Skillget

legal-kb-builder

mcp
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: NOASSERTION
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Gecti
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

本地法律知识库建设一体化工厂 — 从 PDF/DOCX/图片到可对外服务的业务咨询智能体，一个包搞定

README.md

legal-kb-builder

version

本地法律知识库建设一体化工厂。

用于本地整理、索引和检索法律材料；对外 API 需要显式配置身份验证并经受控网络部署。

  • 🔀 双层路由：先判"是不是 md（不是就交给你配置的解析后端）"，再判"该走书籍 KB / 裁判文书 KB / 问答集 KB / Agentic 实时检索 哪条流水线"。
  • 🧩 解析后端可插拔：MinerU、阿里云百炼、合合信息 TextIn、PaddleOCR、LibreOffice、pandoc、任意自写脚本——你自己在 assets/parser-backends.yaml 里配。
  • 🔎 三路融合检索：BM25（jieba + rank_bm25）+ 向量（bge-small-zh-v1.5 + FAISS）+ 结构索引，用 RRF 融合。
  • 💬 问答集流水线：支持 FAQ / 业务咨询问答 / 培训问答等问答形态语料，"问题匹配为主、答案召回为辅"双索引检索。
  • 🤖 业务咨询智能体：跨库编排（意图分类→KB路由→多源检索→结构化回答），支持多轮对话。
  • 🌐 可选服务接口：HTTP API（FastAPI）与 MCP；API 所有路由要求 LEGAL_KB_API_TOKEN。Webhooks 应经验证请求的反向代理转发。
  • ⚖️ 面向法律语义：区分"书的目录条文"与"正文引用条文"，避免把 69 条司法解释建成 489 条索引这类常见事故。
  • 📦 本地优先：核心工作流以文件和 CLI 运行；向量、OCR、API 与 MCP 按需安装，可选解析服务由调用方配置。

快速开始

# 1) 依赖
python3 -m pip install -r requirements.txt

# 2) 配置解析后端（至少启用一个）
cp assets/parser-backends.example.yaml assets/parser-backends.yaml
# 打开 parser-backends.yaml，把你要用的后端 enabled 改为 true 并填 token/cmd

# 3) 一键构建（工厂入口自动路由 + 构建）
python3 scripts/kb_factory.py build ~/legal_materials/合同法FAQ.pdf \
    --output ~/kbs/faq_kb --name "合同法FAQ"

# 4) 本地命令行咨询
python3 scripts/consultation_agent.py --qa-kb ~/kbs/faq_kb ask "格式条款无效？"
# 5) 可选 API：先生成强 token；只经 TLS / 受控反向代理暴露；webhook 由代理做签名验证
LEGAL_KB_API_TOKEN="$(python3 -c 'import secrets; print(secrets.token_urlsafe(32))')" python3 scripts/api_server.py --qa-kb ~/kbs/faq_kb
# 6) 可选 MCP（本机 stdio）
python3 scripts/mcp_server.py  # 配合 KB_PATH / QA_KB_PATH 环境变量

四条流水线 + 咨询智能体

类型 适用场景 主脚本
book_kb 法典评注 / 司法解释理解与适用 / 学术专著 / 教科书 / 案例汇编 / 法规汇编 / 实务指引 scripts/legal_kb.py
case_kb 法院裁判文书（判决书 / 裁定书 / 调解书 / 决定书） scripts/judgment_kb.py
qa_kb FAQ / 业务咨询问答 / 培训问答 / 客服话术 / 法律咨询问答集 scripts/qa_kb.py
agentic 探索性学术资料（论文 / 比较法 / 报告 / 单本随查） scripts/monte_carlo_sampler.py
consult 跨库业务咨询（意图分类→KB路由→多源检索→结构化回答） scripts/consultation_agent.py

细节请见 SKILL.md。

目录

legal-kb-builder/
├── SKILL.md                  # 详细使用说明（AI Agent 也可直接读作 skill 定义）
├── README.md                 # 本文件
├── requirements.txt
├── scripts/                  # 全部可执行脚本
│   ├── kb_factory.py         # 工厂主入口（一键路由 + 构建）
│   ├── consultation_agent.py # 业务咨询智能体
│   ├── api_server.py         # HTTP API 服务（钉钉/飞书 webhook）
│   ├── mcp_server.py         # MCP 服务
│   └── ...                   # 四条流水线 + 检索引擎
├── assets/                   # 配置：解析后端 / 路由规则 / 词表 / 正则 / 问答 / 咨询
└── references/               # 深度文档（检索模式 / 索引模板 / 配置字段 / 端到端样例）

设计原则

  1. 目录即锚：书籍类知识库的一切都以书的真实目录为唯一依据。
  2. 正文引用 ≠ 结构条目：一本 69 条的司法解释书里，正文出现的"民法典第 584 条"是引用，不是本书条目。
  3. 只纳入主文：排除前言、序言、后记、致谢、脚注、出版信息。
  4. 问题匹配为主：问答集检索以"用户提问 ↔ 库内问题"的语义对齐为核心，答案召回为辅。
  5. 本地优先，按需依赖：基础索引可离线运行；向量、OCR 和服务依赖分开安装，并在构建结果中报告缺失能力。

许可

采用限制性许可 CC BY-NC-ND 4.0 + 6 附加条款；因限制商业使用和分发改编，本项目不是 OSI 定义的开源软件。署名／非商业／禁改编 + 禁 AI 训练 / 禁上架收费平台 / 企业与行政机关识别为商用 / 学术引用格式 / 禁背书 / 权利保留。完整条款见 LICENSE。商业授权、企业部署授权、AI 训练豁免请联系作者：游初 <[email protected]>。

Yorumlar (0)

Sonuc bulunamadi