一个周末从 SPEC 到上线：我用 AiiOnly Token Plan 撬了一个「AI 合同避坑」工具- 惊觉

前言

前段时间帮一个朋友看租房合同。他被揣在兜里的那张 PDF 坑了——里面写着「甲方有权根据市场情况调整租金」。我逐条过了一遍，单看每一条似乎都还体面，直到把第 3 条的承诺和第 18 条的违约责任放在一起读，才发现这俩根本对不上：一边承诺租期稳定，一边保留随时涨租的单方权利。

那一刻我意识到两件事：

这件事让我确认了一个判断：合同真正的坑，不在某一条款里，而在条款与条款的矛盾之间。普通人签合同，身边也没有人帮他做「跨条款关联」。 试用期写 3 个月、合同期写一年，单独看都正常，合在一起就已经踩了《劳动合同法》的红线。
而通用 AI 对话解决不了这个问题：你一段段往对话框里粘，它就一段段孤立地看；更糟的是，它偶尔还会自信地编出一个不存在的法条编号——在法律场景里，「编一个」远比「我不确定」危险得多。找律师呢，为一份租房合同付一笔咨询费，又实在不划算。

而在当下，vibe coding 已经能把一个想法很快地变成能跑的东西。于是我就在想：能不能做一个工具，把整份合同一次性喂给长上下文模型做跨条款关联分析？每条风险标注模型自己的把握度，引用的法条联网核验真伪，最后再一键生成跟房东或 HR 谈判用的话术——从上传到报告，30 秒。

一、平台选型：从「模型太多」到 AiiOnly

想法有了，第一个现实问题摆在面前：用什么模型来做？

认真盘了盘这个项目对模型的需求，其实挺刁钻：开发期，我要一个能扛长程工程任务的 Coding 模型帮我搭整个项目；运行期，我要一个 1M 上下文、原生多模态、工具调用稳定的模型跑分析；法条核验还依赖联网检索。按照过去的老办法，这意味着 A 家充点钱写代码、B 家充点钱跑分析、C 家再开个搜索——三套账号、三个 Key、三份账单，接口协议还各不相同。对一个用业余时间做 side project 的个人开发者来说，项目还没开工就先被这套「多模型管理成本」劝退了一半。

就是在找方案的时候，我认真看了下 AiiOnly 这个模型聚合平台，说实话，确实打动了我：

模型阵容不止 Kimi、DeepSeek、GLM、豆包、通义、MiniMax 这些主流文本模型，多模态模型、图像生成模型、视频生成模型（Seedance、Vidu、万相、HappyHorse 等）也都齐备——从写代码、看图识字到文生视频，一个控制台全包了。
而且一个 API Key 通吃所有模型，OpenAI / Anthropic 双协议兼容，原有代码换个 base_url 就能跑。

真正让我下定决心把整个项目押上去的，是成本、客户端、接入这三件事——下面挨个展开说说。

1.1 成本选择：Token Plan 的 Standard 档，一笔账算明白

平台选好了，接下来是一道选择题：用 AiiOnly 的按量付费 API，还是上订阅套餐？我直接选了平台新推出的 Token Plan——一份订阅，把多款主流模型的额度打包到一起，Credits 统一扣。套餐一共四档：

选档过程很简单，就是算账：开发期一天的高强度调用，加上线后 demo 持续跑的流量——Lite 档会紧，Pro 档个人项目用不完，Standard 刚好卡在中间：¥79/月（原价 ¥122/月，首发立省 ¥43，一顿火锅钱），换来 632 万 Credits。

而套餐真正留住我的，是三件事：

额度内多模型自由切换、无高峰期限流。DeepSeek-V4-Pro / V4-Flash、GLM-5.2 / 5.1、kimi-k2.7-code / k2.6 / Kimi-K2.5、MiniMax-M2.5 全在套餐里，新旗舰模型持续加入、价格不变——这意味着我不需要在「选哪个模型」上做一次性豪赌，随时可以改主意；
成本封顶，自动止损。额度用尽自动暂停，不会产生超额费用。对个人开发者来说，「包月封顶」比「单价便宜」重要得多——它意味着我可以放开手，把整份整份的合同丢给模型去试错，不用每次调用都精打细算；
不止于对话。日常问答、长文本处理、专业代码生成调试都在权益内，而且原生兼容 Claude Code、OpenClaw、OpenCode、KiloCode、Codex、cc switch、hermes 等国内外主流编程工具——这个套餐既能「直接用」，也能「接进工具链里用」。

