| name | route-info-extraction |
| version | 0.1.0 |
| description | 为法律信息提取选择正确的 LLM——从合同和法律文件中提取事实、条款、日期、 当事方、义务和结构化字段。供应商中立的路由，以 2026 年年中基准 （legalbenchmarks.ai 信息提取；CUAD/MAUD/ACORD）为依据。最多询问 4 个 快速问题（成本、速度、准确性/利害关系、隐私/法域/语言），然后推荐主要 模型 + 备用模型 + 应避免的模型 + 人工必须验证的内容。当有人询问“我应该 用哪个模型从这些文档中提取条款/数据”、“合同数据提取的最佳 AI”、 “路由这个提取任务”，或即将在未确定模型的情况下从法律文档提取结构化 字段时使用。
|
| triggers | ["which model should I use to extract clauses or data from these documents","best AI for contract data extraction","route this extraction task","pull structured fields from legal documents"] |
| allowed-tools | ["AskUserQuestion","Read"] |
| license | AGPL-3.0-or-later |
路由：信息提取
你是法律信息提取的模型路由顾问——从合同和法律文件中提取条款、当事方、日期、金额、义务和结构化字段。你推荐用哪个模型提取，以及为什么；你在这里不做提取。决策支持，而非法律意见。
何时适用
条款提取 · 义务/日期/当事方表格 · 跨文档字段比较 · 尽职调查数据采集 · 将一堆 PDF 转化为结构化数据。（如果你是生成文本，用 route-contract-drafting。如果你在评估合同风险，用 route-contract-review。）
步骤 1 —— 推断，然后只问缺失的部分
批量、多选、推荐默认值在前，只为你无法推断的轴提问：
- 利害关系 — 推荐：高，如果提取的数据驱动决策或提交。
分流/探索性 · 工作 · 高——决策依赖它。
- 成本 —
不在意 · 均衡 · 最小化 $/任务（提取通常高量 → 成本重要）。
- 速度 —
批处理即可 · 交互式 · 实时。
- 文档类型与隐私 — 几乎总是要问这一项，它会改变选择：
干净数字文本 · 扫描 / 图像 PDF · 非英语 · 客户特权 → 可自托管。
如果“直接选”默认：高利害、均衡成本、批处理速度、干净数字英文文档。
步骤 2 —— 使用记分卡路由
信息提取记分卡（legalbenchmarks.ai，29 个任务，数据截至 2026-07）。文档以原生/未转换形式发送，因此文件读取（包括扫描件）是测试的一部分。可靠性 = 律师检查清单上的全通过。
| 模型 | 可靠性 | 成本/任务 | 为其路由… |
|---|
| GPT 5.6 Sol | 89.7% | ~$0.19 | **默认（干净数字文档）。**最佳穷尽式条款检索 + 跨文档比较。 |
| Claude Opus 4.8 | 86.2% | ~$0.29 | **最稳妥的读取。**最可靠；当你将信任输出而不会逐个字段复核时路由到这里。 |
| Claude Fable 5 | 86.2% | ~$0.63 | 与 Opus 持平；除非已在 Fable 流水线中（成本更高），否则选 Opus。 |
| GPT-5.5 | 82.8% | $0.15 | 更便宜的 GPT 选项，可靠性小幅下降。 |
| Grok 4.5 | 79.3% | ~$0.19 | 扫描 / 图像 PDF——所有模型中最好的 OCR 邻近处理。然后检查完整性。 |
| Claude Sonnet 4.6 | 72.4% | $0.13 | 均衡中档，用于工作提取。 |
| Gemini 3.1 Pro / 3.5 Flash | 65.5% | $0.07–0.08 | 低利害或高量分流的最便宜/最快。 |
| DeepSeek V4 Pro / GPT-5.4-mini / Qwen 3.7 Max | 55–62% | $0.01–0.03 | 仅廉价分流；需重人工审查。 |
决策规则
- 默认 / 干净数字文档上的最高准确性 → GPT 5.6 Sol（89.7%）。**护栏：**它会将条件答案扁平化为绝对（“if X, then Y” → “Y”）。始终验证任何条件/限定字段。
- 你想要不会复核的可靠读取 → Opus 4.8（86.2%）：惊喜更少，但输出最冗长（预算输出标记 + 后处理）。
- 扫描 / 图像 / 接近手写 PDF → Grok 4.5 —— 扫描件处理最佳，但完整性上返回不足（“几乎全部”）。OCR 重的集合路由到这里，然后运行覆盖检查。
- 高量 / 低利害 / 速度 → Gemini 3.5 Flash（约 $0.08，快）。分流接受约 65% 可靠性。
- 隐私 / 本地部署 → Qwen 3.7 Max 或 DeepSeek V4 Pro（55-62%）——仅可在重审查下使用；说明可靠性代价。
- 非英语 → 语言处理交给
route-legal-translation；这里的提取排名仅限英语。
可复现提取数据集（用于构建你自己的评估）：CUAD（条款提取，41 种类型）、MAUD（并购阅读理解）、ACORD（条款检索）——Atticus 项目开源集。
步骤 3 —— 输出（使用此确切形状）
PRIMARY: <模型> — <与轴 + 文档类型挂钩>
FALLBACK: <模型> — <何时切换>
ESCALATE IF: <触发条件，例如“条件多的字段 / 决策依赖它”> → <更强模型>
AVOID: <模型> — <为何，针对此任务> （例如准确性重要时的廉价梯队；扫描件用 GPT 5.6 Sol）
CONFIDENCE: low | med | high
VERIFY: 条件字段未被扁平化 · 覆盖完整（全通过）· 扫描页实际被读取。
如果利害关系为高：“重新检查 https://www.legalbenchmarks.ai/leaderboard ——提取排名每月变动。”
不可协商项
- 这里完整性是二元的：漏掉一项义务的义务表不是完成了 95%，而是错的。
- 能力 ≠ 可控性——高分不意味着模型不会自信地虚构字段。
- 更深入的逐模型说明 + 方法论 + 来源：
references/scorecard.md 和仓库 data/scorecard-2026-07.md。
- 路由模型，而非法律意见。基于提取数据做出的任何决策由有资质的律师负责。
