「我发给你了，」卫越发语音，语气平，但语速比平时快了一点，「三种格式，不只是排版不一样。」
陆衍把耳机塞上，打开卫越发来的截图。
屏幕上是三列并排：左边是第一份香港样本，一个四层缩进的结构，每一层都有明确的编号规则（1 / 1.1 / 1.1.a / Exhibit A）；中间是第二份，编号规则换了一套，但大体逻辑相同；右边是第三份——没有编号，只有缩进，层级靠视觉位置区分，没有数字标记。
他盯着第三份看了几秒，「第三份是手工排的？」
「不是，」卫越说，「是模板自动生成的，有些法律事务所用这种格式，字体大小和缩进是层级标志，不靠编号。」
「那解析的时候靠什么判断层级？」
「靠这两个，」卫越发了一张放大图，「字号差和左边距。」
陆衍把图看了一会儿，「差多少？」
「字号差两磅，左边距差0.25英寸，」卫越说，「问题是这两个数值不是固定的，每份文件可能有微小偏差，不同律所的版本不一样，我试了三个开源解析库，没有一个能正确处理第三份。」
「第三份直接放弃？」
「那要看祁明那边这几份是不是必须的，」卫越说，「你先去问他。」
陆衍给祁明发了一条消息，问的很直接：「您发来的十三份样本里，哪几份是交割必须覆盖的，哪几份是参考材料？」
祁明回复比他预期的快，「主协议、披露清单、两份认证证书、两份许可——六份必须。其余七份是背景材料，有了最好，没有不影响交割。」
陆衍把这条消息截图下来，发给卫越，「背景材料七份，跳过不影响。」
「那第三份格式的在哪里？」
陆衍翻了一下祁明发来的文件清单，「其中一份认证证书用了第三种格式，」他把那份标出来截图给卫越，「这份是必须的。」
「我知道了，」卫越停了几秒，「那就得处理。」
下午，卫越发来一个链接，是他新建的文档，标题是「香港格式3解析方案」。
陆衍点开，文档里有三段，每段一个思路：
第一段是卫越自己写的解析器，针对字号差和左边距建了一套逻辑，可以处理大多数情况，但遇到极端偏差（比如某行因为注脚意外改变了字号）会判断错层级。
第二段是引入第三方OCR+结构识别的方案，成本是每份大约多跑三分钟。
第三段是一个临时方案：遇到格式三的文件，先展示原文PDF截图让用户手动确认层级，确认完了再跑扫描。
陆衍把三段都读完了，然后发了一句：「第三段。」
卫越发了一个问号。
「前两段都是在试图让工具完全理解第三种格式，」陆衍回，「第三段是把不确定的那一步交还给用户确认，和预处理里字段映射不确定就让用户看一眼是同一个逻辑。」
「……我以为你会选第一段，」卫越说，「因为它是最自动的。」
「最自动不等于最准，」陆衍回，「准确是硬条件。」
卫越没有立刻说话。
隔了差不多三分钟，他发了一条：「好，但临时方案就是临时方案，之后还是得做格式三的通用解析，否则这条路会变成每一份格式三都让用户手动确认，律所那边不会接受。」
「我知道，」陆衍回，「这条路只用在这个项目里，下个季度再处理格式三的通用方案。这个项目不影响。」
「那行。」
陆衍把文档的第三段在心里转了一遍。他觉得卫越说的没错——临时就是临时，迟早要补——但眼下这个项目先跑完，把准确度保住，比让工具假装自己理解了更重要。
下午四点，还有另一个问题冒出来。
卫越发了一段截图，是其中一份大陆文件的正文，有一行文字用红框圈了出来：
「如本合同第十七条所述，相关标准认证情况详见附件B之说明。」
「我碰到了，」卫越的消息在截图下面，「交叉引用。」
陆衍看了一眼，想了想，「你说的交叉引用是指什么情况——A文件里提到'见B文件X条款'？」
「对，」卫越说，「但不只是说'见B'，是在说'如第十七条所述'——它在引用同一份文件内部另一个条款的内容，但那个条款里说的事情和我现在扫描的这个字段相关。如果不把那个条款的内容也拉过来，单独看这条的话，扫描结论可能会漏。」
「举个具体的？」
