VencIA

Este é um Analisador de Contratos Jurídicos desenvolvido em Python utilizando Streamlit e IA (Gemini, Groq, OpenRouter).

VencIA é um projeto em Work in progress, um Agente de IA para analise de contratos. Com potencial de escala e que permitirá equipes comerciais e vendedores, a otimizar a analise de contratos de clientes.

Todo o projeto esta sendo desenvolvido utilizando IDE do GEMINI, O ANTIGRAVITY.

Por ser uma aplicação em Work in progress, as funcionalidades estão sendo testadas, mas incialmente é possivel criar qualquer app utilizando o antigravity. Ele permite utilizar vários modelos de LLM´s embutidos, incluindo o ANTROPIC.

🚀 Como Rodar Localmente

Pré-requisitos: Python 3.10+

1. Instalar dependências:

   pip install -r requirements.txt

2. Configurar Chaves de API: Crie um arquivo .env e adicione suas chaves:

   GEMINI_API_KEY="sua_chave"
   GROQ_API_KEY="sua_chave"
   OPENROUTER_API_KEY="sua_chave"

3. Executar a aplicação:

   python -m streamlit run legal_agent.py

🛡️ Funcionalidades

• Análise de Risco (Responsabilidade, Rescisão, Pagamento, Confidencialidade).
• Suporte multi-provedor (Gemini, Groq, OpenRouter).
• Histórico persistente com SQLite.
• ChatBot Jurix , funciona como um assistente jurídico.

Componentes principais

• Docling para processamento dos documentos, neste caso contratos de clientes em formato PDF e DOCX.
• litellm para mais flexibilidade dos modelos LLM´s: Facilidade para alternar entre diferentes LLMs (Gemini,GPT,llama, Antropic, Mistral etc)
• Chainlit para criação da interface de chat, chamado de Jurix, assistente de IA para pesquisas.
• Langchain como interface para estruturação da aplicação:
• Orquestrar LLMs: facilita chamadas a modelos como APIs de IA
• Criar “chains”: sequências de passos (ex: entrada → processamento → resposta)
• Gerenciar memória: mantém contexto de conversas
• Integrar ferramentas: banco de dados, APIs, arquivos, etc.
• Criar agentes: sistemas que tomam decisões e usam ferramentas automaticamente.
• Streamlit para interface direto em Python (inputs, botões, upload de arquivos).

Como funciona

SEGURANÇA

• Para acessar o sistema, o usuário deve efetuar o cadastro. Com essa funcionalidade de acesso por credencial, cada usuário só poderá ter acesso aos contratos com login e senha pessoais, desta forma, todo o histórico de analises é individual.

EXECUTAR

• O usuário envia um documento, neste caso um contrato.
• O documento é processado com Docling e depois enviado para a LLM, com o usuário selecionando o botão GERAR RELATÓRIO COM IA.
• A API litellm, configurada como um AGENTE realiza a analise do contrato e retorna como uma analise de riscos e sugestões de clausulas.
• O usuário também pode fazer perguntas através do chatbot JURIX, o assistente que retorna respostas das analises.
• Todas as analises realizadas são armazenadas no modelo de banco de dados relacional SQLite, uma funcionalidade que permite fazer buscas em uma grande quantidade de contratos.

Personalização

• É possivel adicionar mais funcionalidades, e alguns ainda estão em desenvolvimento e principalmente em projetos com o uso de agentes, é importante sempre checar a segurança e ajustar o uso da janela de contexto, pois em relação a analise de contratos precisamos estabelercer diretrizes e parametros adequados para não termos respostas alucinadas, inveridicas. A IA facilita e automatiza o processo de analise, mas o core da aplicação precisa estar bem estruturado e alinhado às regras do negócio.

Observação

• Este é um projeto em desenvolvimento e em breve estará em produção, mais existem algumas observações importantes a considerar:
• Por enquanto é um modelo de SAAS, MVP.
• Podemos evoluir:
• Frontend :
• Como esta com cara de DEMO, e somente com streamilit acaba ficando um pouco limitado as configurações, a ideia é utilizar uma interface mais moderna com REACT por exmeplo.
• Backend :
• Certificar melhor a segurança e estabelecer regras de negócio ainda mais robustas e a integração com banco de dados, evoluir para MONGODB.
• Verificação de emails, para que não tenhamos usuários fake cadastrados , isso acaba consumindo a API e tokes, poderá ser testado com DEMO.
• A preocupação com o consumo de tokes é primordial, administrar a quantidade de contratos que podem ser analisados e tamanho dos documentos, máximo 5mb por exemplo, talvez 1-2 contratos por usuário ao dia e um limite de 5 por mês.
• Aplicar regras de validação destes documentos, essa função já esta configurada, para que nenhum documento seja executado, apenas extração de texto.

Existem outros requisitos importantes que ao longo do desemvolvimento serão avaliados para melhor desempenho do sistema e como aplicar funcionalidades integradoras com CRM por exemplo, não limitar a somente analises, mas ao modelo de negócio da area comercial, integrar informações de vendas, histórico de clientes, pesquisas com web scraping etc.

Atualmente é uma aplicação que resolve um problema real e pode ajudar equipes de vendas na otimização de analises de contratos e nos processos internos.