v0.2.0

Iteration 2 — v0.2.0 "AI core"

Must-include

#	Feature	สถานะ
1	RAG / KB ingestion (pgvector + BM25, 36-position playbook)	✅
2	Router + MoE specialist agents (Classifier → IP / Liability / Termination / General)	✅
3	Real LLM calls + Pydantic structured output (5 providers via providers.py)	✅
4	LLM-as-a-Judge grounding check (judge.v1.jinja, excerpt ≥ 4 words verbatim)	✅
5	Eval script on gold subset (scripts/run_eval.py --limit 3, ~18 min)	✅
6	eval_report.md checked in	✅

---

Eval Results (3 contracts / 22 clauses)

Metric	Score
segmentation_f1	100%
citation_validity	100%
classification_accuracy	45.45%
risk_accuracy	50.00%

classification/risk ต่ำเพราะ gold label เปลี่ยน ไม่ใช่ pipeline แย่ลง
(CUAD annotate 41 คำถาม ไม่ได้จำแนก clause type ตรงๆ)

---

Pipeline

Upload → Parse → Segment → Router (MoE)
  → RAG (pgvector + BM25) → Risk Score → Judge → Report

Agents: MetadataExtractor · ClauseClassifier · RiskScorerAgent · JudgeAgent · OverrideAgent
RAG sources: data/playbook/positions.yaml (36 positions) + CUAD v1 (12 contracts)
Embedding: gemini-embedding-001 768 dim

---

Pass Bar

✅ Pipeline รันบน sample inputs ได้
✅ Eval metrics รายงานได้ (ไม่ต้องถึง final threshold)
✅ 268 offline tests + 11 live LLM tests ผ่าน

---