تحلیل خودکار ریسک قرارداد با Claude 3.5 و PostgreSQL

تحلیل PDF قراردادها و امتیازدهی ریسک با Claude 3.5، PostgreSQL و هشدارها

این گردش کار، تحلیل PDF قراردادها را خودکار می‌کند و از هوش مصنوعی برای ارزیابی ریسک حقوقی، استخراج تعهدات کلیدی و تولید خلاصه‌ها استفاده می‌کند. سپس یافته‌ها را در پایگاه داده PostgreSQL ذخیره کرده و برای قراردادهای پرخطر، هشدارهای ایمیل و Slack را فعال می‌کند.

دسته‌بندی‌ها: استخراج سند، خلاصه‌سازی هوش مصنوعی، فناوری حقوقی، اتوماسیون گردش کار

گره‌های کلیدی: n8n-nodes-base.if, n8n-nodes-base.set, n8n-nodes-base.code, n8n-nodes-base.gmail, n8n-nodes-base.merge, n8n-nodes-base.slack, n8n-nodes-base.webhook, n8n-nodes-base.postgres, n8n-nodes-base.stickyNote, @n8n/n8n-nodes-langchain.agent, n8n-nodes-base.extractFromFile, @n8n/n8n-nodes-langchain.lmChatAnthropic

لینک کاتالوگ Axeto: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

این گردش کار برای ساده‌سازی بررسی قرارداد از طریق مراحل زیر طراحی شده است:

1. دریافت PDF قراردادها: اسناد قرارداد را از طریق یک Webhook HTTP دریافت می‌کند.

2. استخراج متن: محتوای PDF را به متن ساده برای پردازش توسط هوش مصنوعی تبدیل می‌کند.

3. تحلیل مبتنی بر هوش مصنوعی: از Claude 3.5 در چهار شاخه موازی عامل هوش مصنوعی برای موارد زیر استفاده می‌کند:

* استخراج و دسته‌بندی بندها.

* ارزیابی ریسک‌های حقوقی و تجاری.

* شناسایی و استخراج تعهدات قراردادی.

* تولید خلاصه‌های اجرایی مختصر.

4. تجمیع نتایج و امتیازدهی: خروجی‌های هوش مصنوعی را ادغام کرده و یک امتیاز ریسک حقوقی وزنی، شامل تفکیک امتیاز و اقدامات پیشنهادی، محاسبه می‌کند.

5. ماندگاری داده‌ها: داده‌های استخراج شده قرارداد، بندها، تعهدات و امتیازات ریسک را در یک پایگاه داده PostgreSQL ذخیره می‌کند.

6. هشداردهی: در صورت تجاوز امتیاز ریسک محاسبه شده از یک آستانه از پیش تعریف شده، اعلان‌های ایمیل و Slack را فعال می‌کند.

موارد استفاده معمول:

• دریافت و اولویت‌بندی خودکار توافق‌نامه‌های فروشنده، مشتری و حقوقی.
• کمک به تیم‌های حقوقی در فرآیندهای بررسی قرارداد.
• علامت‌گذاری فعال ریسک در عملیات حقوقی.
• استخراج تعهدات انطباق برای پیگیری‌های بعدی.
• متمرکز کردن تحلیل قرارداد در یک پایگاه داده رابطه‌ای برای گزارش‌دهی و تحلیل.

---

۲. تجزیه و تحلیل گردش کار

۲.۱. دریافت ورودی و پیکربندی

این بلوک اولیه، سند قرارداد ورودی را مدیریت کرده و پارامترهای ضروری زمان اجرا را برای گردش کار تنظیم می‌کند.

• Webhook آپلود قرارداد (n8n-nodes-base.webhook)

* هدف: به عنوان نقطه ورود عمل می‌کند و درخواست‌های HTTP POST حاوی فایل PDF قرارداد را می‌پذیرد.

* پیکربندی:

* متد HTTP: POST

* مسیر: contract-upload

* حالت پاسخ: responseNode (توجه: یک گره پاسخ اختصاصی در این گردش کار وجود ندارد، که بسته به نسخه n8n شما ممکن است بر رفتار تأثیر بگذارد.)

