Assistente Jurídico RAG: Da Jurisprudência em Teses à Análise de Casos

Este projeto é um pipeline completo de automação para pesquisa e análise jurídica, projetado para transformar as publicações "Jurisprudência em Teses" do STJ em uma base de conhecimento interativa e inteligente.

O fluxo de trabalho começa com o processamento de um PDF oficial, preservando seus links e estrutura, e culmina em um assistente de IA capaz de analisar casos específicos com base na jurisprudência catalogada.

🎯 O Desafio

Advogados e pesquisadores lidam com um volume massivo de publicações em PDF. O desafio é converter esses documentos estáticos em um formato dinâmico que permita:

1. Extração de Dados Estruturados: Converter o texto e o layout do PDF para um formato limpo e legível.
2. Preservação de Fontes: Manter os hiperlinks para os julgados e informativos originais, permitindo uma verificação rápida e o catalogamento em ferramentas como o Zotero.
3. Busca Semântica: Ir além da busca por palavras-chave, permitindo consultar a base de conhecimento com descrições de casos em linguagem natural.
4. Análise Inteligente: Obter uma análise preliminar sobre como a jurisprudência se aplica a um caso específico, classificando-a como favorável ou contrária.

✨ Solução e Funcionalidades

Este projeto aborda o desafio com um pipeline de duas etapas principais, utilizando ferramentas de IA de ponta:

• Processamento e Catalogação (doc_advanced.py):

  • Análise com docling: Utiliza a biblioteca da IBM para uma análise profunda do layout do PDF, garantindo que a estrutura visual seja corretamente traduzida para Markdown.
  • Extração de Links com PyMuPDF: Emprega um método geométrico para extrair todos os hiperlinks do documento.
  • Geração de Saída Rica: Cria um arquivo Markdown onde os links são preservados como snippets HTML interativos, com ícones clicáveis, prontos para uso.

• Análise e Consulta com RAG (rag_advanced.py):

  • Base de Conhecimento Vetorial: Constrói um banco de dados vetorial (FAISS) a partir dos arquivos Markdown gerados. Este banco de dados é persistente e incremental, permitindo que novas jurisprudências sejam adicionadas ao longo do tempo.
  • Busca Semântica com LangChain: Utiliza langchain-huggingface para converter descrições de casos em vetores e encontrar os trechos de jurisprudência mais relevantes.
  • Análise com LLM via Groq: Envia o caso do cliente e o contexto encontrado para o modelo Llama 3 70B através da API ultrarrápida do Groq.
  • Interface Interativa: Um menu no terminal guia o usuário, permitindo escolher entre analisar um novo caso ou atualizar a base de conhecimento.
  • CPU-Only: Todo o pipeline é otimizado para rodar eficientemente em uma CPU padrão.

📂 Estrutura do Projeto

/
├── input_pdfs/                 # Coloque seus PDFs de entrada aqui
│   └── jurisprudencia.pdf
├── output_markdown/            # Arquivos Markdown gerados (ignorado pelo .gitignore)
├── vector_db/                  # Banco de dados vetorial FAISS persistente (ignorado pelo .gitignore)
├── .venv/                      # Ambiente virtual Python
├── .env                        # Arquivo para a chave de API do Groq
├── .gitignore                  # Arquivos a serem ignorados pelo Git
├── requirements.txt            # Dependências do projeto
├── doc_advanced.py             # Script de processamento: PDF -> Markdown com HTML
└── rag_advanced.py             # Script principal: Assistente de análise jurídica

⚙️ Configuração e Instalação

1. Clone o Repositório:

   git clone https://github.com/seu-usuario/seu-repositorio.git
   cd seu-repositorio

2. Crie as Pastas Necessárias:

   mkdir input_pdfs

   Coloque seu arquivo PDF (ex: jurisprudencia.pdf) dentro da pasta input_pdfs.

3. Crie e Ative um Ambiente Virtual:

   • Windows: python -m venv .venv e .\.venv\Scripts\activate
   • macOS/Linux: python3 -m venv .venv e source .venv/bin/activate

4. Instale as Dependências: Todas as bibliotecas necessárias estão listadas no arquivo requirements.txt.

   pip install -r requirements.txt

5. Configure sua Chave de API do Groq:

   • Obtenha uma chave gratuita em https://console.groq.com/keys.
   • Crie um arquivo chamado .env e adicione a linha: GROQ_API_KEY="SUA_CHAVE_API_AQUI".

🚀 Fluxo de Trabalho Operacional

Este sistema foi projetado para um ciclo de uso contínuo.

Etapa 1: Processar e Catalogar a Jurisprudência

Sempre que você tiver um novo PDF de "Jurisprudência em Teses":

1. Adicione o PDF à pasta input_pdfs/.
2. Atualize o nome do arquivo na variável PDF_FILENAME dentro do script doc_advanced.py.
3. Execute o script de processamento:

   python doc_advanced.py

   • Resultado: Um novo arquivo .md será criado em output_markdown/. Este arquivo é seu "artefato limpo": o texto está bem estruturado, e os links para as fontes originais são interativos. Neste ponto, você pode abrir este arquivo, clicar nos links e catalogar as jurisprudências no seu Zotero ou outra ferramenta de gerenciamento.

Etapa 2: Ingerir o Conhecimento no Assistente de IA

Com o documento processado, alimente-o na base de conhecimento do seu assistente.

1. Execute o assistente jurídico:

   python rag_advanced.py

2. Na primeira execução, o sistema detectará que não há um banco de dados e solicitará o caminho do primeiro arquivo. Forneça o caminho gerado na Etapa 1 (ex: output_markdown/jurisprudencia_with_html_links.md).
3. Para adicionar documentos subsequentes, escolha a opção [2] Adicionar nova jurisprudência... no menu principal e forneça o caminho do novo arquivo .md. O sistema atualizará a base de dados de forma incremental.

Etapa 3: Realizar uma Análise de Casos

Com a base de conhecimento pronta e atualizada, use-a para análises práticas.

1. Execute o assistente jurídico:

   python rag_advanced.py

2. No menu, escolha a opção [1] Analisar um caso.
3. Descreva a situação do seu cliente em linguagem natural. Por exemplo:

   "Meu cliente é pai de uma criança com TEA e o plano de saúde se recusa a cobrir musicoterapia, além de limitar as sessões de outras terapias. Qual a posição da jurisprudência sobre isso?"

4. Receba a Análise: O sistema irá consultar toda a sua base de dados, encontrar as teses mais relevantes e fornecer uma análise estruturada, indicando se a jurisprudência é favorável, contrária ou neutra à posição do seu cliente, com a devida fundamentação.

Para encerrar o programa a qualquer momento, escolha a opção [3] Sair no menu.