律師行每日面對嘅合約問題
The contract problem law firms face every day香港律師行每日處理大量合約：租約、僱傭合約、服務協議、NDA。合約比對——攞新版同舊版逐行對、逐個條款 check——係最 common 但最耗時嘅工作之一。
傳統做法係 senior 律師對一次，junior 再對一次，一來一回用幾粒鐘。有啲行開始試用 AI，但好快撞到一個大問題：
⚠️ 將合約貼上 ChatGPT / Claude，可能違反 PDPO
香港《個人資料（私隱）條例》（PDPO）規定資料使用者須採取所有合理措施，確保護航個人資料唔會未經授權被查閱、處理或刪除。合約入面嘅客戶姓名、身份證號碼、地址、銀行戶口——全部屬於「個人資料」。將呢啲資料上傳到美國嘅雲端 AI 伺服器，本質上係跨境傳輸個人資料，如果冇適當嘅合約條款或 data transfer agreement，就構成違規風險。
坊間嘅 AI chatbot 平台（包括 OpenAI、Claude、Gemini）嘅預設條款通常容許用你嘅 input 做模型訓練，即使你 opt out，資料仍然會經過海外伺服器。對律師行嚟講，收咗客錢就要 protect 客戶資料——唔係信唔信得過 OpenAI 嘅問題，而係合規上根本俾唔到呢個風險。
解決方案：本地 AI 模型，資料唔離開你部機
Solution: a local AI model where data never leaves your machine方法好直接——將 AI 模型安裝喺你自己嘅電腦或者 server 上面，所有運算喺本地完成，唔需要經過任何雲端服務。
| 層面 | 雲端 AI (ChatGPT 等) | 本地 AI (Ollama / vLLM) |
|---|---|---|
| 資料儲存 | 海外伺服器 | 你自己部機 |
| 跨境傳輸 | 有（香港 → 海外） | 無 |
| PDPO 合規 | 需額外 DTA | 自然合規 |
| 月費 | 每位用戶 US$20+ | 無 |
| 斷線可用 | ❌ | ✅ |
| IT 知識要求 | 低 | 一次設定，之後直接用 |
你可能會擔心「我唔識 IT，點樣安裝？」——答案係，安裝一次之後就係日常用。下面一步一步講解具體流程。
具體 workflow：用本地 AI 做合約比對
Step-by-step workflow for local AI contract comparison第一步：安裝本地模型引擎
你唔需要自己 train 模型。現成嘅開源模型（例如 Llama 3、Qwen 2.5、Mistral）已經有足夠嘅理解能力去分析合約條款。需要用嘅工具有兩個主流選擇：
最簡單入門
一鍵安裝、command line 直接 run。支援 Llama 3.1 8B、Qwen 2.5 14B 等模型。Windows 同 Mac 都用到。
高效能大批量
支援 PagedAttention，batch inference 速度比 Ollama 快 5-10 倍。適合每日要對 50+ 份合約嘅行。
硬件方面，一部 32GB RAM 嘅 M4 Mac Mini 或者 RTX 3090/4090 嘅 Windows PC 已經夠行 14B 模型，對合約比對嚟講完全足夠。投資係一次性——大約 HK$9,000-15,000。
第二步：建立合約範本庫（RAG）
唔係叫 AI 由頭睇一份陌生合約。更好嘅做法係 RAG（Retrieval-Augmented Generation）：
- 收集範本：將你常用嘅合約範本（租約、僱傭合約、NDA、服務協議）整理做文件庫。
- Vectorize：用 embedding model 將每份範本轉做 vector，存入本機 vector database（例如 Chroma 或 FAISS）。
- 對照新合約：每次收到新合約，系統自動搜返最相關嘅範本條款，同新條款做逐句比對。
因為範本庫係你自己建立嘅，結果會貼近你行嘅慣常用字同風格，唔似 general-purpose chatbot 咁「估」法律用語。
第三步：批量比對條款
設定好之後，你可以將一批合約放入一個 folder，然後一句 command（或者一個簡單嘅 GUI）就自動出 result：
📋 比對結果範例
條款：賠償限額
範本寫：HK$1,000,000
收到版寫：HK$500,000
→ ⚠️ 差異：金額減半，需要覆核
條款：管轄法律
範本寫：香港法律
收到版寫：香港法律
→ ✅ 一致
AI 會逐條條款 highlight 差異，唔係叫你睇全文再自己搵。一份 10 頁嘅合約，比對時間由 45 分鐘降到 3 分鐘。
