Сверку договоров можно собрать без генеративной модели: Isaacus опубликовала код

Сначала поиск расхождений. Вместо запроса к генеративной модели с двумя файлами разработчик задаёт последовательность проверок. Модели Kanon разбивают документы на положения и находят близкие по смыслу пары. Затем классификатор оценивает, согласуются ли условия. LLM можно подключить после проверки, чтобы объяснить результат или предложить новую формулировку.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Для каждого положения детектор оставляет до трёх близких соответствий. В опубликованном 11 ноября примере документы содержат 106 и 251 положение, а после отбора остаётся 197 пар-кандидатов. Как и обычный сценарий в Make, этот процесс выполняет заданные шаги, а не поручает ИИ-агенту выбирать следующие действия.

Запуск на своих документах. Это notebook с локальным веб-интерфейсом в репозитории isaacus-dev/cookbooks. Онлайн-демо показывает сохранённые результаты. Для собственных файлов нужен код из папки `cookbooks/conflict-detector`, Python 3.11+, uv и ключ Isaacus в `.env` под именем `ISAACUS_API_KEY`.

В папке примера окружение создаётся командой `uv venv`. Зависимости устанавливаются через `uv pip install ftfy isaacus msgspec numpy python-dotenv text2markdown flask`. После выполнения `conflict_detector.ipynb` интерфейс запускается командами `import server` и `server.serve(run_comparison, client)`.

Код разрешено менять и использовать в коммерческих проектах по MIT, а вызовы моделей оплачиваются отдельно. По тарифам Isaacus на 11 ноября Embedder и Reranker стоят по $0,35 за миллион входных токенов, Classifier стоит $1, Enricher стоит $3,50.

В примере с договорами Боба Айгера детектор нашёл условие о передаче рабочих интеллектуальных прав Disney в соглашении 2022 года, которого не было в версии 2011 года.