File size: 10,933 Bytes
b4f2238 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 | """
关键信息提取器
调用 Ollama 大模型从法院文书中提取关键信息（案号、开庭时间等）。
支持正则表达式提取和 Ollama 交叉校验机制。
Requirements: 4.3, 4.4, 4.7
"""
import logging
from datetime import datetime
from typing import Any
from django.utils.translation import gettext_lazy as _
from apps.core.exceptions import RecognitionTimeoutError, ServiceUnavailableError
from apps.core.interfaces import ServiceLocator
from apps.core.llm.config import LLMConfig
from apps.core.llm.exceptions import LLMNetworkError, LLMTimeoutError
from ._case_number_mixin import CaseNumberMixin
from ._datetime_extraction_mixin import DatetimeExtractionMixin
from ._response_parser_mixin import ResponseParserMixin
logger = logging.getLogger("apps.document_recognition")
def get_ollama_model() -> str:
"""兼容旧测试与调用方：保留模块级配置读取入口。"""
return LLMConfig.get_ollama_model()
def get_ollama_base_url() -> str:
"""兼容旧测试与调用方：保留模块级配置读取入口。"""
return LLMConfig.get_ollama_base_url()
def chat(
*,
messages: list[dict[str, str]],
model: str | None = None,
llm_service: Any | None = None,
**kwargs: Any,
) -> dict[str, Any]:
"""
兼容旧测试与调用方：保留模块级 chat 入口，内部转发到统一 LLM 服务。
"""
service = llm_service or ServiceLocator.get_llm_service()
llm_response = service.chat(
messages=messages,
backend="ollama",
model=model,
fallback=False,
**kwargs,
)
return {"message": {"content": llm_response.content}}
class InfoExtractor(CaseNumberMixin, DatetimeExtractionMixin, ResponseParserMixin):
"""
关键信息提取器
使用 Ollama 大模型从法院文书中提取关键信息：
- 传票：案号、开庭时间
- 执行裁定书：案号、财产保全到期时间（预留扩展）
Requirements: 4.3, 4.4
"""
SUMMONS_PROMPT = """请从以下传票内容中提取案号和开庭时间。
传票内容：
{text}
提取要求：
1. 案号格式：（年份）法院代码+案件类型字号+序号+号
- 年份：4位数字，如2024、2025
- 法院代码：省份简称+区县代码，如"粤0604"、"京0105"、"沪0115"
- 案件类型字号（必须包含）：民初、民终、刑初、刑终、执、执保、执异、执恢、破、行初、行终等
- 序号：数字
- 必须以"号"字结尾
- 示例：（2024）粤0604民初41257号、（2025）京0105刑初12345号
2. 重要：案号中必须包含案件类型字号（如民初、民终、刑初等），不能省略！
- 错误示例：（2025）粤060441257（缺少案件类型）
- 正确示例：（2025）粤0604民初41257号
3. 开庭时间需要包含完整的日期和时间，格式为：YYYY-MM-DD HH:MM
4. 如果无法确定某个字段，请返回 null
请严格按照以下 JSON 格式返回结果，不要包含其他内容：
{{"case_number": "案号或null", "court_time": "YYYY-MM-DD HH:MM或null"}}
"""
EXECUTION_PROMPT = """请从以下执行裁定书中提取案号和财产保全到期时间。
裁定书内容：
{text}
提取要求：
1. 案号格式：（年份）法院代码+案件类型字号+序号+号
- 年份：4位数字，如2024、2025
- 法院代码：省份简称+区县代码，如"粤0604"、"京0105"
- 案件类型字号（必须包含）：执、执保、执异、执恢、民初、民终等
- 序号：数字
- 必须以"号"字结尾
- 示例：（2024）粤0604执保12345号、（2025）京0105执12345号
2. 重要：案号中必须包含案件类型字号，不能省略！
3. 财产保全到期时间格式为：YYYY-MM-DD
4. 如果无法确定某个字段，请返回 null
请严格按照以下 JSON 格式返回结果，不要包含其他内容：
{{"case_number": "案号或null", "preservation_deadline": "YYYY-MM-DD或null"}}
"""
def __init__(
self,
ollama_model: str | None = None,
ollama_base_url: str | None = None,
llm_service: Any | None = None,
):
self.ollama_model = ollama_model or get_ollama_model()
self.ollama_base_url = ollama_base_url or get_ollama_base_url()
self._llm_service = llm_service
@property
def llm_service(self) -> Any:
if self._llm_service is None:
self._llm_service = ServiceLocator.get_llm_service()
return self._llm_service
def extract_summons_info(self, text: str) -> dict[str, Any]:
"""
提取传票信息
Requirements: 4.3
"""
if not text or not text.strip():
logger.warning(
"传票内容为空，无法提取信息",
extra={"action": "extract_summons_info", "result": "empty_text"},
)
return {"case_number": None, "court_time": None, "extraction_method": None}
truncated_text = text[:4000] if len(text) > 4000 else text
logger.info(
"开始提取传票信息",
extra={"action": "extract_summons_info", "text_length": len(text), "truncated_length": len(truncated_text)},
)
regex_case_number = self._extract_case_number_by_regex(truncated_text)
if regex_case_number:
logger.info(f"正则成功提取案号: {regex_case_number}")
regex_datetimes = self._extract_datetime_by_regex(truncated_text)
