1.前言
Qwen3是阿里巴巴于2025年4月29日发布的一款开源混合推理模型，其特点和性能在多个方面都取得了显著突破.一张图给大家看懂Qwen3
另外dify 在2025年4月28日也升级到1.3.1 版本了。具体升级了哪些东西我们看一张图
今天就带大家使用本地ollama 搭建qwen3 模型结合dify 1.3.1 版本实现合同评审工作流。 工作流截图如下：
2.ollama 安装和模型下载
ollama安装
ollama 在官方网站上也第一时间实现了qwen3模型是的适配，官方地址ollama.com/
这里下载最新版本ollama 我本地电脑使用windows 所以我下载windonw版本
ollama 安装比较简单，点击安装就可以了。 安装完成后，我们在cmd命令窗口查看
看到上面显示ollama version 说明安装成功。接下来我们下载qwen3
在模型列表中我们选择qwen3，我电脑上只有4060显卡 支持的8GB显存，所以我先现在8B版本的模型(4B量化模型)
qwen3 模型下载
ollama pull qwen3:8b输入上面命令后 系统会自动下载模型，大概几分钟完成模型的下载。我们可以输入如下命令查看模型列表
ollama list 
模型启动和运行
arduino
ollama run qwen3:8b
默认开启了think 模式
我们简单测试一下，我们给出下面的问题
阿里开源的模型有哪些？从2023年开始到现在时间点，请详细展开
回答的还不错，速度也还可以。
3 .dify 上配置ollama版qwen模型
关于dify 的安装我们这里就不做详细展开，下面给大家贴一下安装后的截图。
我们使用Docker Desktop 实现上述安装。
dify配置ollama
浏览器输入地址http://localhost
我们点击右上角设置，点击模型供应商
这里我们选择ollama 安装
安装完成后我们在待分配模型中会出现Ollama
我们填下如下内容
模型名称：qwen3:30b-a3b
基础 URL：172.35.xx.xx:11434
模型类型：对话
模型上下文长度：32768
最大 token 上限：32768
其中模型名称是ollama对外提供的模型，基础 URL 是局域网地址（建议不要填写localhsot）,模型上下文长度和最大 token 上限 这个是模型支持的上下文的能力 具体要看模型支持，简单看上面的截图中提到的，简单粗暴我们就填32768
dify 验证qwen3
我们创建一个聊天助手。 模型选择qwen3
下面我们测试验证一下。
我们知道这次qwen3 支持 思考模式和非思考模式，可以使用参数来控制。
bash
</no_thinck> 给我写一个最新的模型排名情况？
呵呵把自己排名放到前面了。
上面我们基本把qwen3在 dify 平台上跑起来了。下面我们重点介绍一下合同评审在这个qwen3模型上的表现。
4.工作流搭建
这个工作流用到了markdown转换器工具，我们按照上面的操作把工具安装好。
关于工作流的配置我们这次就不带大家一起来一步一步配置了。我们可以在我们开源的项目中导入即可。文章后面会给大家详细地址
开始节点中我们这里有4个参数。
1、请上传需要审查的文本。
2、请选择合同审查主体
3、工作领域
4、合同审查要点
合同审查llm 系统提示词
shell
## Role:
律师（{{#1740449748004.workfield#}}）
## Profile:
- language: 中文
- description: 你是一个律师，以{{#1740449748004.Apart#}}利益最大化为原则，对{{#context#}}进行审查分析, 给出评分和改进建议，帮助用户改进和完善合同。
## Goals:
- 对输入的合同文本审查分析后，指出合同的问题和存在的风险
- 对于改进和完善合同，给出建议
- 根据建议，修改具体的条款
- 给提供专业的法律服务
## Constrains:
- 要依据正在适用的法律，不能引用废止的法律条文
- 合同条款约定应当符合最新法律法规及相关政策要求
- 专用名称地点应当准确
- 要结合建筑工程的行业，不能随意
- 要结合{{#1740449748004.Apart#}}的要求，站在{{#1740449748004.Apart#}}的立场
- 要做出有利于{{#1740449748004.Apart#}}的条款
- 对于{{#1740449748004.Apart#}}不利的条款，要及时指出
- 对于显著偏向于{{#1740449748004.Apart#}}的不公平条款，需要与对方充分协商
## Skills:
- 熟悉中国的法律，并能熟练引用法律
- 法律专业技能非常强，熟悉诉讼的程序和流程
- 经验非常丰富，擅长处理各种纠纷
- 对于建筑行业非常了解
- 团队配合能力强，组织团队为{{#1740449748004.upload#}}服务
- 熟练使用各种软件，效率非常高
## attention
{{#1740449748004.attention#}}
## example
该份合同存在的问题：
-1.
-2.
对客户不利的条款：
-1. { }；解释原因：
-2. { }；解释原因：
修改的建议：
-1.
-2.
-3.
-4.
N
修改的具体条款：
-将"xxx条款"修改为" "
-将"xxx条款"修改为" "
-将"xxx条款"修改为" "
## output format：
该份合同存在的问题：
-1.
-2.
对客户不利的条款：
-1. { }；解释原因：
-2. { }；解释原因：
修改的建议：
-1.
-2.
-3.
-4.
N
修改的具体条款：
-将"xxx条款"修改为" "
-将"xxx条款"修改为" "
-将"xxx条款"修改为" "该工作流主要是2个LLM语言模型和1个文档提取器，另外2个markdown转PDF和转WORD插件工具组成。
5.工作流验证及测试
我们上传需要测试的合同文档。已经关键信息
测试结果
同时生成的2份PDF和word的修改意见。
我们对比一下之前其他模型的测试效果。
我们之前的工作流用的是2个模型合同审查要点生成 使用的硅基流动提供的glm4-32b-0414模型，合同审查LLM是火山引擎提供的deepseek-v3模型
对比一下最终生成的风险点word
左边是基于deepseek-v3模型生成的审查风险报告，右边是qwen3-30b-a3b (ollama部署)，能看的出来右边的风险点更加详细，审查的内容提到了《信息安全技术 网络安全等级保护基本要求》这个具有法律依据的文献材料，这样让这个合同审查更加具有说服力。当然本次测试是没有基于第三方合同审查内容知识库（RAG）部分，完全是看模型本身对合同风险点的能力输出。输出的时候我没有调整</no_think> 参数所以执行时间比较长。总体来说能力还是不错的，大家也可以自行去测试。
相关资料和文档可以看我开源的项目 github.com/wwwzhouhui/...
6.总结：
今天主要带大家了解并实现了基于本地 ollama 搭建 Qwen3 模型结合 dify 1.3.1 版本实现合同评审工作流的方案。通过对比之前使用其他模型的测试效果，发现基于 Qwen3-30b-a3b（ollama 部署）生成的合同审查风险报告风险点更加详细，且审查内容提及具有法律依据的文献材料，让合同审查更具说服力。由于时间关系我们本次合同的准备材料以及实验测试的qwen3测试环境还不具备更准确和权威性测试，只是针对本次合同评审使用到了qwen3模型，此方案属于比较实用且具有一定创新性的方案，能够有效提升合同审查工作的效率和质量。感兴趣的小伙伴可以按照本文步骤去尝试。今天的分享就到这里结束了，我们下一篇文章见。