文章介绍了一种实现合同关键信息提取的简单且高效的方法，主要面向财审同事使用的Mac电脑环境。文章提到了两种从PDF中提取关键信息的方式，并重点介绍了方式2：先将PDF通过OCR转换为文本文件，再使用AI大模型从文本中提取关键信息。文章还提供了使用Ollama模型和chatgpt写代码的例子，并说明了如何批量处理合同信息和输出结果为Excel文件。
方式1是使用视觉模型识别，适用于单据类如发票、车票等；方式2是先OCR识别为文本文件，再使用大模型识别关键信息，适用于几乎全是文本类的文书如合同，速度更快。
示例中展示了如何定义一个模型来存储合同信息，以及如何准备合同文本并使用Ollama模型进行处理，最后解析返回的JSON数据。
只需要写个循环读取指定文件夹的所有txt文件，批量调用函数，最后将信息输出为Excel即可。使用的AI模型占用显存较小，可以适用于大多数环境。
之前写过好几篇合同关键信息提取的方法，今天给大家介绍一个实现最简单，效率也不错的方法。
财审同事需要对被审计单位销售合同、采购合同、工程承包合同、工程分包合同的关键信息进行提取。
一般来说，他们会把这项工作交给效率工具-“实习生”来完成。
但是架不住量大，实习生用起来也不划算。
之前我们介绍过使用 paddlepaddle 和 knowledge-table 来实现。
其中 paddlepaddle 对于有 N 卡的效率高。
但我现在使用的 Mac 电脑，我发现使用 ollama 来实现是效率和部署最方便的。
前不久， ollama 提供了结构化输出的示例，要实现这个需求就更简单了。
对于扫描件的 PDF ，有两个方式可以实现：
-
直接使用 ollama 支持的视觉模型识别，并输出为结构化数据。
-
先将 PDF OCR 识别为 txt 文本文件，再使用 ollama 大模型识别出关键信息输出为结构化数据。
对于方式1来说，比较适用单据类，如发票、车票、报关单、凭证等。优势是效果好，缺点是速度慢。
对于方式2来说，比较适用几乎全是文本类的文书，如合同等。优势是速度快。
因此，本篇我们介绍方式2.
从 PDF OCR 识别为文本文件，有很多软件可以实现。不过，在 Mac 电脑上我直到今天才找到最好用的。
这里暂且不赘述。
假设我们已经将 PDF 转成了 txt 文件，我们只需要从文本中利用 AI 大模型提取出关键信息。
我们根据 ollama 官网给的示例，找 chatgpt 给我们写代码：
它直接给我可用代码：
from ollama import chatfrom pydantic import BaseModelfrom typing import Optional
# 定义一个模型来存储合同信息class Contract(BaseModel): contract_number: str # 销售合同或销售订单编号 sign_date: str # 合同签订日期 contract_term: str # 合同期限 contract_type: str # 合同类型 contract_subject: str # 合同标的 payment_method: str # 付款方式 settlement_basis: str # 结算依据 quantity_tons: float # 数量（吨）