1.2 你的 AI 全能助手，覆盖办公、创作与开发三大核心场景

AiiOnly 不只是一个 API 网关——从 Token 额度订阅（Token Plan）、Agent 开发（VeryClaw）到 Chat 对话（AiiOnly 客户端），再补上 7WAN AI 的多模态创作，一条产品线一站式跑通，办公、创作、开发三大场景各有各的着落：

AiiOnly 客户端：把模型调用、对话管理、任务编排装进同一个客户端。不想写代码，也能把套餐里的模型额度用起来——日常问答、长文本处理直接在客户端里完成。本项目的开发调试，我很大一部分就是直接在客户端里跑的；
7WAN AI 一站式 AI 多模态创作平台：一站式整合文生图、文生视频、语音合成等全套多模态生成能力，内置海量风格模板与优质素材，从找灵感到出成品、再到作品发布与互动，一个平台全搞定；
VeryClaw 桌面客户端：面向开发场景的那一块——把 AiiOnly 接进日常的命令行工作流和编程工具链，切换模型、管理任务都在桌面端完成。

VeryClaw Windows 版下载地址：https://yixiao.aionly.com/downloads/veryclaw/latest/windows/x64/exe

AiiOnly 客户端下载地址：

https://aionly.com/download

1.3 接入使用：从注册到跑通第一次调用

模型选择和套餐token都搞定了，那么接下来就自己接入编程工具使用了。

这里的门槛比我想象的低，三步走完：

注册订阅：在 maas.aiionly.com 注册登录，控制台里进入 Token Plan 页面，选档订阅（我选的 Standard，点「立即订阅」即可）；

订阅完成后我们点击Token plan就可以直接进入到token plan的管理界面

Key 与消耗量管理：这里有个很贴心的设计——Token Plan 的 Key 和普通模型的 Key 是分开的、单独管理，互不干扰；点进模型详情，还能看到每个模型各自的消耗量。额度用在哪、哪个模型费多少，管理和查看都非常方便。

到这一步，就可以在 Token Plan 的 API Key 管理界面拿到 Key，填进 AiiOnly 客户端 / VeryClaw 开箱即用。这里我选择用 VeryClaw 桌面客户端开发——用自然语言就能自动完成办公、开发、部署等需求，并且 VeryClaw 支持与 Token Plan 联动，配置套餐里的大模型开箱即用，不用写代码、不用手动配置，说话就能下达指令。

这里我的点击模型选择AIOnly国内站Token Plan

这里也同步一个迭代通知：VeryClaw下一版本已经支持零配置接入——连 API Key 都不用手动填了，直接使用 AiiOnly 的手机号或邮箱即可一键完成配置。从订阅开通、Token 额度到模型配置，整条链路自动化串联、一站式完成，真正做到「无脑开箱即用」，全程丝滑。

然后，把TokenPlan中获取的aipkey和需要的模型直接填入即可，无需过多配置。

添加完成之后，我们在客户端就可以看到大模型的套餐总量和消耗

二、项目实操：一天做出合同分析平台

先交代节奏：整个项目用周末的空闲时间完成，拢共一天。但这一天里我大部分时间花在验收和提反馈上，不是写代码——编码的活交给了模型，我的角色更像产品经理：提需求、看结果、把吐槽变成下一条需求。

2.1 开发节奏：先访谈出 SPEC，再照图施工

很多人用 AI 做产品的第一步就踩坑：直接甩一句「帮我做一个 XX 工具」，就等着收代码。看起来高效，其实这一句话根本装不下你的真实需求——「想要什么」在你自己脑子里都还是模糊的，模型只能靠猜，产出的东西看着像模像样，方向却往往不对，接下来就是改不完的返工。

我的做法正相反：先不动手写一行代码，而是让模型扮演产品架构师，反过来对我做一轮苏格拉底式的深度访谈。二十多个问题问下来——「模型编造法条算谁的责任？」「PDF 中文导出乱码怎么绕？」「API Key 要不要下发到浏览器？」「报告 JSON 解析失败怎么兜底？」——这些问题里，好些在被问到之前，我自己压根没想过。