「比如说，」卫越停了一下，「这里扫的是'认证有效期至2025年12月'，但它同时引用了第十七条，我去翻了一下，第十七条里有一句'如发生标准版本更新，有效期以新版本要求为准'——这句话等于在说这个日期其实是有条件的，不一定是绝对有效期。如果我只扫第一句，报告里就写有效期2025年12月，律所那边如果没有注意到第十七条，判断可能会出偏差。」
陆衍把这段话在脑子里过了一遍，「你现在遇到多少这种情况？」
「我跑了一遍大陆的六份，发现三个，」卫越说，「香港的那边我还没跑，估计更多。」
「三个全是这种'有条件的有效期'类型？」
「不全是，有一个是规格参数引用了另一份文件，一个是责任方的定义在同一份合同另一个章节，还有一个是你刚看到的有效期。」
陆衍想了一下，「跳过。」
「跳过？」
「标记为「交叉引用，未展开」，打上标签，附上引用的原文位置，让律所自己判断，」陆衍说，「我们不展开。」
「为什么？」
「展开了就是做解读，」陆衍回，「我们的工具是找矛盾，不是帮律所读合同。他们自己读合同的能力比我们强，我们帮他们找的是那种机器能扫到、但人工容易漏掉的显式矛盾——日期前后倒置、失效认证、过期证书。交叉引用里的条件判断，不在这个范围里。」
卫越沉默了一会儿，「但如果我们标了「交叉引用，未展开」，律所那边能理解这意味着什么吗？」
「这个得跟祁明说清楚，」陆衍说，「我来说。」
他给祁明发了一条语音消息，用了大概两分钟，解释了交叉引用的情况：工具可以识别并标注，但不会展开分析交叉引用背后的逻辑，因为那是律师的判断范围；报告里会显示「此处有交叉引用，见原文X章X条」，律所团队可以据此手动复核。
祁明回了一条：「可以，我们自己来处理，有标注就行。」
然后停了一下，又补了一句：「这个判断是你们自己做的，还是有行业惯例？」
陆衍想了一下，「我们自己判断的，逻辑是工具做范围内的事，范围内是指机器可以客观核实的——日期、编号、证书有效期。逻辑判断不在这里，标注交给你们。」
「好，这个思路是对的，」祁明说，「之后也这样做就行。」
陆衍把这条消息截图下来，发给卫越，「他确认了。」
「好，」卫越回，「那我把标注格式先定下来。」
晚上，卫越发来了测试结果。
消息里没有说话，只发了一张截图：
大陆样本六份，右侧状态栏全是绿色的「解析成功」，底部有一行小字「共发现2处高置信度矛盾，3处中置信度发现，1处交叉引用标注」。
陆衍看到这个，没有发消息，拿起手边的水喝了一口。六份，全过。
然后第二张截图来了。
香港样本四份，第一份绿色，第二份绿色，第三份右侧状态栏是黄色的「部分解析」，第四份是红色的「解析失败」。
「格式三，」卫越的消息跟在截图后面，「第四份是格式三，解析失败，第三份是格式一和格式三混排，系统判断到一半卡住了。」
「临时方案还没接上？」
「没，我今晚接，」卫越说，「但你看一下第三份的问题——混排是同一份文件里有两种格式，这个情况我之前没想到。」
陆衍把第三份截图放大，看了看，「这种文件多吗？」
「不知道，祁明发来的样本里只有这一份，我得等他把全部六十份发过来才能统计。」
「先把四份的问题处理掉，」陆衍说，「临时方案接上以后再跑一遍，看混排的情况具体有多少。」
「好。」
卫越的消息停了。
陆衍把那张有红色状态栏的截图放大，盯着第四份的状态看了一会儿，想的不是怎么修，而是同一批文件里同时存在三种格式这件事——那说明这批并购材料在原始准备阶段就是多个律所分别出具的，没有统一格式，出卖方或者买方在整合的时候也没有做格式规范化。
这不是偶然的。并购里的合规文件通常是这样：多方参与，各出各的，最后打成一包交给核查方。
他在本子上写了一行：「格式混排=多律所出具，整合层未规范化。」
这本来是一个常识，但写下来以后它变成了工具需要处理的一个具体场景——不是"三种格式里的一种"，而是"同一份文件里可能包含不止一种格式"。
这是比他最开始预想的更宽一点的问题。
他把本子合上，把灯调暗，决定先等卫越把临时方案接上，再看接下来怎么走。