Doc intel llm tier pl

doc-intel-llm-tier-pl - grounded extraction (warstwa LLM)

WRAP MateMatic na contextgem. Wyciaga z polskiego dokumentu prawnego inferowane koncepty zakotwiczone do zrodla + uzasadnienie, i mapuje na nasz kontrakt dokumentowy.

Miejsce w ukladance (nie duplikuj)

Warstwa	Skill	Technika	Co robi
Struktura + PII	doc-intel-contract-pl	stdlib, zero-LLM	block_type, bbox, confidence, redaction_candidates
Koncepty prawne	ten skill	LLM + grounding	inferowane pola (kara, termin, ryzyko) + refs zdaniowe + justification
Weryfikacja cytatu	citation-grounding-pl	string-match	czy cytat/ref istnieje w zrodle (anti-halucynacja)

Przeplyw: stdlib doc-intel (struktura/PII) -> ten skill (koncepty + grounding) -> citation-grounding (weryfikacja refs). Nie ruszamy czystosci stdlib core - to osobna, opcjonalna warstwa.

Granica governance (WBUDOWANA W TOOL)

• Domyslny backend = LOKALNY (Ollama). Dla danych KLIENTA (tajemnica adwokacka + RODO) - TYLKO taki.
• Model chmurowy (OpenRouter/OpenAI/DeepSeek...) wymaga jawnej flagi --allow-cloud; tool odmawia (exit 2) bez niej i ostrzega, ze cloud = wylacznie dane SYNTETYCZNE / nie-klienckie (transfer poza EOG). To nie dokumentacja - to zachowanie kodu.
• Tool przygotowuje ekstrakcje; decyzja co z nia (pismo, redakcja) zostaje u czlowieka.

Zaleznosc (swiadomy wyjatek od stdlib)

pip install contextgem>=0.25.1

Grounded-extraction LLM nie da sie zrobic w samym stdlib - dlatego ten skill (w odroznieniu od wiekszosci skilli MateMatic) ma jedna zaleznosc. Rdzen deterministyczny zostaje w stdlib doc-intel.

Quick start

# LOKALNIE (RODO-safe, domyslnie) - wymaga dzialajacego Ollama z modelem 7-14B:
python scripts/ekstrakcja_llm.py --text umowa.txt --concepts koncepty.json \
    --model ollama_chat/llama3.1:8b --api-base http://localhost:11434

# z .docx (przez DocxConverter contextgem):
python scripts/ekstrakcja_llm.py --docx pismo.docx --concepts koncepty.json --output text

# CHMURA - TYLKO dane syntetyczne / nie-klienckie (transfer poza EOG):
python scripts/ekstrakcja_llm.py --sample --model openrouter/deepseek/deepseek-chat --allow-cloud

Specyfikacja konceptow (JSON)

{
  "concepts": [
    {"name": "Kara umowna", "description": "Postanowienie o karze umownej", "type": "string",
     "reference_depth": "sentences", "justifications": true},
    {"name": "Termin platnosci (dni)", "description": "Dni na platnosc od faktury", "type": "numeric",
     "numeric_type": "int", "reference_depth": "sentences"},
    {"name": "Klauzula poufnosci obecna", "description": "Czy umowa zawiera NDA", "type": "boolean"}
  ]
}

Typy: string, numeric (+numeric_type: int/float), boolean, date. reference_depth: sentences lub paragraphs. justifications: true dolacza uzasadnienie modelu.

Wyjscie - kontrakt doc-intel

{
  "concept": "Kara umowna",
  "block_type": "concept",
  "text": "kara umowna 0,5% wynagrodzenia za kazdy dzien zwloki",
  "confidence": "grounded",           // "grounded" gdy jest ref, "ungrounded" gdy model nie zakotwiczyl
  "refs": ["W razie opoznienia Wykonawca zaplaci kare umowna w wysokosci 0,5%..."],
  "justification": "Zdanie wprost okresla kare za opoznienie i jej stawke."
}

refs -> podaj do citation-grounding-pl, aby zweryfikowac, ze cytat realnie istnieje w dokumencie (podwojne zabezpieczenie anti-halucynacja: contextgem kotwiczy, my weryfikujemy).

Uwaga o confidence: contextgem nie daje liczbowej pewnosci per-item. Uzywamy kategorialnego proxy grounded/ungrounded. ungrounded = model cos wyinferowal, ale nie wskazal zrodla -> traktuj jak flage do recznej kontroli, nie jak fakt.

Backend produkcyjny (governance)

• Dane klienta -> Ollama 7-14B na appliance PATRON, albo model hostowany w EOG. Maszyna deweloperska bywa za slaba (model 3B daje zly JSON) - dlatego model zyje na appliance.
• Dane syntetyczne / testy / tresci nie-klienckie -> dozwolony cloud za --allow-cloud.

Skille sasiednie

• doc-intel-contract-pl - stdlib core (struktura, bbox, PII); ten skill to warstwa LLM ponad nim
• citation-grounding-pl - weryfikacja refs (obowiazkowa przed uzyciem konceptu w pismie)
• klauzule-kontraktowe-pl, redline-docx-pl - dalsze przetwarzanie wyciagnietych klauzul

Referencje

• wzorce_konceptow_prawnych.md - gotowe specyfikacje konceptow dla typowych dokumentow (umowa, wyrok, pismo procesowe)

---

Wersja: 1.0.0 Pochodzenie: WRAP na shcherbak-ai/contextgem (Apache-2.0). My dodajemy: kontrakt doc-intel, most do citation-grounding-pl, banner governance i BRAMKE backendu (odmowa cloud bez flagi). Bramka 1 (dziala live) zweryfikowana 2026-07-21 realna ekstrakcja PL. Atrybucja w LICENSE.