概览
{
“overview_html”: “Decompose Mcp 是一款专为技术文档和合同文本设计的本地语义分析工具，它能够将任意输入的文本或网页内容自动分解为结构化的语义单元。与依赖大型语言模型（LLM）的方法不同，Decompose Mcp 采用确定性算法，无需调用外部 API，所有处理均在本地完成，确保了数据隐私和运行稳定性。该工具特别适合工程规范、法律条款、政策文件等高度结构化文本的分析需求，能快速识别其中的关键信息点并赋予分类标签。通过将复杂文档拆解成可管理的片段，用户可以更高效地理解文档意图、提取合规要求或进行后续自动化处理。由于其完全离线运行且无网络请求（除手动指定URL外），它在安全性敏感的环境中尤为适用。”,
“feature_items”: [
“基于规则的分类系统，无需LLM即可实现确定性输出”,
“自动识别权威等级（如shall/must为强制，may为许可）”,
“多维度风险评估：安全关键、合规、财务、合同等类别”,
“智能提取标准引用（ASTM/ASCE/IBC/OSHA等）、日期、金额等实体信息”,
“提供注意力评分机制（0-10分），量化内容优先级”,
“支持不可约简标记，保留法律条文等必须原文引用的部分”
],
“scenarios_html”: “在建筑行业标准文档处理场景中，工程师常需从大量技术规范中提取关键义务条款。例如一份包含ASTM C150-20标准的施工材料要求文档，使用Decompose Mcp可迅速定位‘承包商必须提供符合ASTM C150-20的所有材料’这类强制性表述，并标注其安全关键属性和高注意力分值，便于优先审核。对于企业合规官而言，面对数百页的合同协议，传统人工阅读效率低下，而Decompose Mcp能自动将‘违约方应支付每日0.5%滞纳金’归类为财务风险项，并提取具体数值，极大提升审查速度。在AI应用开发中，开发者可将Decompose Mcp作为预处理层，先对原始文档进行结构化解析，再将有价值片段送入大模型，从而节省高达80%的上下文窗口消耗，降低推理成本。此外，政府机构在处理公开政策文件时也可利用此工具快速生成标准化摘要，确保重要条款不被遗漏。”
}