Привет! Добро пожаловать в репозиторий LegalOpsAI-Pipeline. Это production-ready backend для автоматизации юридических процессов с использованием мультиагентной архитектуры на основе LangGraph и FastAPI.
Я постарался собрать здесь лучшие практики Python-разработки, чтобы показать, как должен выглядеть современный, надежный и быстрый enterprise-бэкенд.
- FastAPI & Pydantic v2: Максимальная производительность и строгая валидация контрактов.
- SQLAlchemy 2.0 Async & Alembic: Асинхронная работа с базой, миграции и оптимизация N+1 запросов.
- LangGraph & Ollama: Мультиагентный пайплайн для анализа договоров, классификации и генерации заключений с полным контролем галлюцинаций.
- PostgreSQL & PGVector: Векторный поиск с tenant-изоляцией для RAG-системы.
- Celery & Redis: Отложенные фоновые задачи (обработка документов и пайплайны).
- OpenTelemetry & Grafana Stack: Полное покрытие метриками, логами и трейсами.
Для того чтобы не мешать вашим проектам, этот сервис использует кастомные порты.
-
Сборка проекта с нуля:
make setup
(Установит докеры, накатит миграции, загрузит модели и засидит тестовые данные)
-
Запустить сервисы:
make up
(API будет доступно на порту http://localhost:8079)
-
Остановить сервисы:
make down
-
Прогнать тесты:
make test
Проект использует паттерн Human-in-the-Loop (HITL). Если AI-агент не уверен в безопасности ответа (например, судебный риск), пайплайн приостанавливается и направляет задачу на ревью живому юристу.
- Classifier: Маршрутизирует запрос.
- Retriever: Ищет контекст в PGVector.
- Generator: Пишет ответ по шаблонам.
- Verifier: Проверяет на галлюцинации и юридическую точность (LLM-as-a-Judge).
- Escalation / HITL: Если что-то не так — зовем человека.
Приятного изучения кода и удачных внедрений! 😄