* ورودی/خروجی: ورودی ندارد؛ به Workflow Configuration خروجی می‌دهد.

* مشکلات احتمالی: پیوست‌های نامعتبر، انواع محتوای نادرست، فایل‌های باینری گمشده، محدودیت‌های حجم بدنه webhook برای PDFهای بزرگ.

• پیکربندی گردش کار (n8n-nodes-base.set)

* هدف: تنظیمات استاتیک زمان اجرا، مانند آستانه ریسک و مقاصد هشدار را به اجرای گردش کار تزریق می‌کند.

* پیکربندی:

* riskThreshold: روی 0.7 تنظیم شده است (در صورت نیاز تنظیم کنید).

* alertRecipients: جای‌نگهدار برای گیرندگان ایمیل.

* slackChannel: جای‌نگهدار برای شناسه کانال Slack.

* includeOtherFields: روی true تنظیم شده است تا داده‌های webhook بالادستی حفظ شوند.

* متغیرهای کلیدی: riskThreshold، alertRecipients و slackChannel را برای استفاده بعدی در دسترس قرار می‌دهد.

* ورودی/خروجی: ورودی را از webhook دریافت می‌کند؛ به Extract PDF Text خروجی می‌دهد.

* مشکلات احتمالی: مقادیر جای‌نگهدار باید قبل از استفاده در محیط عملیاتی با جزئیات واقعی جایگزین شوند. جزئیات هشدار نامعتبر باعث شکست گره‌های اطلاع‌رسانی پایین‌دستی می‌شود.

۲.۲. استخراج متن PDF

این بخش بر تبدیل PDF آپلود شده به قالبی متنی قابل استفاده برای مدل‌های هوش مصنوعی تمرکز دارد.

• استخراج متن PDF (n8n-nodes-base.extractFromFile)

* هدف: فایل PDF آپلود شده را تجزیه کرده و محتوای متنی ساده آن را استخراج می‌کند.

* پیکربندی:

* عملیات: pdf

* خروجی: متن استخراج شده به صورت {{$json.text}} در دسترس است و به صورت موازی به تمام شاخه‌های تحلیل هوش مصنوعی بعدی منتقل می‌شود.

* ورودی/خروجی: ورودی را از Workflow Configuration دریافت می‌کند؛ به صورت موازی به چهار گره عامل هوش مصنوعی خروجی می‌دهد.

* مشکلات احتمالی: در PDFهای محافظت شده با رمز عبور، فقط تصویری (بدون OCR)، خراب یا نامعتبر شکست می‌خورد. OCR پیکربندی نشده است، بنابراین اسناد اسکن شده ممکن است متن کمی تولید کنند. اسناد بسیار بزرگ ممکن است از محدودیت‌های توکن LLM فراتر روند.

۲.۳. شاخه تحلیل بندها

این شاخه موازی بر شناسایی و دسته‌بندی بندهای خاص در قرارداد تمرکز دارد.

• مدل Claude 3.5 (@n8n/n8n-nodes-langchain.lmChatAnthropic)

* هدف: قابلیت‌های اصلی مدل زبان هوش مصنوعی را با استفاده از Claude 3.5 Sonnet Anthropic فراهم می‌کند. این گره در بین هر چهار شاخه هوش مصنوعی مشترک است.

* پیکربندی:

* مدل: claude-3-5-sonnet-20241022

* الزامات: نیاز به اعتبارنامه API Anthropic پیکربندی شده در n8n دارد.

* ورودی/خروجی: قابلیت‌های مدل زبان هوش مصنوعی را به گره‌های عامل ارائه می‌دهد.

* مشکلات احتمالی: کلیدهای API نامعتبر، محدودیت نرخ، مهلت زمانی، منسوخ شدن مدل.

• عامل استخراج بند (@n8n/n8n-nodes-langchain.agent)

* هدف: از مدل Claude 3.5 برای استخراج و دسته‌بندی بندهای قرارداد استفاده می‌کند.

