ТЕХНИЧЕСКОЕ ЗАДАНИЕ на разработку мультиагентного юридического ИИ-помощника на базе n8n с интеграцией судебных и корпоративных баз данных 1. Цель проекта Разработать и развернуть автоматизированную систему для анализа, подготовки и перекрестной проверки юридических документов (договоров, процессуальных ходатайств, судебных актов) с использованием связки двух языковых моделей (OpenAI GPT и Google Gemini (готов обсуждать иные варианты)) и автоматическим обогащением данных из реестров контрагентов и судебных баз РФ. 2. Архитектура и инфраструктура Платформа оркестрации: n8n (Self-hosted версия, развернутая в Docker-контейнере). Место развертывания: [Указать вариант: локальный компьютер заказчика на macOS / защищенный VPS-сервер в РФ]. Интерфейс взаимодействия пользователя: веб-форма n8n +закрытый Telegram-бот (Этап 2) 3. Функциональные требования 3.1. Модуль загрузки и предобработки документов Поддержка загрузки файлов форматов: .pdf (включая сканы с необходимостью OCR-распознавания), .docx, .txt. Модуль обезличивания (опционально, но желательно): автоматическая маскировка персональных данных (ФИО, паспортные данные, ИНН, адреса, номера счетов) перед отправкой текста во внешние API нейросетей с последующей обратной подстановкой в финальный документ. 3.2. Конвейер «Драфтер + Аудитор» (Мультимодельная проверка) Реализовать двухэтапную обработку документа с возможностью настройки ролей: Этап 1 — Генерация / Первичный анализ (Модель 1: OpenAI GPT-4o / o3): Выполнение целевой задачи пользователя (составление протокола разногласий, проекта ходатайства, апелляционной жалобы или резюме приговора). Этап 2 — Юридический аудит (Модель 2: Google Gemini 2.5 Pro): Получение исходного документа, задачи пользователя и черновика от Модели 1. Проверка логических нестыковок, противоречий в датах, суммах и реквизитах. Выявление выдуманных или неактуальных ссылок на статьи НПА РФ. Формирование списка выявленных рисков и итоговой скорректированной версии документа. Цикл доработки (Conditional Loop): если Модель 2 находит критические ошибки, система автоматически возвращает текст с замечаниями Модели 1 на переработку (не более 1–2 итераций). 3.3. Интеграция с внешними базами данных (Tool Calling / API) ИИ-агент должен уметь автоматически извлекать из текста документа ИНН, ОГРН или номера судебных дел и запрашивать по ним справку через подключаемые API-шлюзы: Проверка контрагентов (аналог Rusprofile / ЕГРЮЛ): получение базовых сведений о статусе юрлица, директоре, учредителях, дате регистрации, недостоверности сведений, наличии банкротства и исполнительных производств. (Подключение через согласованный API: DaData, Контур.Фокус API, API-ФНС или аналоги). Судебная практика и дела (КАД Арбитр / суды общей юрисдикции): поиск информации по номеру дела, проверка статуса рассмотрения, получение списка участников и скачивание текстов судебных актов для передачи в контекст Gemini. (Реализация через коммерческий API-шлюз, например Casebook API / Parser-API, или настроенный парсер с прокси). Справочно-правовая база (опционально): интеграция с «Гарант Коннект» (по протоколу MCP/API) либо настройка локальной векторной базы знаний (RAG) на базе загружаемых заказчиком кодексов и постановлений Пленумов ВС РФ. 3.4. Вывод результатов Формирование итогового отчета, содержащего: Справку по контрагенту и связанным судебным делам (из реестров). Перечень замечаний и рисков, выявленных в ходе перекрестной проверки моделей. Готовый итоговый документ, экспортируемый в редактируемый файл .docx. 4. Требования к безопасности и передаче прав Все API-ключи (OpenAI, Google, сервисы ФНС/КАД) хранятся исключительно в зашифрованном хранилище (Credentials) на стороне заказчика. Исключить передачу данных через сторонние непроверенные облачные прокси-серверы без согласования. После завершения работ подрядчик передает JSON-файлы всех сценариев n8n, инструкции по развертыванию и проводит 1-часовое обучение по работе с системой и редактированию промптов. 5. Вопросы к подрядчику (для оценки предложения) При отклике на ТЗ просим указать: а) Какой API-шлюз для КАД Арбитр и проверки контрагентов вы рекомендуете использовать (с учетом стоимости подписки самого шлюза)? б) Ориентировочную стоимость и сроки разработки MVP (базовый конвейер GPT + Gemini + чтение PDF/DOCX) и полной версии с интеграцией реестров. в) Релевантные кейсы настройки n8n и ИИ-агентов для работы с документами. г) Разбить смету на 2 этапа: Этап 1 (MVP за 3–5 дней): сборка основного конвейера в n8n (загрузка файла → обезличивание → GPT → Gemini → выгрузка готового Word-файла). Этап 2 (Расширение): подключение платных API-шлюзов для КАД Арбитр и проверки контрагентов по ИНН.
Нужно собрать актуальную таблицу действующих компаний РФ в 3 сегментах (промышленность, медицина, право) для поиска B2B-партнеров. • Выборка юрлиц из открытых источников (ЕГРЮЛ, реестры) по заданным кодам ОКВЭД и финансовым показателям. • Поиск официальных сайтов компаний и сбор публичных корпоративных контактов (отделы закупок, ВЭД, общие контакты с сайтов). • Очистка таблицы от дублей и выгрузка в Excel.