我的初始需求是：搭建一个 AI 法律合同解读器，帮用户从「上传解析 → 风险识别 →
  人话翻译 → 法条核验 → 谈判话术 → 一键导出」一条龙看穿合同暗坑，覆盖毕业季租房 /
  秋招劳动合同 / 兼职协议三类场景。
  技术栈：Vite + React 18 + TS + Tailwind，Express 代理 AiiOnly（maas.aiionly.com）
  Token Plan，通过   Anthropic Messages 兼容 Chat Completions 协议接入 GLM-5.2（标准级），
  用 function calling 提交结构化报告，前端解析高亮。一个 API Key 统一调用，
  服务端环境变量注入、不下发浏览器。

  **规则（必须严格遵守）：**
不要直接写代码或生成方案。
先用 AskUserQuestion 工具对我做深度访谈，像 Socratic 提问法挖掘细节。
每轮只问 3-5 个最关键问题，等我回答后继续追问，直到需求完整。
必须覆盖以下维度（每个至少 1-2 个问题）：
目标用户、核心场景与成功标准
五大 AI 能力的功能边界（单合同关联分析 / 多合同交叉分析 / 法条核验 /
  谈判话术 / 对话追问，各自做到哪、不做到哪）
非功能需求（GLM-5.2 长上下文耗时与 SSE 流式等待、Credits 成本核算与套餐档位
  选型、无速率限制下的并发与超时、Prompt Cache 命中策略）
AI 可靠性（幻觉控制：不编造法条编号；confidence 自评 + 主动跳过模糊条款；
  function calling 返回非法 JSON / 超时 / max_tokens 截断 / 未调用 tool 如何兜底）
数据安全与隐私（本地解析 vs 后端转发 AiiOnly、是否留存、Key 是否下发浏览器、
  法条核验若另接搜索 API 是否把原文外泄）
边缘案例与架构决策（非合同文件 / PDF 中文乱码 / OCR 差、本地启发式预扫
  vs LLM 判断如何分工、前端导出 vs 后端导出、单模型 vs 多模型、
  原方舟 web_search 联网核验在 AiiOnly 下如何降级或替代）
潜在风险与权衡（法律免责边界、幻觉误判责任、AiiOnly 强依赖、
  GLM-5.2 上下文长度是否仍够支撑整份合同关联分析、诚实度自评是否降低信任）
当我确认"规格已完整"时，再输出完整 SPEC.md
（需求、架构图、模块拆分、TODO 清单、验收标准）。

这里我们就可以直接和VeryClaw进行访谈了，VeryClaw会对我们项目的每一个细节进行深挖。然后确认好需求自动帮我们整理出来spec需求文档。

访谈的最后，我确认「规格已完整」，模型随即输出了一份完整的 SPEC.md——「图纸」画完了，剩下的就是照图施工。

「图纸」有了，怎么施工还得有个计划。这一步我同样没动手：把 SPEC.md 原样丢回给 VeryClaw，让它自己拆需求。一轮下来，VeryClaw 自动跑了 21 次工具调用，把整份需求文档拆解成 13 个功能模块，还按依赖关系排好了推荐施工顺序——先打地基（脚手架、类型定义），再铺管道（服务端代理、SSE 累加器），然后依次实现单合同分析、多合同交叉、法条核验、谈判话术、对话追问五大能力，最后收尾文件解析、PDF 导出和首页 UI。每个模块后面都挂着实时状态和耗时：做完的自动打勾，正在跑的持续更新，还没轮到的安静排队。接下来的事情就更简单了——照这份顺序把任务逐个丢回给 VeryClaw，它逐个生成代码、自动完成测试，我的工作只剩验收。

2.2 需求拆解：五大 AI 能力 + 本地预扫

先看看这份 SPEC.md 里都有什么。访谈的全部产出，最终被总结成一份钉死了所有关键决策的需求文档：项目要做成的样子、目录结构怎么摆、API 路由表怎么分、每个功能返回的 JSON Schema 长什么样、反幻觉机制分几层、Credits 成本怎么核算，连验收标准都一条条列好——需求、架构、模块拆分、TODO 清单，全部落在纸面上。