* پیکربندی:

* نوع اعلان: define

* متن ورودی: ={{ $json.text }}

* پیام سیستمی: مدل را برای استخراج بندها، دسته‌بندی آن‌ها (مانند payment_terms، termination، liability، ip، confidentiality، warranty، indemnification) و خروجی clause_type، clause_text و ai_confidence آموزش می‌دهد.

* خروجی ساختاریافته: از طریق Clause Parser فعال شده است.

* ورودی/خروجی: متن را از Extract PDF Text دریافت می‌کند؛ از Claude 3.5 Model و Clause Parser استفاده می‌کند؛ به Merge Analysis Results (شاخص ۰) خروجی می‌دهد.

* مشکلات احتمالی: انواع بند ناقص یا توهمی، انحرافات طرحواره، محدودیت‌های توکن.

• تجزیه‌کننده بند (@n8n/n8n-nodes-langchain.outputParserStructured)

* هدف: قالب خروجی JSON ساختاریافته را برای نتایج استخراج بند اعمال می‌کند.

* پیکربندی: انتظار یک طرحواره JSON با کلید ریشه clauses را دارد که حاوی آرایه‌ای از اشیاء است، هر کدام با clause_type، clause_text و ai_confidence.

* ورودی/خروجی: به عنوان تجزیه‌کننده خروجی هوش مصنوعی به Clause Extraction Agent متصل است.

* مشکلات احتمالی: شکست‌های تجزیه در صورتی که خروجی مدل به طور قابل توجهی از طرحواره مورد انتظار منحرف شود.

۲.۴. شاخه تحلیل ریسک

این شاخه ریسک‌های قانونی و تجاری مرتبط با محتوای قرارداد را ارزیابی می‌کند.

• عامل ارزیابی ریسک (@n8n/n8n-nodes-langchain.agent)

* هدف: متن قرارداد را برای تخصیص سطوح ریسک و ارائه توصیه‌ها تجزیه و تحلیل می‌کند.

* پیکربندی:

* نوع اعلان: define

* متن ورودی: ={{ $json.text }}

* پیام سیستمی: مدل را برای ارزیابی ریسک‌ها، تخصیص سطوح (critical، high، medium، low، none)، شناسایی عوامل ریسک و خروجی clause_type، risk_level، risk_description، recommendation و ai_confidence آموزش می‌دهد.

* خروجی ساختاریافته: از طریق Risk Parser فعال شده است.

* ورودی/خروجی: متن را از Extract PDF Text دریافت می‌کند؛ از Claude 3.5 Model و Risk Parser استفاده می‌کند؛ به Merge Analysis Results (شاخص ۱) خروجی می‌دهد.

* مشکلات احتمالی: خروجی ریسک ممکن است به دلیل پردازش موازی، کاملاً با بندهای استخراج شده مطابقت نداشته باشد. برچسب‌های ریسک غیر استاندارد می‌توانند بر دقت امتیازدهی تأثیر بگذارند. محدودیت‌های توکن برای قراردادهای بزرگ.

• تجزیه‌کننده ریسک (@n8n/n8n-nodes-langchain.outputParserStructured)

* هدف: نتایج ارزیابی ریسک را به قالب JSON ساختاریافته تجزیه می‌کند.

* پیکربندی: انتظار یک طرحواره JSON با کلید ریشه risks را دارد که حاوی آرایه‌ای از اشیاء است، هر کدام با clause_type، risk_level، risk_description، recommendation و ai_confidence.

* ورودی/خروجی: به عنوان تجزیه‌کننده خروجی هوش مصنوعی به Risk Assessment Agent متصل است.

* مشکلات احتمالی: شکست‌ها در صورتی که خروجی مدل با طرحواره مورد انتظار مطابقت نداشته باشد.

۲.۵. شاخه ردیابی تعهدات

این شاخه بر استخراج تعهدات عملیاتی و مهلت‌های زمانی از قرارداد تمرکز دارد.

