contract-cleaner

name	contract-cleaner
title	Contract Cleaner
description	清洗合同、整理合同格式、统一合同术语、规范合同条款。当用户需要 整理、格式化、统一术语、清洗合同文本时使用。 触发词：清洗合同、整理合同、合同格式化、合同术语、合同规范化、 合同文本清洗、修复合同。
author	MarvinLann
author_url	https://github.com/MarvinLann/contract-cleaner
license	Apache-2.0
version	0.1.0
execution_mode	open
jurisdiction	general
practice	contracts
language	zh

Contract Cleaner

将混乱的合同文本变成干净、规范、符合法律语言体系的 Markdown。

CRITICAL：完整流程必须全部执行

本工具的清洗流程包含 Python 步骤和 AI 步骤，必须按顺序全部执行，不能只跑 Python 命令就结束。缺少任何一步都会导致输出未经清洗。

完整流程：

1. Python preprocess   → 生成会话目录 + 编号规范化输入文件
2. AI 编号规范化       → 读取 numbering.md，只改编号不改内容，写入 02 文件
3. Python preprocess-continue → 加载 02 文件，分块
4. AI 五遍清洗         → 逐块执行：义务句式 → 结构重组 → 格式清理 → 质量验证 → 最终润色
5. Python finalize     → 拼接 + 自检 + 导出 docx

禁止跳过步骤 2 和步骤 4。步骤 2 是编号规范化的核心，步骤 4 包含义务句式、结构重组、格式清理、质量验证、最终润色共 5 个 pass，跳过任何 pass 都会导致输出质量不达标。

---

执行流程

第 1 步：预处理

python scripts/auto_cleaner.py --stage preprocess -i <合同文件>

此命令会完成文档转换、格式清洗、规则引擎，输出到 清洗会话_<合同名>_<时间戳>/ 目录。

关键输出文件：

• _原始轻量.md — 原合同轻量清理版（仅清理 docx 转换噪音，用于 pandiff 对比基线）
• 00_规则引擎输出.md — 规则引擎处理后的文本
• 01_编号规范化输入.md — 待编号规范化的文本

第 2 步：AI 编号规范化（CRITICAL，不可跳过）

此步骤由你（Agent）直接执行，不需要调用任何外部 API。

1. 读取 references/prompts/numbering.md 获取编号规范化规则
2. 读取会话目录中的 01_编号规范化输入.md
3. 按规则处理文本，统一编号为标准层级：
   • 一级：第一条、第二条……（加粗）
   • 二级：1.1、1.2……
   • 三级：（1）、（2）……
4. 只改编号，不改任何文字内容
5. 将结果写入会话目录中的 02_编号规范化输出.md

💡 _原始轻量.md 在 preprocess 阶段已自动生成，不需要你处理。finalize 阶段会优先用它作为 pandiff 的"原合同"对比基线。

第 3 步：预处理继续

python scripts/auto_cleaner.py --stage preprocess-continue --session <会话目录名>

此命令会加载 02_编号规范化输出.md，执行分块，输出 chunks 目录和 manifest.json。

第 4 步：AI 五遍清洗（CRITICAL，不可跳过）

此步骤由你（Agent）直接执行，不需要调用任何外部 API。

读取 manifest.json，对 needs_ai: true 的每个 chunk，按顺序执行 5 个 pass：

Pass 1 — 义务句式：

1. 读取 references/prompts/obligation.md
2. 读取 chunk 文件内容
3. 按 obligation.md 的要求处理文本（为义务性条款添加"应当"等）
4. 将结果写回原 chunk 文件

Pass 2 — 结构重组：