《一个本地AI卷宗脱敏与信息提取工具项目》

行业分类

企业服务/SaaS

创业方向

AI+企业文档处理，本地私有化部署

面向痛点

法律等行业的卷宗（几百到上千页）含大量敏感隐私信息，不能上传云端，而本地部署小模型在OCR后字段识别与脱敏精度不足，人工处理效率低

解决方案

提供一套本地化部署的OCR+大模型解决方案，自动识别卷宗中的姓名、身份证号、地址等敏感字段并进行脱敏/占位符替换，同时支持结构化信息提取，可针对小模型做提示词与上下文管理优化，并预留升级到更强本地模型的能力

潜在人群

律所、法务部门、档案管理单位、医疗/金融等需要处理敏感纸质文档的机构

变现 / 商业模式

按年订阅SaaS（本地私有部署版）收费，或按文档处理量收取授权费；可提供定制部署与维护服务

所需资源条件

• 启动资金（必须） · 资金 — 约50-100万元，用于初期研发与算力
• GPU服务器（必须） · 场地设备 — 用于本地模型训练调优与测试，至少需1-2张2080Ti 22G级别以上显卡
• 标注数据集（加分） · 数据 — 法律卷宗脱敏样例数据，用于微调模型

补充说明

需要具备本地算力环境，能获得合规的脱敏样本数据，且开发团队熟悉OCR与大模型应用

所需岗位

• 算法工程师（技术） — 负责OCR、大模型微调与提示词优化
• 后端开发工程师（技术） — 负责本地部署框架与API开发
• 产品经理（产品） — 梳理法律卷宗处理流程与需求
• 市场销售（商务） — 拓展律所、档案管理等行业客户

风险

小模型在复杂文书上的精度可能不达预期；本地部署软硬件维护成本高；大厂可能推出同类免费/低价方案；需处理数据合规问题

依据

楼主描述在跑“几百页到上千页的卷宗的本地脱敏，尝试用OCR加大模型的模式”，且“有隐私需求”，并询问“专用于识别字段文意的大模型”；回复中给出技术建议，说明该场景真实存在

下一步验证

访谈5-10家律所或档案管理单位，确认脱敏字段与流程，并构建MVP：用现有开源OCR+量化小模型完成后台demo，在真实卷宗上测试精度

标签

AI文档处理,本地部署,法律科技,数据脱敏,OCR,私有化