此乃投献于Gemma四挑战：以Gemma四构建之
吾所筑者何
曩岁置业之际，友人来示聘书。其喜形于色，曰：“首获实聘。”吾览其第三款，乃知若未满三载而去，则负公司贰拾万卢比之责。彼竟未之察也。几欲署名，则将束手束足，困于三载，无隙可乘矣。彼为开发者，此乃其毕生之始业也。
彼非独也。岁岁有数千学子，签立雇用之约，实习之契，租居之券，而未解其意。辞句故设其密，罚则隐于第四款、第七款、第十一款。而人多无律师可询，尤以新毕业者为甚。
是故吾辈创制FinePrint。
FinePrint者，开源之AI契約護佑之器，以Gemma 4為之驅策。攜一影相，或PDF，或貼契約之文，FinePrint讀之，察陷阱於無形，示危殆之所在，告以何者可議，何者永勿簽署。
所獲者：
- 🔴 危險分數（0–100） — 契約危殆之客觀等級
- 🟡相配之分数 — 合契乎君之志
- ⚖️ 终论 — 受纳 / 协商 / 拒斥，并明其由
- 直解每警示之辞
- 为每危句所拟之安改
- 句句可施之协商要诀
- 已备妥之个性化谈判函
- 可分享之报告链接暨可下载之PDF文件
- 合约比对——上传v1与v2，察其变故
此非文书阅读器，乃合约守护之引擎。阅文书而知其言，善也。FinePrint则示汝于汝之境遇，公司欲取何物，及当如何应之，昭然若揭。
## 示例
🔗 直播：https://tarkashlabs-fineprint.vercel.app
欲自试乎？往趋直播之应用，击“校园债券”于示例之下。填尔之需，击“分析”。
此乃FinePrint于真实之掠食实习契约所返：
🔴 风险分：98 / 100 — 危殆
🔴 相合度：20 / 100 — 匹配甚微
❌ 判词：否决
此契违众用户之求——职未酬，
个人项目之知识产权，百万元罚金
强制加班，且18个月不得竞业。"
微文亦然有之比较模式 — 上传原稿与修订合同，Gemma 4即告汝何者增善，何者犹险，何者新添。
## 代码
🐙 GitHub: https://github.com/Tarkash-Labs/FinePrint
Frontend: React + Vite + Tailwind CSS
Backend: Python + FastAPI + async SSE streaming
AI: Gemma 4 via Google AI Studio
Deploy: Vercel + Render
后端乃异步Python之文，凡六百五十行。结果随Gemma 4之处理，逐句流布——警示立现，非久候而后得。所有报告之状，皆存于无状之共享URL，以gzip压缩之——无数据库，无服务器之储。
此乃FinePrint之要旨——其提示，同时送合同与用户之私志于Gemma 4者如是。
def _build_analysis_prompt(contract_label: str, focus_areas: str, requirements: str) -> str:
requirements_text = requirements.strip() or "None provided."
return f"""
You are a ruthless, detail-oriented legal expert specializing in {contract_label} contracts. Your job is to protect the user.
Analyze this contract and return a JSON with exactly these fields:
{{
"risk_score": <integer 0-100>,
"compatibility_score": <integer 0-100>,
"verdict": "ACCEPT" | "NEGOTIATE" | "REJECT",
"verdict_reason": "<1-2 sentence explanation referencing requirements and clauses>",
"requirement_breakdown": [
{{"requirement": "<specific user requirement>", "met": true/false, "explanation": "<why it was or wasn't met>"}}
],
"red_flags": [
{{
"clause_title": "...",
"clause_text": "<EXACT text from the contract>",
"plain_english_explanation": "<Briefly state the risk>",
"negotiation_tip": "<Actionable advice on what the user should ask to change>",
"suggested_rewrite": "<Provide a safer, alternative 1-2 sentence rewrite for this clause that the user can propose>",
"severity": "high|medium|low"
}}
],
"safe_clauses": [{{"clause_title": "...", "plain_english_explanation": "..."}}]
}}
CRITICAL RULES:
1. Return ONLY valid JSON. No preamble. No markdown blocks.
2. DETECT ALL RED FLAGS. Do not summarize them into one. If there are 5 bad clauses, list 5 red flags.
3. You MUST extract the exact original text for "clause_text".
4. The "risk_score" is objective based on standard legal risks. Focus heavily on: {focus_areas}.
5. The "compatibility_score" MUST directly reflect the User Requirements below. If a requirement is completely violated, score drops.
User Requirements to evaluate against:
{requirements_text}
Verdict guidance:
- ACCEPT when risk <= 30 and compatibility >= 70.
- REJECT when risk >= 61 or compatibility <= 30.
- Otherwise NEGOTIATE.
""".strip()
此单一提示，故FinePrint之输出独异，非泛同。Gemma 4同阅契书，亦察用户之生志。
## 吾辈如何用Gemma 4
模型之选，乃经实试而后决，非默认之择。
第一步——Gemma 4之MoE→多模态OCR
当用户上传图像或PDF，MoE模型直读文书图像，提取其本真之文。用户可持手机摄物理契约——实纸所印之物——而上传之。Gemma 4之原生多模态视界，自能善后。无需手抄手贴。无脆弱第三方OCR库之累。
此步不须法律之理。惟需迅捷精准之图像阅读。MoE架构，实为至适。
第二步——Gemma 4密集31B→凡需思虑之事
凡律理之思，皆赖密集31B——条款分类，风险评分，兼容性析，平白解释，建议改写，谈判要诀，及个性化谈判函。
吾等明试MoE于法理之析。契约为五违，其返一泛红警示。Dense 31B则尽返五违——具条款文，严级评鉴，商议之术，及所拟改写。
法理之思，需至能之模。吾等惟重其要处而用之。
相契之率——是使FinePrint异于众文AI者。
析之前，FinePrint求用户之私需——将欲居几时，需兼营他业否，最低之酬，迁居之好恶。此皆入Dense 31B之提示，与契书并载。
此模同时察二事，而断其合。同一条之IP指派，于欲去者六月，与计生涯五年者，其评迥异。循规之制，无能为也。Gemma 4则可。
其出非曰“此条有险”，乃曰“此条于汝尤险”。
所患者，FinePrint实解之问题
法智之差，本乎结构。有钱者有律师。众人则签所授之文。
哈维AI已证，大语言模型可化法律之析——其服务于精英律所，估值七十五亿五百万。FinePrint取此能，使民得享，而律所永不为服务。
印度校园就业担保，年影响数十万学子。多未尝识法律文书。众签担保，法理难违——及欲去所恶职，方知其害，已历数载。
《微文》者，凡无律师之助，首赖此以御患也。非代律言之智，然每析末皆附警示以明之，盖使民知所问，乃敢署名也。
何所之哉
《微文》今护学子及初进者免受苛约。同此Gemma四构，亦及赁契、自由诺言、风险投资条款——吾辈已备七契之全。远图：一浏览器之增，可示文书之患；一API供他应用相融。法识之隙甚广。吾辈方启程.
创自Tarkash Labs
@dj29 & @yug_vasava