# Re-Ink：再保险合约智能提取与审核参考实现

- 来源：meng shao (@shao__meng)
- 发布时间：2026-06-12 09:02
- AIHOT 分数：46
- AIHOT 链接：https://aihot.virxact.com/items/cmqa91d350j9bslldk15ccadu
- 原文链接：https://x.com/shao__meng/status/2065238151657144572

## AI 摘要

Re-Ink 是 @LandingAI 金融 AI Hackathon 冠军项目，针对再保险承保中约 40% 时间消耗的行政文档录入痛点，构建端到端自动化方案。核心使用 LandingAI 的 Agentic Document Extraction (ADE) 实现 PDF/DOCX 条约的结构解析与上下文感知字段提取（合同标识、日期、金融条款、参与方等），无需正则或模板。关键设计为人机协同闭环：提取数据经人工审核后以单事务持久化，校验失败即回滚。Agent 层用两个 LangGraph Agent 封装入库前引导与审批后分析逻辑。Academy 调查显示手动提取错误率超 6%，运营预算约 14% 用于修复此类错误。

## 正文

Re-Ink：再保险合约智能提取与审核参考实现

@LandingAI 金融 AI Hackathon 冠军之一，针对再保险承保流程中耗时严重的文档处理痛点，构建从 PDF/DOCX 条约文档到可审核合同记录的端到端自动化方案。

行业痛点量化
再保险承保人约 40% 时间用于行政工作，主要为手动将条约数据（日期、保费、留存限额、参与方名称等）重新录入合同管理系统。Accenture P&C Underwriting Survey 数据显示：
· 实际承保工作仅占 30%；
· 行政任务占 40%；
· 谈判与销售支持占 30%。

手动提取存在系统性风险：日期格式多变、参与方名称不一致、金融术语表述差异大，即使在规范环境下错误率仍超 6%（Reisch et al.， 2024）。保险公司运营预算中约 14% 用于修复此类手动错误。

Re-Ink 核心方案
Re-Ink 使用 LandingAI 的 Agentic Document Extraction （ADE） 作为文档智能核心，结合 FastAPI + React + PostgreSQL + LangGraph 栈，实现：
1. 上传与结构解析：ADE 自动识别 PDF/DOCX 的章节、表格、标题、段落及嵌入数据。
2. 字段提取：基于预定义 schema（合同标识、日期、金融条款、覆盖细节、参与方信息）进行上下文感知提取，无需正则、模板或格式特定逻辑。
· 优势：能处理"Net Retention""Ceding Company Retention"等不同表述，或嵌入段落中的留存金额。
· Hackathon 测试（SEC EDGAR 文件）显示，在提取 cedent（分出公司）和 reinsurer（再保险公司）名称时特别可靠，即使出现在叙述性文本中。

关键设计：人机协同闭环
· 提取后人工审核：所有数据在 reviewer 确认前不持久化。ReviewForm 展示提取字段，支持编辑、补充或拒绝。
· 事务保障：审批后以单事务创建 Contract 和 Party 记录，任何校验失败均回滚。
· 业务理由：再保险合同涉及数百万美元义务，监管要求人工基于业务上下文验证原文档，AI 输出不可作为合规唯一依据。
· 反馈优化： reviewer 反复修正的模式可指导 schema 或 prompt 迭代。

Agent 层增强
Re-Ink 使用两个 LangGraph Agent（均不负责提取，仅封装业务逻辑）：
· 入库前引导 Agent：检查缺失必填字段、日期逻辑矛盾等，并生成建议审核 payload。
· 审批后分析 Agent：StateGraph 包含 validate（完整性检查）和 analyse（LLM 风险与合规标记）节点。

两者均支持 offline 模式（确定性 mock），便于端到端自动化测试。

### 引用推文

> LandingAI：http://x.com/i/article/2065098287758348288