OpenVINO™开发者说：MiniCPM5-2B × ClaimLedger，把本地模型接进高责任报告核验

英特尔开发人员专区

542人浏览 · 2026-10-22 16:10:39

英特尔开发人员专区 · 2026-10-22 16:10:39 发布

【开篇寄语】 本文是英特尔✖魔搭社区联合举办的智能体技能创新大赛总决赛一等奖获奖作品。采购报告写得再顺，签字前也得回到原件：委员会批了什么？Excel 成本方向有没有读反？扫描报价还有效吗？针对高责任报告“结论必须能回到证据”这一现实需求，作者基于 MiniCPM5-2B 与 ClaimLedger，构建了一套本地部署、可追溯的报告交付前证据核验方案。文章从主场景拆解、小模型在流程中的位置，到 Skill 调用、证据链核验与人工门禁逐一说明，并附有演示范围与适用边界，可供央国企与大型制造企业的报告审阅者、端侧 AI 开发者直接参考复用。当前演示为合成案例，MiniCPM5-2B 的接入与实测数据待对应设备验证后补充。OpenVINO™ 开源社区期待大家结合自身场景验证与交流，共同推动技术落地。

【作者介绍】Eason liu ｜独立开发者，专注本地模型与 Agent 工作流落地。近期作品：「小蓝同学」AI 同学团队（https://xiaolan-waitlist.pages.dev）。

面向央国企与大型制造采购报告的本地模型适配方案

采购报告写得再顺，签字前仍有几件事必须回到原件：委员会到底批准了什么？Excel 里的成本方向有没有读反？扫描报价是否还有效？这些结论要是错了，影响的就是预算、授权和决策责任。

ClaimLedger 做的是报告交付前的证据核验。它接收一份 DOCX 成稿和一组本地证据材料，把报告里的结论逐条带回 Word、Excel、PDF 和扫描件，给出原文、位置和差异，再由人决定如何处理风险。

这篇文章聚焦 MiniCPM5-2B 与 ClaimLedger 的本地适配方式：让小模型参与任务理解和审计流程调用，让报告证据、规则核验和最终决定留在可追溯的工作流中。

一、主场景：重大采购报告的错误，可能影响预算和授权

ClaimLedger 的主场景是央国企与大型制造企业的重大采购、供应商续签和定标呈批。演示案例涉及年度采购 1,200 万个纸餐盒、预算 1,080 万元。待提交报告写着：供应商 B 获得 70% 正式份额，每年可以节省 168 万元。

核对本地底稿后，三个关键结论出现冲突：

报告中的说	底稿中的信息	核验结果
委员会正式批准 B 占 70%	会议纪要只批准 B 先试供 30%，A 保留 70%	报告把试供写成正式批准
切换 B 每年节省 168 万元	TCO 表的 `公式说明!C3` 为 721,600 元，定义是 B 比 A 每年增加的成本；`TCO复核!K3` 显示 B 排名第三	成本方向写反，实际多支出 72.16 万元
三家报价都有效至 9 月 30 日	B 的扫描报价单写明有效期至 8 月 31 日	报价已经过期

这些是公开问题原型驱动、脱敏重构并主动植入风险的合成案例，不是真实客户文件。它们让相同输入、标签和证据位置可以被重复检查。

二、MiniCPM5-2B 在方案中的位置

MiniCPM5-2B 面向本地部署，也提供了工具调用和多种本地推理后端的部署方式。结合 ClaimLedger 的流程，它适合承担轻量的语言理解层：理解用户用中文提出的核验任务，整理任务参数，并按授权调用 claimledger-audit Skill。具体可用能力以实际接入和验证结果为准。OpenBMB MiniCPM 官方仓库与部署说明

整套职责按环节划分：

环节	负责内容
MiniCPM5-2B	本地语言理解、整理核验意图、按约定调用工具
ClaimLedger	预检与哈希、报告结论拆分、本地证据召回、差异核验、人工决定记录与交付门禁
PaddleOCR	识别没有文本层的扫描页，并保留页码和坐标
人工审阅者	判断风险是否成立、决定是否替换、驳回或豁免

OCR 仍由 PaddleOCR 负责。数字、日期、单位、主体、地域和统计口径仍要回到原文和确定性规则核对。模型不能自造文件名、页码或引文，也不能替采购委员会作决定。

三、从自然语言任务到可追溯的证据链

ClaimLedger 的输入是一份待交付 DOCX 报告和用户提供的本地证据包。流程包括输入预检和 SHA-256 快照、结论拆分、多格式解析、证据召回、数字与口径核验、人工复核和交付门禁。每个发现都可以回到 Word 段落、Excel 工作表与单元格、PDF 页码或扫描页坐标。

在模型适配方案里，MiniCPM5-2B 负责理解用户的自然语言请求并组织 Skill 调用；证据文件由 ClaimLedger 的本地解析和审计模块处理。即使模型提出一个候选结论，系统也必须用实际存在的证据 ID 和原文来复核它。

四、发现风险以后，仍由人作决定

风险发现本身不等于风险处理。ClaimLedger 将发现、人工决定和最终交付分开记录：

accept 表示确认风险成立，高风险仍会阻断交付；
reject 需要审阅者说明误报理由；
replace 必须对替换后的文字重新核证；
waive 需要记录理由、责任人和适用期限。

高风险没有得到有效处理，或证据覆盖、输入快照完整性检查未通过时，最终稿不会生成。新增决定会使旧产物失效，系统需要重新导出批注 Word、Excel 证据台账、审计 JSON、Manifest 和新的交付稿。原始报告不会被覆盖。

五、副场景：运营月报也有相同的证据问题

在独立的运营月报案例中，报告写运费下降 8%，底稿记录的环比变化实际是上涨 5.7%；全国仓利用率 74% 被写成华东仓的 82%；事故底稿记录 96 票延误，报告却写“没有重大异常”。案例还包含投诉率分母混用和保险过期。

采购与运营材料不同，但都要回答同一个问题：报告中的关键结论能否回到有明确出处、时间和范围的证据？ClaimLedger 用同一套审计链路处理两类材料，人工门禁也保持一致。

六、现有演示与 MiniCPM 实测范围

当前已发布的视频展示的是千问办公调用 claimledger-audit Skill，并在 Intel Core Ultra 9 285H、Windows 11 Pro 的电脑上完成采购与运营案例核验。本轮 Lite OCR 使用 CPU；OpenVINO™ CPU/GPU 数据来自固定 Embedding 微基准，不能外推成完整审计加速。

视频中的 Agent App 调用和 Intel 电脑上的业务闭环是已完成的演示记录。MiniCPM5-2B 的接入方式、推理后端、实际运行设备、耗时和内存，需要在对应环境完成验证后再作为实测结果发布；本文不把既有演示结果归到 MiniCPM5-2B 名下。MiniCPM5-2B 是文本语言模型，扫描件识别仍由 OCR 组件完成。