第四步：生成比對報告
最後，系統自動生成一份比對報告，包含：
- 所有差異條款一覽（modified / added / deleted）
- 差異程度分級（high / medium / low risk）
- 建議跟進行動（例如「建議律師親自查閱第五條」）
- 可匯出 PDF 或 Word，直接放入 client file
final review 仍然由律師做——AI 係幫你放大 detecting 嘅能力，唔係取代你嘅判斷。
成本：一次性投資，之後無訂閱
Cost: one-time investment, no subscription同 SaaS 按月收費唔同，本地模型嘅成本結構係一次過硬件 + 一次過 setup：
| 項目 | 雲端 AI（每年） | 本地 AI（一次性） |
|---|---|---|
| AI 服務費 | US$20-50/人/月 × 5 人 ＝ HK$8,000-20,000/年 | $0（開源模型免費） |
| 硬件 | $0 | HK$9,000-15,000（一次） |
| Setup 服務 | $0（自己開 account） | HK$3,000-6,000（一次） |
| 第二年 | HK$8,000-20,000 | $0（已回本） |
| 第三年 | HK$16,000-40,000 | $0（繼續用） |
第二年已經回本，第三年起完全免費。而且你擁有個系統，唔會因為供應商加價或者改條款而受影響。
PDPO 合規：本地部署點樣滿足要求
PDPO compliance: how local deployment meets the requirements香港個人資料私隱專員公署嘅《資料外洩事故通報及個人資料私隱管理指引》明確指出，資料使用者須採取 contract、technical 同 organisational measures 保護個人資料。本地部署喺以下幾方面自然符合：
🔐 資料最小化
資料唔需要傳送出去，減少 exposure 途徑。唔存在「傳送途中」或「儲存喺第三方」嘅風險。
📍 跨境傳輸
資料從未離開香港境內，唔涉及跨境傳輸，唔需要額外嘅 data transfer agreement。
📋 保留與刪除
你完全控制資料嘅儲存同刪除時限，唔受第三方條款約束。可以設定 auto-delete policy。
🔒 存取管控
可以整合 Windows AD / LDAP，限制邊個 staff 可以 access 個 AI 系統。audit log 記錄每次 query。
當然，本地部署唔係萬能。如果你嘅 workflow 需要 access 最新 knowledge（例如要即時查 case law），或者你只有一部 low-end notebook，咁雲端方案或者 hybrid 方案可能更適合。我哋會同你傾清楚邊個方案 fit 你嘅實際情況。
真實使用場景：一間 10 人律師行嘅轉變
Real scenario: how a 10-person law firm made the switch假設一間中環嘅商業律師行，10 位律師，每月處理大約 80 份合約修改同比對。轉用本地 AI 之後：
FAQ：律師行常見問題
Frequently asked questions from law firms本地 AI 會唔會比 ChatGPT 蠢？
對合約比對呢個特定 task 嚟講，14B 模型（如 Qwen 2.5 14B、Llama 3.1 8B）嘅表現同 GPT-4 差距好細。因為合約比對本質上係結構化嘅 pattern matching + 差異 highlight，唔係創意寫作。我哋可以 free trial 俾你親身對比。
需要專用 IT 同事嗎？
setup 之後唔需要。日常操作係 drag & drop files → 睇 report。如果有任何問題，我哋提供 remote support。你唔需要請 IT 人。
我哋用緊 Practice Management System，可以整合嗎？
可以。本地 AI 可以透過 API 接入你現有嘅 PMS，或者 standalone 用。方案會寫明整合細節。
如果 hardware 壞咗點算？
模型檔案可以 backup 去 external drive。換機之後 restore 就用得返。資料庫亦可以獨立 backup。唔同 SaaS 咁供應商倒閉你就冇得用。
可以試用先嗎？
可以。我哋可以提供 proof-of-concept：你用一份真實（但 anonymized）嘅合約，喺我哋嘅 demo machine 上行一次比對，親眼睇 output。唔收費。