这份文档最大的价值体现在后面：后续开发就是拿着它直接生成代码，全程不用我再动手。模型照着需求文档施工，目录、路由、组件、提示词一次成型，几乎没有出现过方向跑偏、推倒重来的返工；我的工作只剩运行和验收，再把发现的问题记成下一条指令。

而整份图纸的起点，是把「帮人看合同」这个模糊的想法，拆成了六件钉得死死的具体事项——五大 AI 能力，外加一道不耗 token 的本地预扫：

能力	做什么	关键点
单合同关联分析	整份合同一次性喂入，识别跨章节冲突	1M 长上下文，不切块
多合同交叉分析	offer + 劳动合同 + 保密 + 竞业一起比对	跨文档找承诺不一致
法条核验	报告里每条法律依据联网核验真伪	四档结论 + 来源 URL
谈判话术生成	按对象/语气/形式生成可直发的协商文本	发现→解决闭环
对话追问	围绕合同原文连续多轮提问	整份原文常驻上下文
本地预扫	上传瞬间用 30+ 陷阱词典正则匹配	不耗 token，即时反馈

2.3 技术栈选型&架构

技术栈没什么炫技的成分：前端 Vite + React 18 + TS + Tailwind，后端一个 Express 包揽代理和静态托管——每一层都选了最轻、最不容易出幺蛾子的方案。

选型定了，整体架构一张图说清：

链路自上而下走一遍：

浏览器（React SPA）：PDF 用 pdf.js 在本地解析成文本，文件本身不上云；30+ 陷阱词典预扫在上传瞬间先跑完，疑似陷阱不等 API 就先蹦上屏幕；
Nginx 接入层：HTTPS + 反向代理。这层最关键的是 SSE 配置——proxy_buffering off、proxy_read_timeout 600s，默认的 60 秒超时会把长任务的分析流直接掐断；
Express 后端：单进程（pm2 守护），只干三件事——6 个 /api/* 端点透传 SSE 流、API Key 从服务端环境变量注入、托管前端构建产物。轻到没什么可坏的；
AiiOnly · GLM-5.2：整份合同文本经 OpenAI 兼容协议一次性喂入 1M 上下文，function calling 按 JSON Schema 交回结构化报告，SSE 逐字流回前端，边收边渲染。

架构上还有两条一开始就钉死的规则：

前端永不直连模型。所有请求经后端代理，API Key 只存在于服务端环境变量——用户 F12 打开也看不到，这是敢把 demo 公开放到网上的前提；
PDF 在浏览器本地解析。文件本身不上传，只有提取出的文本经后端转发分析，不留存、不持久化，隐私承诺才立得住。

2.4 项目目录结构

ai-contract-reader/
├── SPEC.md                  # 规格说明书（访谈沉淀的“图纸”）
├── server/
│   └── index.js             # Express：6 个 /api/* SSE 端点 + 静态托管 + Key 注入
├── src/
│   ├── App.tsx              # 视图路由
│   ├── types.ts             # 领域类型（Report / Risk / CrossReport…）
│   ├── lib/
│   │   ├── ark*.ts          # 五个 AI 能力客户端（分析/交叉/核验/话术/对话）
│   │   ├── prompt.ts        # System Prompt + JSON Schema
│   │   ├── sse.ts           # SSE 流式累加器（难点，见 3.1）
│   │   ├── traps.ts         # 30+ 陷阱词典 + 本地预扫
│   │   ├── parse.ts         # PDF / 图片 / 文本解析
│   │   └── pdf.ts           # 报告导出
│   └── components/          # Home / Uploader / ReportView / ChatView 等页面组件
├── samples/                 # 样本合同（演示与测试用）
└── docs/                    # 陷阱词典文档 + 截图

结构上的一个坚持：五个 AI 能力各自一个客户端文件（ark-*.ts），互不干扰——分析崩了不影响对话，核验挂了不影响报告展示。后期排查问题的时候，这个决定省了很多事。

2.5 切换模型的便利：改一个字符串的事

整个项目里，AiiOnly 给我惊喜最大的就是这一点，下面讲两个真实场景。

场景一：开发期，按任务挑「专家」。 搭 SSE 解析和多文档交叉这类核心逻辑时，我把 Agent 挂在推理和工程能力更强的模型上；写陷阱词典、黑话词条这类批量文案，切到轻量模型快速出稿；界面样式再换个擅长前端的模型，出几版挑一挑。切换动作就是改一下 model 参数，Credits 从同一个池子扣——不用开新账号、不用管配额分配。

