期和违约责任是什么？" | search_document.py --query "付款周期和违约责任" | | "出一份 HTML 审查报告" | generate_report.py --doc-id <id> --format html | | "全流程自动审一遍，该查的都查" | agent_run.py --file 合同.pdf --goal "全面审查" |

何时使用 / 何时不使用

应使用本 Skill（触发条件）：

  • 用户提供了本地文档路径（.pdf/.docx/.txt/.md/.html）并希望得到结构化风险清单、合同摘要、招标匹配度、技术缺陷，或基于文档的问答。
  • 任务属于合同风险审查、招标文件分析、技术方案审查、企业知识问答（RAG）、文档对比、保密 / 合规审查。
  • 用户强调数据不出机、离线可用、隐私优先。

不应使用本 Skill（边界）：

  • 文档仍在远端网盘 / 邮件中尚未落地到本地 —— 请先把文件下载到本机再调用。
  • 需要实时联网数据（行情、实时新闻、实时法规库）—— 本 Skill 不联网。
  • 用户明确要求使用特定云端超大模型做超长上下文推理 —— 本 Skill 仅加载本地 ≤35B 模型；云端为可选增强且默认关闭。
  • 非文档类任务（代码生成、纯闲聊、通用知识问答）—— 本 Skill 聚焦「文档内容理解」。

输出解读

  • analyze_document 终端会打印完整 document_analysis JSON；高风险项标 High，并给出 location（条款/页码）与 suggestion（修改建议）。
  • search_document 先检索相关片段再生成回答，每条回答附带引用来源（[1] 第 N 页 · 相似度 xx%）。
  • generate_report 返回 download_url，浏览器或 Agent 可直接打开。

失败处理

  • 服务未启动：脚本会自动拉起本地 Server（首次约 2–5 秒）；可用 --no-auto-start 关闭自动拉起。
  • 缺少可选依赖（OCR/Embedding 模型）：自动降级为「规则引擎模式」，仍输出真实风险分析，不会返回空。
  • 大模型未加载：自动回退到规则引擎 + 关键词抽取，保证审查结论始终可用。
  • 文件格式不支持：返回明确错误，支持 pdf/docx/txt/md/html。
  • 首次未准备模型：不会触发下载；若需 LLM 增强请先按 info.json 放置本地 OpenVINO 模型，否则自动走规则引擎降级。

Important

  • 宿主调用入口：WorkBuddy / Qoder / TRAE 等宿主通过 scripts/run.ps1 统一启动与调用本 Skill（详见 info.json），支持动作 analyze / search / report / bid / compare / agent（对应 scripts/client.py 路由到 tools/*.py 六个脚本）；Agent 也可直接执行 tools/*.py。
  • 不要直接调用 server/ 内部模块，统一经由 tools/*.py 入口。
  • 本地优先：默认不依赖任何云服务，断网可用；文件、向量、本地模型均在 localhost。
  • 不支持平台：宿主入口为 PowerShell scripts/run.ps1，仅支持 Windows（Linux / macOS 需自行提供等价启动脚本）。内存建议 ≥ info.json 中 mem_need_gb（默认 8GB）。
  • 纯本地锁死（赛事硬要求）：默认 security.local_only=true，云端模型仅在用户于 model_config.yaml 显式开启且自备 API key 时方可启用，且原始文档字节永不出机（仅发送脱敏文本片段）。
  • 模型用户自备、不自动下载：本 Skill 不会自动下载任何模型权重。首次运行请按 info.json 准备本地 OpenVINO 模型（任意 ≤35B INT4，如 Qwen2.5-7B-Instruct-int4-ov）与可选 embedding 模型；无模型时自动降级为「规则引擎 + 哈希嵌入」，审查结论仍真实可用。
  • 自动发现本地模型：默认配置 model.auto_discover: true + model.path: "auto"。启动时按优先级自动扫描：① <skill>/.openvino/models/* 下的 OpenVINO INT4 IR（openvino_model.xml）→ ② ~/.workbuddy/local-models/state.json 注册的 GGUF + 探测 127.0.0.1:{8888,8889,9999,8080,8000} 的 llama-server → ③ 都没找到时降级为规则引擎。查看发现结果：GET /api/providers 返回 discovery 字段。
  • 端云协同（可选）：在 model_config.yaml 中开启 providers.cloud.enabled=true、配置 endpoint/model，并通过环境变量设置 API key 后，用户可通过 --cloud 参数（由 Agent 在调用 tools/*.py 时传入）启用云端 LLM。原始文件字节永远不会上传，仅上传文本摘要/检索片段。
  • 安全开关：security.local_only=true 时，无论 Agent 或任何调用方如何请求，云端 LLM 都会被强制拒绝，确保严格本地合规。
  • 本地模型需自行准备：Skill 不会自动下载任何模型。未准备本地模型时，自动降级为「规则引擎模式」（仍可输出真实风险分析）；如需本地大模型增强，请将任意 ≤35B 的 OpenVINO INT4 模型放到本地目录（参见 model_config.yaml 与 scripts/convert_model.py），并在 model_config.yaml 的 providers.local.python 填入装有 openvino-genai 的 Python 绝对路径（或用环境变量 DOCGUARD_OPENVINO_PYTHON 覆盖）。
  • 平台提示：面向 Windows + OpenVINO 优化（GPU/NPU 优先，CPU 回退）；非 Windows 平台仅 CPU 回退。
  • 隐私：日志已对手机号、身份证、邮箱、银行卡号脱敏；用户文件按 user_id 隔离。
  • 仅对您自有且可信的本地文档使用本能力。
  • 环境要求：需 Python 3.9+（FastAPI / uvicorn 依赖）；依赖隔离安装于 venv（见 info.json 与 requirements.txt）。本地大模型增强为可选能力，需另行安装 openvino / openvino-genai 并自备 ≤35B 的 OpenVINO INT4 模型；未安装则自动降级为规则引擎模式，仍可输出真实风险分析。