logger.info(f"正则提取到 {len(regex_datetimes)} 个时间候选")
for dt, matched_text, score in regex_datetimes:
logger.info(f" - {dt} (原文: {matched_text}, 得分: {score})")
ollama_result: dict[str, Any] = {"case_number": None, "court_time": None}
ollama_datetime: datetime | None = None
try:
prompt = self.SUMMONS_PROMPT.format(text=truncated_text)
response = chat(
messages=[{"role": "user", "content": prompt}],
model=self.ollama_model,
llm_service=self.llm_service,
)
ollama_result = self._parse_summons_response(response)
ollama_datetime = ollama_result.get("court_time")
if ollama_datetime:
logger.info(f"Ollama 提取到时间: {ollama_datetime}")
if regex_case_number is None and ollama_result.get("case_number"):
logger.info(f"Ollama 提取到案号: {ollama_result.get('case_number')}")
except (LLMNetworkError, ConnectionError) as e:
logger.warning(f"Ollama 服务不可用，将仅使用正则结果: {e}")
except LLMTimeoutError as e:
logger.warning(f"Ollama 提取超时，将仅使用正则结果: {e}")
except Exception as e:
logger.warning(f"Ollama 提取失败，将仅使用正则结果: {e}")
best_datetime, extraction_method = self._select_best_datetime(regex_datetimes, ollama_datetime)
logger.info(f"最终选择时间: {best_datetime}, 方法: {extraction_method}")
final_case_number = regex_case_number if regex_case_number else ollama_result.get("case_number")
case_number_source = "regex" if regex_case_number else ("ollama" if ollama_result.get("case_number") else None)
result = {
"case_number": final_case_number,
"court_time": best_datetime,
"extraction_method": extraction_method,
}
logger.info(
"传票信息提取完成",
extra={
"action": "extract_summons_info",
"case_number": result.get("case_number"),
"case_number_source": case_number_source,
"court_time": str(result.get("court_time")) if result.get("court_time") else None,
"extraction_method": extraction_method,
},
)
return result
def extract_execution_info(self, text: str) -> dict[str, Any]:
"""
提取执行裁定书信息（预留扩展）
Requirements: 4.4
"""
if not text or not text.strip():
logger.warning(
"执行裁定书内容为空，无法提取信息",
extra={"action": "extract_execution_info", "result": "empty_text"},
)
return {"case_number": None, "preservation_deadline": None}
truncated_text = text[:4000] if len(text) > 4000 else text
logger.info(
"开始提取执行裁定书信息",
extra={
"action": "extract_execution_info",
"text_length": len(text),
"truncated_length": len(truncated_text),
},
)
try:
prompt = self.EXECUTION_PROMPT.format(text=truncated_text)
response = chat(
messages=[{"role": "user", "content": prompt}],
model=self.ollama_model,
llm_service=self.llm_service,
)
result = self._parse_execution_response(response)
logger.info(
"执行裁定书信息提取完成",
extra={
"action": "extract_execution_info",
"case_number": result.get("case_number"),
"preservation_deadline": (
str(result.get("preservation_deadline")) if result.get("preservation_deadline") else None
),
},
)
return result
except (LLMNetworkError, ConnectionError) as e:
logger.error(
f"Ollama 服务不可用: {e}",
extra={"action": "extract_execution_info", "error_type": "connection_error", "error": str(e)},
)
raise ServiceUnavailableError(
message=_("AI 服务暂时不可用，请稍后重试"),
code="OLLAMA_SERVICE_UNAVAILABLE",
errors={"service": "Ollama 服务连接失败"},
service_name="Ollama",
) from e
except LLMTimeoutError as e:
logger.error(
f"执行裁定书信息提取超时: {e}",
extra={"action": "extract_execution_info", "error_type": "timeout_error", "error": str(e)},
)
raise RecognitionTimeoutError(
message=_("信息提取超时，请重试"),
code="EXTRACTION_TIMEOUT",
errors={"timeout": "AI 提取超时"},
) from e
except Exception as e:
logger.error(
f"执行裁定书信息提取失败: {e!s}",
extra={"action": "extract_execution_info", "error_type": type(e).__name__, "error": str(e)},
exc_info=True,
)
raise RuntimeError(f"执行裁定书信息提取失败: {e!s}") from e
|