场景二：运行期，选型推翻重来，成本为零。 运行时引擎我最初倾向 DeepSeek 系（开发期的表现让我很信任它），但实测下来，运行期得同时满足三件事：1M 上下文一次吃下整摞合同、原生多模态直读合同照片、稳定的工具调用。我拿样本合同把候选模型挨个跑了一遍，最后 GLM-5.2 一项不落全占，运行时就定了它。整个「选型 → 推翻 → 重选」过程没有产生任何迁移成本——没有新账号、没有新协议适配、没有新账单。

接入代码长这样，体会一下「切换成本」到底有多低：

import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://llm.aiionly.com/v1',   // AiiOnly OpenAI 兼容入口
  apiKey: process.env.AIIONLY_API_KEY,     // 只在服务端
});

const stream = await client.chat.completions.create({
  model: 'glm-5.2',   // ← 切模型只改这一行：deepseek-v4-pro / kimi-k2.6 / …
  messages,
  tools: [{
    type: 'function',
    function: { name: 'submit_report', parameters: REPORT_SCHEMA },
  }],
  stream: true,
});

三、总体架构

3.1 架构图：数据在系统里怎么流

这张图从左到右，就是一份合同的去向，分成四块来看就简单了：

浏览器（最左边的大框）：你上传的合同 PDF 从头到尾没离开过浏览器——pdf.js 在本地把它读成文字；读出来的瞬间，30+ 条「陷阱词典」像安检仪一样先扫一遍，可疑条款立刻标出来；AI 的回答也在这里一点点「打字」出来（SSE 累加器干的活）；最后导出 PDF / TXT 也在这一步完成。框里那串 Home / Uploader / ReportView…就是各个页面的名字，不用记；
服务端（中间的大框）：Express 单进程，角色是「传声筒 + 保险箱」——6 个 /api/* 接口把请求转给 AI、把 AI 的回答原样传回来；你的 API Key 锁在服务器环境变量里，浏览器永远看不到；旁边那个「搜索工具」，是给法条核验查资料用的；
AiiOnly（右侧的大框）：真正的「大脑」。所有请求走 OpenAI 兼容协议进入 GLM-5.2——一个同时装得下整份合同（长上下文）、看得懂合同照片（多模态）的模型；
外部搜索（最右边的小框）：核验法条时，模型通过「搜索工具」去 Tavily / Bing 查法条原文，查到的结果回填给它下结论——所以报告里的每条法律依据，都有出处可查。

顺着箭头读，就是一个完整的故事：文件上传 → 本地解析 → 预扫 → 请求发给后端 → 转发 AiiOnly → 回答原路流回 → 前端拼装成报告。两条安全规则也能从图里读出来：Key 只在服务端（浏览器到不了 AiiOnly，必须经后端中转）、文件只在本地解析（发出去的是文字，不是你的 PDF 原件）。

3.2 单合同分析时序：点下「开始分析」之后发生了什么

时序图从上往下就是时间轴，翻译成大白话一共六步：

上传：合同文件在浏览器本地读成文字，预扫结果同步蹦出——这一步不花一分钱 token；
点「开始分析」：浏览器把「角色设定 + 整份合同 + 报告格式说明书（JSON Schema）」打包发给后端 /api/analyze；
后端转发：后端把包裹原样转给 AiiOnly 的 GLM-5.2，并要求「边想边说」（流式）；
流式回答（图中 loop 那一段）：模型每写出一段，后端立刻传回浏览器，页面实时「打字」——这就是为什么你能看到报告一点点长出来，而不是干等 30 秒后啪一下全出来；
收尾：流结束，前端把分片拼装、逐字段校验成正式报告，三色高亮 + 风险卡片 + 模型自白一次成型；
可选动作：核验法条、生成谈判话术、导出 PDF——都是独立的下一步，想用再点。

3.3 五大 AI 能力与协议映射：五个入口，一条管道

这张图最想说明的只有一件事：五个 AI 能力，殊途同归。 单合同分析、交叉分析、法条核验、谈判话术、对话追问——前端五个客户端各走各的后端接口，但最后都汇进同一条管道：AiiOnly 的 OpenAI 兼容协议，落到同一个模型 GLM-5.2 上。