• عامل استخراج تعهدات (@n8n/n8n-nodes-langchain.agent)

* هدف: تعهدات قراردادی، از جمله تاریخ‌های سررسید و طرف‌های مسئول را شناسایی و استخراج می‌کند.

* پیکربندی:

* نوع اعلان: define

* متن ورودی: ={{ $json.text }}

* پیام سیستمی: مدل را برای استخراج تعهدات، شناسایی جزئیات مرتبط مانند due_date، responsible_party، obligation_description و status و خروجی آن‌ها در قالبی ساختاریافته آموزش می‌دهد.

* خروجی ساختاریافته: از طریق Obligation Parser فعال شده است.

* ورودی/خروجی: متن را از Extract PDF Text دریافت می‌کند؛ از Claude 3.5 Model و Obligation Parser استفاده می‌کند؛ به Merge Analysis Results (شاخص ۲) خروجی می‌دهد.

* مشکلات احتمالی: جزئیات تعهدات نادرست یا ناقص، تعهدات از قلم افتاده، محدودیت‌های توکن.

• تجزیه‌کننده تعهدات (@n8n/n8n-nodes-langchain.outputParserStructured)

* هدف: نتایج استخراج تعهدات را به قالب JSON ساختاریافته تجزیه می‌کند.

* پیکربندی: انتظار یک طرحواره JSON با کلید ریشه obligations را دارد که حاوی آرایه‌ای از اشیاء است، هر کدام با فیلدهایی مانند obligation_description، due_date، responsible_party و status.

* ورودی/خروجی: به عنوان تجزیه‌کننده خروجی هوش مصنوعی به Obligation Extraction Agent متصل است.

* مشکلات احتمالی: شکست‌های تجزیه در صورتی که خروجی مدل از طرحواره مورد انتظار منحرف شود.

۲.۶. شاخه خلاصه اجرایی

این شاخه خلاصه‌ای سطح بالا از قرارداد را تولید می‌کند.

• عامل خلاصه اجرایی (@n8n/n8n-nodes-langchain.agent)

* هدف: خلاصه‌ای اجرایی مختصر از نکات کلیدی قرارداد ایجاد می‌کند.

* پیکربندی:

* نوع اعلان: define

* متن ورودی: ={{ $json.text }}

* پیام سیستمی: مدل را برای ارائه خلاصه‌ای اجرایی مختصر که هدف اصلی و شرایط حیاتی قرارداد را پوشش می‌دهد، آموزش می‌دهد.

* خروجی ساختاریافته: از طریق Summary Parser فعال شده است.

* ورودی/خروجی: متن را از Extract PDF Text دریافت می‌کند؛ از Claude 3.5 Model و Summary Parser استفاده می‌کند؛ به Merge Analysis Results (شاخص ۳) خروجی می‌دهد.

* مشکلات احتمالی: خلاصه‌ها ممکن است بیش از حد عمومی باشند یا نکات ظریف حیاتی را از قلم بیندازند، به خصوص برای قراردادهای پیچیده. محدودیت‌های توکن.

• تجزیه‌کننده خلاصه (@n8n/n8n-nodes-langchain.outputParserStructured)

* هدف: خروجی خلاصه اجرایی را به قالبی ساختاریافته تجزیه می‌کند.

* پیکربندی: انتظار یک طرحواره JSON با کلید ریشه summary را دارد که حاوی فیلد text برای خلاصه است.

* ورودی/خروجی: به عنوان تجزیه‌کننده خروجی هوش مصنوعی به Executive Summary Agent متصل است.

* مشکلات احتمالی: شکست‌های تجزیه در صورتی که خروجی مدل از طرحواره مورد انتظار منحرف شود.

۲.۷. تجمیع نتایج و امتیازدهی

این بخش خروجی‌های شاخه‌های هوش مصنوعی را ادغام کرده و امتیاز ریسک کلی را محاسبه می‌کند.

• ادغام نتایج تحلیل (n8n-nodes-base.merge)

* هدف: خروجی‌های چهار شاخه تحلیل هوش مصنوعی موازی را در یک ساختار داده واحد ترکیب می‌کند.

