Актуальность В юридической и кадровой практике ошибка в тексте (договоре, приказе, инструкции) из-за несоответствия свежему постановлению правительства стоит дорого. Эксперты Актиона ежедневно выпускают рекомендации, но применять их вручную к каждому документу сложно. Проблема Традиционные системы поиска по ключевым словам дают сбой из-за синонимии и изменения формулировок в законах. Как построить RAG-систему (Retrieval-Augmented Generation), которая будет не просто искать цитаты, а делать логический вывод: «Соответствует ли пункт 3.2 договора разъяснениям № 45-ФЗ»? Цель Создать агента-валидатора, способного анализировать загруженный пользователем текст, находить в нем рисковые формулировки и предлагать исправления, ссылаясь на конкретные пункты базы знаний. Задачи Задачи проекта: 1. Собрать и векторизовать базу знаний (открытые нормативно-правовые документы и публичные рекомендации Актиона). 2. Реализовать механизм фактчекинга: выделение в тексте сущностей (даты, суммы, сроки) и их перекрестная проверка с актуальными значениями из законов. 3. Разработать систему оценки тональности и категоризации ошибок (Критическая / Рекомендательная / Информационная). 4. Создать API для загрузки документа (Word/PDF) и выдачи отчета с подсветкой «красных зон». Результат Агент-валидатор, который анализирует загруженный пользователем текст, находит в нем исковые формулировки и предлагает исправления, ссылаясь на конкретные пункты базы знаний. Партнёры проекта — ***