对使用者来说，意义是体验一致：不会出现「分析秒回、核验转圈」的割裂感；对开发者来说，意义是迁移成本几乎为零：哪天想换模型，改一个字符串，五个能力一起换——前面 2.5 的那两个场景，底气就在这里。

五大能力统一走 AiiOnly OpenAI 兼容协议 + GLM-5.2 单模型。法条核验通过 GLM-5.2 的 function calling 调用后端搜索工具（Tavily/Bing），而非依赖平台自带联网插件。

四、实现难点

4.1 流式输出 × 结构化报告：SSE 累加器与 function calling

报告格式不能放任模型自由发挥。我的做法是走 function calling：模型必须通过 submit_report / submit_cross_report 工具调用、按预定义 JSON Schema 提交报告，前端再做一层字段类型校验与降级（枚举值非法降级为 mid、标题截断 50 字……），双保险。

但流式场景下藏着一只真正的拦路虎：tool_use 的 input 是分片 delta 返回的。每个 SSE 事件只带一小段 JSON 片段，累加器一旦写得粗糙，流结束时就拼不出完整的 JSON，报告直接崩在「正在分析…」。解法是按 index 聚合 content block、在流结束时对残留片段做兜底解析。这一处修完，长合同分析的稳定性才真正上来——也是全项目调试最久的一个点。

4.2 1M 上下文怎么「证明」不是口号

「长上下文」人人会写，怎么证明它真的生效了？我把 usage 透传到了前端：打开 DevTools 看 /api/analyze 的 SSE 流，input_tokens 明明白白显示几十万——一份 12 万字的合同确实被一次性喂了进去，而不是被切块偷偷处理。

更有说服力的是结果：模型真的能把第 3 条和第 47 条关联起来，指出「承诺与违约责任冲突」。跨条款关联这个核心卖点，靠的就是上下文里同时装着全部条款。

4.3 反幻觉三层机制：让模型敢说「我不确定」

法律场景容不下编造法条。整个项目在反幻觉上叠了三层防线：

本地预扫：上传瞬间 30+ 陷阱词典正则匹配，不依赖模型、不等 API；
诚实度自评：System Prompt 里硬性要求每条风险带 confidence（high/mid/low），对表述模糊、信息缺失的条款，模型必须放进「跳过清单」并说明原因，禁止硬编风险解释；记不清的法条一律填「待人工核验」；
法条联网核验：报告生成后，每条法律依据再过一遍联网检索，回填「已核验 / 部分存疑 / 未能核实 / 与原文不符」四档结论，附来源 URL。

第三层是关键——查不到就判 unverifiable，而不是让模型硬圆。敢承认「这条我无法确认」，比自信地编一个重要一百倍。

五、最终展示效果

5.1 首页：按「你要签什么」组织的第一屏

打开站点，第一眼看到的是首页。设计思路很直接：普通人不懂法务意义上的合同分类，但都知道自己要签的是什么——所以第一屏不放功能列表，按场景组织。

顶部导航栏克制到只有三样东西：一个天平 logo、「合同解读器」站名、一枚设置按钮，多余菜单一个没有，所有能力都收进页面主体。Hero 区一句主标语把产品说尽：**「看穿合同里的暗坑。」**下面配一行副文案，把方法论讲明白——整份合同喂给 AI 做跨条款关联分析，每条风险标注模型自评的把握度，「我不确定」比「我编一个」更有价值。主按钮「开始解读合同」直接锚到下方的场景卡片区，从打开页面到开始上传，不超过一次滚动。旁边一枚小徽章写着「本地解析 · 数据不上云」，把隐私承诺摆在最显眼的位置。

往下三个区块，对应三类用户动作：

两张专题卡：「应届生避坑指南」（签三方 / 租房子 / 接兼职，一次看穿）和「多合同交叉分析」（挂着「1M 上下文」标签）——前者蹭毕业季时效热点，后者是这个项目最想秀的肌肉，都从首页一键直达；
三张场景卡片：租房合同 / 劳动合同 / 兼职协议，正对毕业季租房、秋招签约、灵活就业三类高频刚需。每张卡片背后内置了一份该场景的「重点排查清单」——点「劳动合同」进去，模型会重点盯防试用期超期、竞业限制无补偿、社保公积金、单方调岗这些劳动法重灾区，而不是拿着通用模板泛泛而谈；
两个轻量工具：「合同专家对话」（上传多份长文档，围绕原文连续追问，跨合同关联分析）和「行业黑话翻译器」（「弹性工作制」「视经营情况调整岗位」这类话术，翻译成它实际的意思）。

