Open-Source-Legal/OpenContracts

解决的问题

OpenContracts 为文档智能提供了一个结构化基础，超越了简单的文件存储，构建可编程的引用图谱。它解决了 PDF 等「叶子」文档缺乏与其他文档、法律条文或判例连接的问题，这常常导致 AI 代理产生错误的引用边（edges），或在遇到未解析引用时失败。

工作原理

系统将文档仓库转换为可导航的图谱，文档作为节点，引用作为边。它使用模块化流水线来解析、嵌入和生成文档缩略图。

关键组件包括：

• 引用图谱：自动检测并解析法律条文引用，构建引用网络。
• AI 代理：基于 Python 的代理，可在整理后的引用图谱上进行推理，并提供有依据、带引用的答案。
• MCP 服务器：Model Context Protocol 的实现，允许外部 AI 工具（如 Claude 或 Cursor）搜索语料库并遍历引用边，而无需编写自定义连接代码（glue code）。
• 结构化提取：一种「字段集」系统，使用 LLM 驱动的查询，将数百份文档中的特定数据提取到表格中，供人工审查。
• 人工标注：人类定义标签模式并在 PDF 上标注精确文本段落的层级，为 AI 代理提供其构建所依赖的 ground truth（真实数据）。
• API：提供 GraphQL 和 REST API，向外部应用暴露整个图谱。

适用人群

适用于处理大规模文档仓库的团队，例如法律档案、研究图书馆、工程知识库或内部政策文件夹，需要将文档转化为机器可读且人类可导航的知识图谱。

主要亮点

• Model Context Protocol (MCP)：原生支持通过标准化服务器引入自定义代理。
• 人机协同：将人工标注视为引用图谱的 ground truth。
• 布局忠实的 PDF：为 PDF 上的标注提供精确的文本到坐标映射。
• 版本控制的语料库：支持文档集合及其标注的 Git 风格分支与分叉。
• 可插拔流水线：支持不同文件格式的可替换解析器和嵌入模块。