一份客户发来的合同，付款条件是"开票后90天、且客户自己的甲方付了钱才付你"，知识产权条款写着"你写下的东西从落笔那一刻起归客户，哪怕他一分钱没给"。签之前，你想找个人看一眼。
摆在面前的选择都不太好。找合同律师，时薪通常在300到800美元之间，一个小项目很难为这个价钱开口。把合同粘进云端AI工具，又可能直接踩碎你签过的保密协议——客户从没同意让第三方读到这份草稿。
Lim Local 想填的就是这个缝。它是一个命令行工具，在你自己的笔记本上给出第二意见，合同文件不出本机。
它具体做什么
喂给它一个合同文件，支持 .md、.txt、.docx 和文本型 .pdf。它会挑出自由职业者最容易踩坑的三类条款：付款条件、知识产权归属、以及赔偿与责任——出事之后谁掏钱。
每一类条款都会和公开的 Common Paper 标准条款逐条比对，最后生成一份单文件 HTML 报告，排版像一张维基页面。报告里每一条都给出四样东西：
- 风险等级：LOW、MEDIUM 或 HIGH
- 触发警告的合同原句，精确到句子
- 原条款与建议改写并排对照
- 一句可以直接回给客户的客气话
测试合同里有一句被工具抓了出来："付款明确以客户成功从其最终机构企业客户处收到许可款项为条件。"建议改写则写成："客户同意在收到发票后三十（30）天内付款。"
代码做判断，模型只负责写
模型用的是谷歌的小型开放模型 Gemma 4，通过 Ollama 在本机运行，工具只和 127.0.0.1 通信。作者自己的笔记本是 RTX 4050、6GB 显存，一次完整审计通常耗时10到20秒。
流程拆成几段：读取器把文本抽出来，切分器切成小节并为三类条款各挑一节，审计器拿它和 Common Paper 专业服务协议标准条款 v1.1 的13个小节逐字比对，最后由模型写建议改写和那句客气话，报告生成器负责输出，凡是来自合同或模型的内容一律做 HTML 转义。
评级规则不交给模型：命中两个及以上红旗判 HIGH，一个判 MEDIUM，零个判 LOW。作者特意说明，LOW 不代表条款安全，只代表清单上的项目一个都没找到。
小模型当裁判踩过的坑
把判断权交给一个小模型，问题一个接一个冒出来。
它会把作者的清单原样抄回来当结论。给一份公平合同，它把红旗列表当成自己的发现交了上去。现在的做法是强制它引用合同原文，再由代码核对这段引用是否真的存在于该条款里。
它还会把保护性句子当成坏条款的证据。一份公平合同写着"收到全额付款后，承包方转让……"，模型拿这句去证明"付款前即转让"，知识产权条款因此被判 HIGH。作者补上了每类红旗的句式特征，也补上了能抵消它的保护性句式。
同一份合同跑两次，评级会变。一次报问题，下一次跳过。现在由代码自己逐条找红旗，模型不再决定什么算数。
还有隐藏思考挤占答案空间的问题。Gemma 4 会在作答前静默思考，这些思考吃掉了分配给答案的额度，答案从中间被截断，程序在残缺输出上直接崩掉。早期一次运行花了74秒，三类条款里两类失败。Ollama 默认只给 Gemma 4 一个 4096 token 的小记忆窗口。作者关掉思考、把窗口提到 8192，同一份合同现在约15秒跑完。
改写里还会漏出 Common Paper 的措辞，比如在写着"Freelancer"和"15天"的合同里冒出"Payment Period"和"Provider"。代码现在会把这些词替换成平实说法和合同自己用的当事方名称。
第一个外部测试者带来的三个bug
一位独立测试者克隆仓库，在自己的 RTX 2050、4GB 显存笔记本上跑通了，最后一次完整合同耗时35.9秒，比作者机器慢，但跑完了。
他寄来一份合同和两条抱怨。终端在首次调用加载模型时会卡住几秒像死机，工具现在会打印加载提示并逐条显示进度；每次运行会覆盖上一份报告，现在报告按合同名命名，比如 audit_sample_sow.html。
他这份合同还暴露了三个规则bug。合同里把自由职业者称作"Freelancer"而不是"Contractor"；合同写明责任上限"不适用"，而规则看到"cap"这个词就认定存在上限。三类条款里有两类被判成 MEDIUM，本该是 HIGH。修完之后，三类全部回到 HIGH。
作者强调这是个小测试集，而且大部分文件在调规则时已经看过，不能当作准确率读数。测试者那份是第一个没参与调参的文件，也正是它抓出了上面这些bug。
它做不到的事
规则是英文关键词模式，措辞不寻常就可能漏过去。每类条款只检查一个小节，如果合同里同时有一份公平条款和一份更糟的补充件，只有得分更高的那份会被审到。如果工作说明书指向另一份主协议，那些条款会显示为未找到。
模型给出的改写可能添加原文没有的条款，比如凭空写进一个30天付款期，所以改写必须和完整合同对照着看。扫描版 PDF 不支持。目前只在 Windows 11 上测过。工具定位是分诊辅助，不是法律意见。
作者也交代了开发方式：用AI对话助手和编码插件帮忙写和审代码，每一处改动都由自己运行和测试。测试者那份合同同样由AI起草，并标注为虚构测试文件。
为什么必须留在本地
合同不出笔记本，是这个项目存在的理由。受保密协议约束的自由职业者没法把客户草稿发给闭源云服务。模型是开放的，跑在自己的机器上，一次性下载完之后工具不需要联网。作者自己验证过：关掉笔记本 Wi-Fi，对 sample_sow.md 跑一次审计，正常完成。
成本结构也跟着变。按页计费不存在，所以一次性定价比如29美元在商业上说得通；建在付费云 API 上的工具则要为每次审计付钱，每次上传都多一分隐私风险。
能改模型行为也是本地带来的好处。因为模型在自己机器上，作者可以关掉隐藏思考、设定记忆窗口、在答案外面套代码校验——从一个照抄清单的模型，变成一个评级稳定的工具。
闭源大模型会不会更好？作者承认，云端大模型大概会把合同读得更仔细。但它会破坏这个工具唯一必须守住的规则：合同不离开这台机器。在这个问题上，留在本地的小模型是更划算的交换。
代码是 MIT 许可，README 里列清了工具做不到什么。作者说目前还没卖出任何东西，29美元只是个猜测的价位。那位测试者表示，如果 Lim Local 真能稳定工作、让他不必再把合同粘进云端AI工具，他愿意付一次性费用——但他没报具体数字。
热门跟贴