读一份超过任何上下文窗口的合同：在一把 key 上分块重叠读、再拼回结论

为什么需要分块读取

大语言模型的上下文窗口有限，而合同、标书、技术文档等经常远超这个限制。直接截断会丢失关键条款，尤其是定义、违约责任、附件引用等可能分布在文档任何位置的内容。因此需要将长文档切分为多个块，分别处理后再合并结果。

分块策略：重叠与边界保留

简单的等长切分容易在块边界处切断句子或段落，导致信息丢失。推荐使用带重叠的分块方式：

• 按语义边界切分：优先在段落、标题或列表项处切分，避免在句子中间断开。
• 设置重叠区域：相邻块之间保留一定比例的重叠（例如块大小的 10%~20%），确保边界附近的文本至少在一个块中完整出现。
• 记录块位置：为每个块保存其在原文中的起止位置，便于后续定位和引用。

逐块抽取关键信息

对每个块单独调用模型，要求抽取结构化信息。提示词应明确：

• 只提取当前块中明确出现的内容，不要推测。
• 输出格式固定（如 JSON），包含条款类型、原文摘录、块内位置。
• 对于边界处可能不完整的条款，标记为“可能跨块”，以便后续处理。

例如，可以要求模型返回：

{
  "clauses": [
    {
      "type": "付款条款",
      "text": "...",
      "span": "block-3:120-200",
      "cross_block": false
    }
  ]
}

拼接与去重

将所有块的抽取结果按原文位置排序，然后合并：

• 对于重叠区域中重复出现的条款，根据原文位置去重，保留最完整的一条。
• 对于标记为“可能跨块”的条款，检查相邻块是否包含剩余部分，手动或自动拼接完整文本。
• 保留每个条款的原文引用，便于最终核对。

生成最终结论

将合并后的条款列表作为输入，再次调用模型生成总结或回答具体问题。此时输入已远小于原文，且关键信息已结构化，模型可以专注于推理和归纳。

在一个 API key 上调用多个模型

聚合站允许一个 key 调用多个模型，这为分块处理提供了灵活性：

• 抽取阶段可以使用成本较低的模型处理大量块。
• 最终总结阶段换用推理能力更强的模型。
• 如果某个块抽取结果不理想，可以换另一个模型重试，而无需切换账号或 key。

校验与迭代

分块方法可能遗漏隐含信息，建议：

• 随机抽取若干块，人工核对抽取结果是否准确。
• 对于关键条款（如违约责任、终止条件），在最终结论中标注原文位置，便于溯源。
• 如果发现某类条款频繁跨块，调整分块大小或重叠比例。

通过重叠分块、结构化抽取和谨慎拼接，可以在有限上下文窗口下处理任意长度的文档，同时保持关键信息的完整性。