from openai import OpenAI

client = OpenAI()

定义合同信息提取的JSON Schema

contract_schema = { "type": "object", "properties": { "合同名称": {"type": "string"}, "签约方": { "type": "array", "items": { "type": "object", "properties": { "名称": {"type": "string"}, "角色": {"type": "string", "enum": ["甲方", "乙方", "丙方"]}, "法定代表人": {"type": "string"} } } }, "合同金额": { "type": "object", "properties": { "总金额": {"type": "number"}, "币种": {"type": "string"}, "付款方式": {"type": "string"} } }, "有效期": { "type": "object", "properties": { "开始日期": {"type": "string", "format": "date"}, "结束日期": {"type": "string", "format": "date"} } }, "关键条款": { "type": "array", "items": {"type": "string"} } } }

response = client.chat.completions.create( model="gpt-5", response_format={"type": "json_schema", "json_schema": contract_schema}, messages=[ {"role": "system", "content": "你是一个专业的合同分析AI，从PDF文档中提取结构化信息。"}, {"role": "user", "content": f"请分析以下合同PDF内容并提取关键信息：{pdf_text}"} ] )

输出可直接解析的结构化数据

contract_data = json.loads(response.choices[0].message.content)

二、Function Calling：让AI成为真正的"执行者"

2.1 从对话到执行的跨越

Function Calling是2026年大模型最具革命性的能力之一。它允许模型根据用户意图，自动选择并调用预定义的函数/API，将AI从"信息提供者"转变为"任务执行者"。

2026年的Function Calling能力已实现以下突破：

• 多函数并行调用：单次响应可同时调用5-10个函数
• 嵌套函数调用：支持函数调用结果触发新的函数调用
• 流式函数调用：在流式输出中实时触发函数执行
• 错误恢复机制：自动处理函数调用失败并尝试替代方案
• 上下文感知调度：基于对话历史智能选择最优函数组合

2.2 Function Calling技术架构

用户请求 → 大模型意图识别 → 函数选择与参数生成 → 函数执行 → 结果返回 → 大模型整合回复

以PDF文档处理为例，Function Calling的典型工作流：

2.3 多模型Function Calling对比

三、结构化输出 × Function Calling：PDF处理的黄金组合

3.1 融合架构设计

当结构化输出与Function Calling深度融合时，PDF文档处理系统能够实现前所未有的智能化水平：

┌─────────────────────────────────────────────────────┐ │ 用户交互层 │ │ "请解析这份合同PDF，提取所有条款并生成风险评估报告" │ └────────────────────────┬────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ 大模型推理层 │ │ 意图分解 → 任务规划 → 函数调度 → 结果整合 │ └────────────────────────┬────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ Function Calling层 │ │ parse_pdf() → extract_text() → extract_tables() │ │ → analyze_risk() → generate_report() │ └────────────────────────┬────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ 结构化输出层 │ │ JSON Schema验证 → 数据校验 → 格式标准化 │ └────────────────────────┬────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ 结果交付层 │ │ 结构化数据 + 可视化报告 + 风险评分 + 建议措施 │ └─────────────────────────────────────────────────────┘

3.2 实际应用案例：智能合同审查系统

基于结构化输出与Function Calling构建的智能合同审查系统，已在多家法律科技公司投入生产：

{ "合同名称": "技术服务合作协议", "总页数": 50, "条款总数": 42, "风险条款": [ { "条款编号": "第8.3条", "条款内容": "乙方应在甲方通知后72小时内...", "风险等级": "高", "风险类型": "响应时间过短", "建议修改": "将72小时修改为5个工作日", "法律依据": "《合同法》第62条" } ], "整体风险评分": 72, "风险等级": "中等", "修改建议数": 8, "预计审核时间": "2.5小时" }

3.3 性能基准测试

我们在1000份真实合同PDF上进行了全面测试：

四、前沿趋势：2026年下半年展望

4.1 多模态结构化输出

下一代结构化输出将不仅限于文本数据，还将支持：

• 图像数据结构化：从PDF中的图表、图片提取结构化信息
• 表格跨页重建：自动识别并合并跨页表格
• 公式结构化：将PDF中的数学公式转换为LaTeX或MathML
• 版面结构输出：输出文档的完整版面布局信息

4.2 Agent工作流与结构化编排

结合AI Agent框架，结构化输出和Function Calling将支持更复杂的自动化工作流：

用户：处理本月所有发票PDF，汇总财务数据，生成月度报告 ↓ Agent自动执行： 1. 批量调用 parse_invoice() 处理500份发票PDF 2. 调用 aggregate_financials() 汇总数据 3. 调用 detect_anomalies() 检测异常 4. 调用 generate_report() 生成Excel报告 5. 调用 send_notification() 通知相关人员