* پیکربندی: ورودی‌ها را بر اساس ترتیب آن‌ها ادغام می‌کند (شاخص ۰ برای بندها، ۱ برای ریسک‌ها و غیره).

* ورودی/خروجی: ورودی‌ها را از هر چهار گره عامل هوش مصنوعی دریافت می‌کند؛ به Calculate Weighted Risk Score خروجی می‌دهد.

* مشکلات احتمالی: اطمینان از حفظ ترتیب صحیح ورودی‌ها.

• محاسبه امتیاز ریسک وزنی (n8n-nodes-base.code)

* هدف: یک امتیاز ریسک قانونی وزنی را بر اساس ارزیابی‌های ریسک تولید شده توسط هوش مصنوعی و حضور بندها محاسبه می‌کند. همچنین تفکیک امتیازات و اقدامات توصیه‌شده را تولید می‌کند.

* منطق کد:

* وزن‌هایی را برای سطوح مختلف ریسک تعریف می‌کند (مانند critical: 1.0، high: 0.7، medium: 0.4، low: 0.1).

* از طریق آرایه risks از Risk Assessment Agent تکرار می‌کند.

* یک امتیاز وزنی برای هر مورد ریسک محاسبه می‌کند.

* امتیازات را برای تولید overallRiskScore تجمیع می‌کند.

* redFlags و recommendedActions را بر اساس موارد پرخطر و حضور بندها شناسایی می‌کند.

* شامل تفکیک امتیازات بر اساس نوع بند است.

* ورودی/خروجی: داده‌های ادغام شده را از Merge Analysis Results دریافت می‌کند؛ نتایج امتیازدهی ساختاریافته را به Prepare Contract Data for DB خروجی می‌دهد.

* مشکلات احتمالی: خطا در منطق کد جاوا اسکریپت، تخصیص وزن نادرست، مشکلات در پردازش ساختار داده ورودی.

۲.۸. آماده‌سازی و ذخیره‌سازی داده‌ها

این بلوک داده‌های تجزیه و تحلیل شده را آماده کرده و در پایگاه داده PostgreSQL ذخیره می‌کند.

• آماده‌سازی داده‌های قرارداد برای پایگاه داده (n8n-nodes-base.set)

* هدف: متن قرارداد، نتایج تحلیل هوش مصنوعی و امتیازات ریسک را به قالبی مناسب برای درج در جداول PostgreSQL ساختار می‌دهد.

* پیکربندی: فیلدها را از گره‌های قبلی (مانند متن قرارداد، خلاصه، امتیازات ریسک، تعهدات) به اشیاء JSON مجزا برای هر جدول هدف نگاشت و احتمالاً تبدیل می‌کند.

* ورودی/خروجی: داده‌ها را از Calculate Weighted Risk Score دریافت می‌کند؛ به گره‌های PostgreSQL خروجی می‌دهد.

* مشکلات احتمالی: نگاشت فیلد نادرست یا منطق تبدیل داده.

• PostgreSQL - درج قراردادها (n8n-nodes-base.postgres)

* هدف: فراداده اصلی قرارداد و متن استخراج شده را در جدول contracts درج می‌کند.

* پیکربندی:

* عملیات: insert

* جدول: contracts

* مقادیر: فیلدهایی مانند contract_id، file_name، extracted_text، executive_summary را نگاشت می‌کند.

* ورودی/خروجی: داده‌های آماده شده را از Prepare Contract Data for DB دریافت می‌کند؛ به PostgreSQL - Insert Clauses خروجی می‌دهد.

* الزامات: اتصال پایگاه داده PostgreSQL در n8n پیکربندی شده است.

• PostgreSQL - درج بندها (n8n-nodes-base.postgres)

* هدف: جزئیات بند استخراج شده را در جدول contract_clauses درج می‌کند.

* پیکربندی:

* عملیات: insert

* جدول: contract_clauses

* مقادیر: فیلدهایی مانند contract_id، clause_type، clause_text، ai_confidence را نگاشت می‌کند.

