使用 Doczy.ai™ 在 AWS 上自动化合同智能分析

概述

在许多行业，尤其是医疗保健和金融领域，关键的业务信息被锁定在合同、协议等非结构化文档中。传统的人工审查方式效率低下、易出错且无法扩展，导致了重大的运营瓶颈和机会成本。Doczy.ai™ 是一个由 AArete 开发的智能合同解释解决方案，它利用 Amazon Web Services (AWS) 上的生成式 AI，自动化、大规模地处理此类文档，将非结构化数据转化为结构化的、可操作的业务洞察。这一案例展示了现代云原生 AI 架构如何解决复杂的文档密集型业务问题，对于 SRE 而言，其高扩展性、准确性和监控设计具有重要的参考价值。

核心概念

Doczy.ai™ 的核心在于其专利的文档理解引擎，其关键概念和技术包括：

  1. 智能分块 (Smart Chunking)：这是一种专有的文本预处理算法。它不仅仅是提取文本，而是通过语义和关键词搜索将文档分解为有意义的、上下文感知的片段。该算法能保留文档的层级结构和一对多关系，例如，识别出某个条款与多个附件之间的关联，并使用动态参数维持逻辑连贯性。

  2. 双聚类引擎 (Dual Clustering Engine)：这是系统理解合同的核心。它同时从两个维度分析每个文档：

    • 语义维度：将文本转换为嵌入向量（Embeddings），将含义相近但表达不同的文本块进行分组。
    • 结构维度：使用模式识别算法分析条款类型、格式规范、表格布局和层级组织。
    • 然后，通过投影算法将这两种分析结果并行比较、合成，形成一个统一的、丰富的文档模型。这确保了系统不仅能“读”文字，还能“理解”合同的意图和结构上下文，是实现 99% 准确率的关键。

  3. 大语言模型 (LLM) 与提示优化：在双聚类智能的基础上，系统使用先进的大语言模型生成结构化输出。它通过少样本/多样本提示，并基于领域示例和实际输出不断编辑和优化提示，形成一个持续改进的反馈循环，以提升准确性和适应性。

  4. AWS 核心服务栈：整个解决方案构建在一系列 AWS 托管服务之上，形成一个可扩展、安全的处理流水线。主要服务包括：Amazon Cognito（认证授权）、Amazon S3（对象存储）、AWS Lambda（无服务器计算触发）、Amazon Textract（OCR 和文档分析）、Amazon ECS（容器化服务运行 AI 模型）、Amazon Bedrock（托管式生成式 AI 服务）以及 Amazon CloudWatch（监控）和 AWS Secrets Manager（密钥管理）。

实践

Doczy.ai™ 的架构设计展示了一个端到端的、生产就绪的文档智能处理流水线。其实践步骤如下：

  1. 文档摄入与认证：外部用户通过一个基于 Next.js 的安全前端访问系统，Amazon Cognito 负责身份验证与授权。用户将合同文档（数字或纸质格式）直接上传到 Amazon S3 桶中，获得高持久、高可用的存储。

  2. 文本与元数据提取：文档上传后，一个 AWS Lambda 函数被触发，调用 Amazon Textract 从文档中提取文本、布局和元数据信息。Textract 能够处理各种文档格式，为后续处理打下基础。

  3. 智能分块处理：提取的原始文本送入 Doczy.ai™ 的“智能分块”算法。该算法将平面文本分解为保留了文档内在结构和语义关系的“字段组”，并组织好顺序标识符和元数据。

  4. 双聚类分析：分块后的数据进入双聚类引擎，同时进行语义分析和结构分析，并将两者合成，生成对合同全面深入的理解模型。

  5. 结构化输出生成：基于双聚类生成的上下文，系统确定文档类别，并利用经过优化的提示模板驱动大语言模型（通过 Amazon Bedrock 调用），生成结构化的 JSON 或其他格式的数据。

  6. 数据交付与洞察：最终的结构化数据流入 Snowflake 数据仓库，形成中央信息库。该库为智能仪表板提供支持，生成可操作的业务洞察和可视化报告，例如合同条款分析、支付合规性检查等。

架构图描述：如资料中图示，整个流程从用户界面开始，经过 Cognito 认证后，数据流入 S3。随后，由 Lambda 触发的 Textract、ECS 上的 AI 处理管道（包含智能分块和双聚类）依次执行。Amazon Bedrock 提供大模型能力。全程由 CloudWatch 进行监控，Secrets Manager 保障密钥安全。输出最终汇聚于数据仓库（如 Snowflake）。

SRE 要点

此案例对 SRE 实践在自动化、可靠性和可观测性方面提供了宝贵参考：

  • 与可靠性及可观测性的关联：

    • 高精度与可扩展性：系统达到 99% 的准确率，远高于传统规则系统的 55% 和人工处理的误差水平。它证明了通过精心设计的 AI 流水线（智能分块 + 双聚类）可以实现可靠的自动化。系统已处理超过 250 万份文档（5000 万页），证明了架构的弹性与可靠性。
    • 全面监控：Amazon CloudWatch 被集成用于实时性能监控，能够在问题升级前主动发现并处理，这是 SRE 实践中可观测性和预防性维护的核心。SRE 可利用类似设置监控 AI 模型的准确率漂移、处理延迟和错误率。

  • 最佳实践与常见反模式：

    • 最佳实践：采用托管服务（如 Bedrock、Textract）以降低运维负担；通过无服务器（Lambda）和容器（ECS）实现弹性伸缩；将安全（Secrets Manager, Cognito）内置于架构的每一层；使用反馈循环持续优化 AI 模型性能。
    • 常见反模式：依赖单一的关键词或规则进行文档解析（容易遗漏上下文），忽视对非结构化数据输出进行二次验证和监控，缺乏从原始数据到业务指标的端到端可追溯性。Doczy.ai™ 的方案通过双聚类和结构化输出有效避免了这些陷阱。

  • 相关指标 (SLI/SLO/SLA)：

    • SLI (服务级别指标)：文档处理准确率（如字段提取正确率）、端到端处理延迟（从上传到生成洞察的时间）、系统可用性（处理管道的 uptime）、吞吐量（每周处理的文档数量，案例中达 25 万份）。
    • SLO (服务级别目标)：基于业务需求设定，例如，要求合同关键条款（如付款条款、责任范围）的提取准确率 ≥ 98%，或 95% 的文档处理应在 24 小时内完成。
    • SLA (服务级别协议)：作为 SaaS 提供商，AArete 可能向客户承诺具体的服务水平，如 99.9% 的月度可用性，以及相应的赔偿条款。

该案例显著体现了自动化带来的 SRE 赋能：97% 的手动处理时间减少 释放了人力资源，使其能专注于更高价值的判断和战略工作，而非重复的、易出错的数据提取任务。这直接提升了整体运营效率和可靠性。相关概念可参考 reliability-engineering 和 observability。