我们的开发团队常收到两类需求：

内部：快速了解合作方的行政处罚、司法诉讼、经营异常等风险

外部：给客户演示企业数据 API 的价值，不能只丢一堆 JSON

传统做法是手工把 JSON 整理成 Word/Excel 报告，重复枯燥还容易漏重点。
大模型擅长文本生成，我们想用它来撰写报告初稿，但必须保证事实准确、可追溯、不编造。

经过几轮迭代，我们总结出一套“结构化 API + 模板约束 + 事实核验”的可靠方案，分享给大家：调用企业风险数据 API，再让大模型将结构化数据辅助生成自然语言版的尽调报告草稿。代码量不大，但如果能避开几个常见的坑，效果会安全且实用。

一、背景与核心风险

如果直接用 LLM 自动写报告，会遇到两个问题：

数据隐私/合规：企业行政处罚、被执行人信息等敏感数据，不能明文发给公有云大模型（违反《数据安全法》及 API 使用条款）。

模型幻觉：LLM 会编造不存在的日期、金额。例如输入只有“立案金额 120 万，法院杭州西湖”，模型可能自行加上“2024 年立案”——这在风控中是不可接受的。

所以，我们的方案必须：脱敏或本地化部署 + 强制可追溯 + 事后校验。

二、安全合规的整体思路

流程依然是三步，但每步都加了安全护栏： 

1.调用企业风险 API 获取原始数据（行政处罚、司法信息、经营异常等）。

2.对敏感数据脱敏或采用本地模型（绝不能将原始企业风险数据直接发送给公有云大模型，除非已获授权且数据不包含个人信息/商业秘密 ）。

让 LLM 按固定模板填充内容，并要求每个结论附带原始数据路径，最后用代码比对关键数值（如金额、日期）是否被篡改。

重要合规提醒：企业行政处罚、被执行人信息等属于敏感数据。如果使用云端 LLM（DeepSeek/GPT/Claude），请务必：

• 获 得数据所有方（或 API 供应商）的明确书面许可
• 对数据进行脱敏（例如金额取整、日期模糊、公司名替换）
• 或者改用本地部署的开源模型（如 Llama 3、Qwen）

本文示例仅用于技术演示，实际生产环境请先咨询法务。

三、核心代码（精简版）

python
import os, json, requests, re
from openai import OpenAI

# 1. 获取并脱敏数据
risk_data = fetch_risk_data(COMPANY_ID)   # 省略具体 API 调用
def anonymize(data):
    # 金额抹去精确值，法院只留前两个字
    ...
risk_data = anonymize(risk_data)

# 2. 构造 Prompt（强制带路径）
system_prompt = """你是一个报告助理。根据给定数据，按以下模板输出：
## 风险事实（仅罗列，不做评级）
- {风险类型}：原始路径 `$.xxx`，关键信息 [[原样数值]]
## 分析（每点必须带路径）
## 建议
禁止编造任何数据中没有的内容。金额、日期必须用 [[ ]] 标记。
"""

# 3. 调用 LLM（建议用本地模型）
client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")
response = client.chat.completions.create(
    model="llama3",
    messages=[{"role": "user", "content": user_prompt}],
    temperature=0.1
)
report_draft = response.choices[0].message.content

# 4. 事实核验：提取所有 [[...]] 并与原始数据比对
claims = re.findall(r'\[\[(.*?)\]\]', report_draft)
if not all(str(value) in json.dumps(risk_data) for value in claims):
    print("❌ 发现幻觉，请人工复核")

四、安全输出示例

输入数据（简化）：

json

{"被执行人": [{"立案金额": 1200000, "法院": "杭州市西湖区人民法院"}], "经营异常": []}



模型输出（合规版）：

text

## 风险事实

- 被执行人：原始路径 `$.executed[0]`，立案金额 [[1200000]]，法院 [[杭州市西湖区人民法院]]。

- 经营异常：未发现。



## 分析

被执行人金额较大（路径 `$.executed[0].立案金额`），需关注。



## 建议

要求提供该案件的履行证明。

对比修改前：模型不再编造“2024年立案”，金额、日期均原样引用，并提供了可追溯的 JSONPath。风险评级被移除，改由人工或专业规则判断。

如果想彻底杜绝 LLM 篡改关键字段，还可以采用 模板填空 + 仅让 LLM 做分类/总结的方式。

六、总结

总结一下这套方法的关键要点：

关键点	说明
数据合规优先	敏感数据绝不裸传给云端 LLM，优先私有化或脱敏
强制可追溯	每个结论都要带原始数据路径，方便人工复核
拒绝直接评级	风险评级涉及业务逻辑，不要让 LLM 主观判断
事后核验	用正则或代码比对模型输出的数值是否与原始一致
低 temperature	设为 0.1~0.2，减少创造性

实际落地时，我们对一批企业批量生成草稿报告，再由风控人员快速确认关键数据路径。效率提升约 3 倍，且没有出现一例事实错误（因为模型不允许自由编造）。

如果你也在尝试类似应用，强烈建议先从模板填空开始，而不是直接让 LLM 写自由文本。信任，但验证，在企业风控领域尤其重要。

最后再强调一下，实际使用的时候，要遵守数据保护法规，并加入人工复核环节。