* ورودی/خروجی: داده‌های آماده شده را دریافت می‌کند؛ به PostgreSQL - Insert Obligations خروجی می‌دهد.

• PostgreSQL - درج تعهدات (n8n-nodes-base.postgres)

* هدف: جزئیات تعهدات استخراج شده را در جدول contract_obligations درج می‌کند.

* پیکربندی:

* عملیات: insert

* جدول: contract_obligations

* مقادیر: فیلدهایی مانند contract_id، obligation_description، due_date، responsible_party، status را نگاشت می‌کند.

* ورودی/خروجی: داده‌های آماده شده را دریافت می‌کند؛ به PostgreSQL - Insert Risk Scores خروجی می‌دهد.

• PostgreSQL - درج امتیازات ریسک (n8n-nodes-base.postgres)

* هدف: امتیازات ریسک محاسبه شده و جزئیات مرتبط را در جدول risk_scoring درج می‌کند.

* پیکربندی:

* عملیات: insert

* جدول: risk_scoring

* مقادیر: فیلدهایی مانند contract_id، overall_risk_score، risk_breakdown، red_flags، recommendations را نگاشت می‌کند.

* ورودی/خروجی: داده‌های آماده شده را دریافت می‌کند؛ به Check Risk Threshold خروجی می‌دهد.

۲.۹. ارزیابی ریسک و هشدار

بلوک نهایی امتیاز ریسک محاسبه شده را بررسی کرده و در صورت لزوم اعلان‌ها را ارسال می‌کند.

• بررسی آستانه ریسک (n8n-nodes-base.if)

* هدف: overallRiskScore را با riskThreshold پیکربندی شده مقایسه می‌کند.

* پیکربندی:

* شرط: {{ $json.overallRiskScore }} >= {{ $('Workflow Configuration').first().json.riskThreshold }}

* ورودی/خروجی: داده‌ها را از PostgreSQL - Insert Risk Scores دریافت می‌کند؛ اجرای گردش کار را بر اساس شرط منشعب می‌کند.

* شاخه True: به ارسال هشدارها ادامه می‌دهد.

* شاخه False: اجرا را پایان می‌دهد (یا می‌تواند به جای دیگری هدایت شود).

• ارسال هشدار ایمیل (n8n-nodes-base.gmail)

* هدف: در صورت تجاوز از آستانه ریسک، اعلان ایمیلی را به گیرندگان مشخص شده ارسال می‌کند.

* پیکربندی:

* موضوع: خط موضوع پویا شامل شناسه قرارداد و امتیاز ریسک.

* بدنه: محتوای ایمیل قالب‌بندی شده که قرارداد، امتیاز ریسک و یافته‌های کلیدی را خلاصه می‌کند. از داده‌های گره‌های قبلی استفاده می‌کند.

* به: از {{ $('Workflow Configuration').first().json.alertRecipients }} استفاده می‌کند.

* ورودی/خروجی: ورودی را از شاخه "True" از Check Risk Threshold دریافت می‌کند.

* الزامات: اعتبارنامه‌های Gmail در n8n پیکربندی شده است.

* مشکلات احتمالی: آدرس‌های ایمیل نامعتبر، خطاهای API Gmail، قالب‌بندی نادرست داده در بدنه ایمیل.

• ارسال هشدار Slack (n8n-nodes-base.slack)

* هدف: برای قراردادهای پرخطر، اعلانی را به یک کانال Slack ارسال می‌کند.

* پیکربندی:

* کانال: از {{ $('Workflow Configuration').first().json.slackChannel }} استفاده می‌کند.

* پیام: محتوای پیام پویا که ریسک قرارداد و پیوند به جزئیات را خلاصه می‌کند.

* ورودی/خروجی: ورودی را از شاخه "True" از Check Risk Threshold دریافت می‌کند.

* الزامات: اعتبارنامه‌های API Slack در n8n پیکربندی شده است.

* مشکلات احتمالی: شناسه کانال Slack نامعتبر، خطاهای API Slack، قالب‌بندی نادرست پیام.