一个使用多个AI代理来分析法律文档并提供全面法律见解的Streamlit应用程序。每个代理代表不同的法律专家角色，从研究和合同分析到战略规划，共同协作提供全面的法律分析和建议。
-
专业法律AI代理团队
-
法律研究员: 配备DuckDuckGo搜索工具，用于查找和引用相关法律案例和判例。提供详细的研究总结，并引用上传文档中的具体章节。
-
合同分析师: 专注于全面的合同审查，识别关键条款、义务和潜在问题。引用文档中的具体条款进行详细分析。
-
法律策略师: 专注于制定全面的法律策略，在考虑风险和机遇的同时提供可行的建议。
-
团队负责人: 协调团队成员之间的分析工作，确保全面的响应，提供有据可依的建议，并引用文档的具体部分。作为所有三个代理的团队协调员。
-
-
文档分析类型
- 合同审查 - 由合同分析师执行
- 法律研究 - 由法律研究员执行
- 风险评估 - 由合同分析师和法律策略师执行
- 合规检查 - 由法律研究员、合同分析师和法律策略师执行
- 自定义查询 - 由整个代理团队执行
-
环境配置
# 克隆仓库 git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git cd ai_legal_agent_team # 安装依赖 pip install -r requirements.txt
-
API配置
-
OpenAI API配置
- API密钥配置位置：
- 文件：
legal_agent_team.py - 函数：
init_session_state - 当前配置：
def init_session_state(): if 'openai_api_key' not in st.session_state: st.session_state.openai_api_key = "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"
- 文件：
- API密钥使用位置：
- 文档处理：用于设置环境变量
- 文本嵌入：用于初始化OpenAIEmbedder
- AI代理：用于GPT-4模型访问
- 如需更换API密钥，只需修改
init_session_state函数中的密钥值即可
- API密钥配置位置：
-
Qdrant配置
- API配置位置：
- 文件：
legal_agent_team.py - 函数：
init_qdrant - 当前配置：
def init_qdrant(): return Qdrant( collection="legal_knowledge", path=":memory:", # 使用内存型存储 distance="cosine" )
- 文件：
- 配置说明：
- 使用内存型向量数据库，无需外部服务器
- 数据库参数：
- collection：集合名称，用于存储文档向量
- path：设置为":memory:"表示使用内存存储
- distance：向量距离计算方法，使用余弦相似度
- 数据生命周期：
- 向量数据存储在内存中
- 会话结束后自动清除
- 每次重启应用需要重新处理文档
- API配置位置：
-
-
启动应用
streamlit run legal_agent_team.py
-
使用界面
- 上传法律文档（支持PDF格式）
- 选择分析类型
- 添加自定义查询（如需要）
- 查看分析结果
- 仅支持PDF文档
- 使用GPT-4进行分析
- 使用text-embedding-3-small进行文本嵌入
- 需要稳定的网络连接
- 使用API会产生相应费用
- 所有分析结果均为中文输出