🧠 RMTA – Agente Jurídico com RAG e LLM

Este projeto implementa um Agente de Perguntas e Respostas que utiliza técnicas de RAG (Retrieval-Augmented Generation) com modelos LLM e dados extraídos de páginas web jurídicas.
A interface é construída com Streamlit, e o agente utiliza Ollama para o processamento local do modelo de linguagem.

---

🚀 Funcionalidades

• Extração de conteúdo jurídico diretamente de uma URL fornecida.
• Criação de um banco vetorial com embeddings do modelo llama3.2:1b.
• Sistema de recuperação de contexto relevante e geração de resposta com LLM.
• Interface amigável e interativa via navegador.

---

🛠️ Tecnologias Utilizadas

• Streamlit
• LangChain
• Ollama – modelo llama3.2:1b
• ChromaDB – armazenamento vetorial

---

🧩 Estrutura de Funcionamento

1. Input da URL: o usuário insere uma URL jurídica.
2. Carregamento e Split: o conteúdo da página é dividido em pedaços (chunks).
3. Geração de Embeddings: os textos são transformados em vetores com o modelo Ollama.
4. Armazenamento Vetorial: os vetores são armazenados no ChromaDB.
5. Pergunta e Resposta: a pergunta do usuário é respondida com base no conteúdo mais relevante do banco vetorial.

---

📌 Requisitos

• Python 3.8 ou superior
• Ollama instalado localmente com o modelo llama3.2:1b
• Conexão com a internet para carregar o conteúdo das URLs

---

🧪 Exemplo de Uso

1. Insira uma URL jurídica (ex.: artigo de lei ou norma).
2. Digite uma pergunta sobre o conteúdo daquela URL.
3. O sistema irá responder automaticamente, com base nas informações recuperadas da página.