← 返回项目列表
工作流AI 智能体自动化Python
LangGraph 合规审查自动化工作流
基于 LangGraph 状态机构建的合规文档审查流水线：文档上传 → 风险要素抽取 → 政策匹配 → 人工审批 → 报告生成，将传统 3–5 天的合规审查压缩至数分钟。
8 分钟阅读
含交互演示
4 个技术标签
项目概述
本项目针对金融机构合规审查场景，将繁琐的人工合规流程转化为 AI 驱动的自动化工作流。合规文档（合同、协议、申报材料）上传后，系统自动识别风险要素（主体资质、金额阈值、交易结构），与监管政策库比对，生成风险评估报告，并在关键决策点等待合规官人工确认。
核心功能
01
LangGraph 状态图：明确定义工作流节点（解析→抽取→匹配→审批→生成）和条件边（高风险→人工审核，低风险→自动通过）
02
结构化信息抽取：LLM 从非结构化文档中提取 JSON 格式的风险要素（主体、金额、期限、条款）
03
政策匹配引擎：抽取结果与监管规则库对比，自动标注违规点和合规风险等级
04
Human-in-the-loop 节点：LangGraph interrupt 机制实现审批暂停，支持合规官添加批注和修改判断
05
审计追踪：每个节点的输入/输出、判断依据和时间戳完整记录，满足合规审计要求
技术方法
工作流使用 LangGraph 的 StateGraph API 定义，State 包含文档内容、抽取结果、匹配报告、审批状态等字段。条件路由基于风险评分阈值（score > 0.7 触发人工审核）。Human-in-the-loop 通过 NodeInterrupt 实现，前端轮询状态端点展示暂停状态。结构化输出使用 Pydantic 模型约束 LLM 输出格式，确保下游节点数据一致性。
交互演示
LangGraph 合规审查工作流演示
选择合规文档，启动状态机流水线，体验 Human-in-the-loop 审批节点与条件路由。
LangGraph · 状态机演示
合规文档审查自动化工作流
基于 LangGraph 状态机：文档解析 → 风险抽取 → 政策匹配 → 人工审批（Human-in-the-loop）→ 报告生成。
选择待审查文档
风险分 ≥ 60，将触发人工审批节点