这一屏就是 SPEC 里「开箱即用」验收标准的落地：不注册、不配置、不看文档，普通人凭直觉点一张卡片就开始用。

5.2 上传与本地预扫

上传合同的一瞬间，本地预扫结果就先蹦出来了——自动续约、单方修改权、竞业无补偿、管辖法院偏远这些疑似陷阱，以标签云形式即时展示，不用盯着转圈等模型。支持 PDF、图片、直接粘贴文本三种输入。

预扫描.gif

5.3 风险报告页

约 30 秒出报告。左栏是合同原文三色高亮——红（高）/ 黄（中）/ 绿（低），左侧色条再用实线 / 虚线 / 点线区分模型把握度：哪些是模型「吃准的」，哪些是「不太确定的」，看一眼线型就知道，不会把猜测说成定论。右栏风险卡片展开后有：人话翻译（「离职后半年不能去同行公司」）、法律依据、行业对比、具体到「建议删除第 X 条」的谈判建议。

分析7.gif

页尾的「模型自白」面板把诚实度做成了看得见的指标：引用片段数、引用法条数、高/中/低把握度分布、主动跳过条数，全部摊开。

5.4 多合同交叉分析

真实入职往往要签一摞文件：offer、劳动合同、保密协议、竞业协议——每份单看都合法，放一起就翻车。多合同交叉分析把四份文件喂进同一个 1M 上下文窗口，并排展示每处冲突：左边 offer 写 14 薪，右边劳动合同写 12 薪且「未约定其他奖金」，冲突类型标注「薪酬缩水」。实测一次能抓出 8 处跨文档冲突：薪酬缩水、试用期违法、工时矛盾、竞业无补偿、竞业超期、保密过宽、知识产权过度归属、违约金叠加。

交叉分析.gif

5.5 法条核验与谈判话术

点「联网核验法条」，报告里每条法律依据被重新过一遍联网检索，风险卡上回填四档结论标签和来源链接——模型有没有编法条，一眼见分晓。

联网核验法条.gif

发现问题只是第一步，「然后呢」才是真痛点。谈判话术生成里选好对象（HR / 房东 / 甲方）、语气（礼貌 / 坚定）、形式（邮件 / 微信），一键生成可以直接复制发送的协商文本；微信版自动切成口语短句，不会一大坨糊脸上。

生成谈判话术.gif

5.6 移动端与导出

整个 UI 移动优先——分享场景基本发生在手机上，手机上传、看报告、导出都可用。导出支持 PDF 和 TXT 兜底，确保至少一种格式一定能下载下来。

导出3.gif

六、写在最后

回头看这一天，三个最直观的体感：

快。从 SPEC 访谈到自托管上线，一个周末的空闲时间就搞定，而且时间大头花在验收而非编码。「想法 → 可点击的产品」的路径，被压缩到了一天；
稳。Token Plan 额度封顶、用尽自动暂停，我可以放心地拿整份整份的合同去试错，不用精打细算——敢放开跑，恰恰是能做快的前提；
自由。开发期按任务挑专家模型，运行期选型推翻重来也零迁移成本。「忠于某一个模型」正在变成「按任务挑专家」，而这条路的前提，是一个 Key 通吃所有候选。

如果你手上也有一个搁置很久的项目想法，不妨去 AiiOnly 注册个账号试试：https://maas.aiionly.com/login?inviteCode=0058605 ，一个周末、一个 Key、几十个模型随便切。对了，通过我这个链接注册，不仅送16-15的平台金币充值代金券，还能领一张 5 米无门槛 Token Plan 代金券，助力各位开发者把想法跑起来

至于我那个签租房合同的朋友——下一次他再签什么之前，把文件丢进这个工具就好。这一回，第 3 条和第 18 条之间那点猫腻，再也瞒不住签字的人了。

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/qq_57761637/article/details/163894086

一个周末从 SPEC 到上线：我用 AiiOnly Token Plan 撬了一个「AI 合同避坑」工具

前言

目录