ilovedocs | AI

Контрагент требует протокол разногласий? Есть решение) Думаем, у каждого юриста хоть раз была такая ситуация: направили контрагенту договор с правками в режиме рецензиорования, а потом выяснилось, что он принимает замечания только в виде протокола разногласий. Теперь все изменения нужно вручную переносить в таблицу. +1 задача, −1 нервная клетка. К счастью, ручного переноса можно избежать. Ян Стригов @strigov, активный участник чата и спикер наших курсов, сделал приложение, которое автоматически создаёт протокол разногласий из правок в Word. Как это работает Сначала всё как обычно: открываете договор в Word и вносите правки в режиме рецензирования. А потом загружаете документ в приложение. Программа сама находит изменения и собирает таблицу с исходной, предлагаемой и согласованной редакциями. Вам остаётся проверить результат, при необходимости поправить формулировки и скачать готовый протокол в Word. Где скачать Скачать приложение и изучить инструкцию по установке можно здесь. Есть версии для Windows и macOS. Важный нюанс: приложение пока не имеет цифровой подписи разработчика, поэтому Windows и macOS могут ругаться при установке. Исходный код открыт, так что желающие могут его изучить и самостоятельно собрать программу. И небольшая просьба от автора: если инструмент понравился, поставьте ⭐️ на странице проекта)

Как конвертировать документы для работы с ИИ В чате периодически появляются вопросы про форматы файлов: что и в каком виде лучше загружать в ИИ. Напомним: для текстов одни из самых удобных форматов — .txt и .md (Markdown), для таблиц —.csv. В них минимум служебной разметки, а Markdown при этом позволяет сохранить структуру документа. При работе с большим количеством документов это влияет на контекстное окно. Чем меньше лишней разметки получает модель, тем больше места остаётся под полезный текст. Как конвертировать? Можно, конечно, загрузить документ в нейросеть и попросить её сделать это самостоятельно. Но тратить ресурсы сильной модели на такую простую задачу не нужно. Лучше использовать или более дешёвые модели, или специализированные конвертеры. Тут активисты нашего сообщества уже всё собрали ;) • Конвертация прямо из контекстного меню — выделяете файл или папку, нажимаете правой кнопкой мыши и выбираете «Конвертировать в Markdown». Для macOS — решение Яна Стригова @strigov, для Windows — Damien Amadeo @damien_amadeo. Всё работает локально (без загрузки документов в сторонний сервис). Есть и распознавание текста для сканов: на macOS — для сканированных PDF и изображений разных форматов, на Windows — для сканированных PDF. • Скиллы от Яна Стригова Это вариант для тех, кто работает с агентным ИИ (Codex от СhatGPT, Claude Cowork). Скилл позволяет агенту самому конвертировать документы в md-формат, когда они нужны для выполнения задачи. То есть сначала вручную готовить файлы не нужно. Скилл без распознавания текста — конвертирует DOCX, PDF с текстовым слоем, XLSX и некоторые другие форматы. Скилл с распознаванием текста — делает то же самое, но дополнительно умеет распознавать сканы и изображения. Оба варианта позволяют агенту читать полученный файл частями, не загружая весь документ в контекст. _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Распознавание текста 2.0 Мы уже рассказывали, как распознавать текст документов. Иногда достаточно просто загрузить PDF в нейросеть, а она сама извлечет текст. Но если сканы плохого качества или документов очень много, имеет смысл сначала отдельно распознать текст, а уже потом отдавать его нейросети на анализ. В нашем чате в таких обсуждениях регулярно мелькают Docling и Tesseract. Если вы пока еще не знаете, что это за инструменты, то этот пост для вас! [ Это бесплатные инструменты, которые можно использовать локально, без отправки документов в облако ] 1. Tesseract Это инструмент для распознавания текста в документах, где нет текстового слоя. Например, у вас есть отсканированный договор. Вы видите текст, но скопировать его нельзя, потому что каждая страница фактически является картинкой. Tesseract распознаёт буквы на изображении и превращает их в обычный текст, который потом можно передавать нейросети. 2. Docling Это тоже инструмент для работы с документами, но задача у него шире. Он также умеет распознавать сканы и извлекать текст, а заодно старается сохранить структуру документа. Например, если в тексте есть таблица, Tesseract может распознать её содержимое просто как последовательность слов. Docling постарается сохранить строки и столбцы. А как ими пользоваться? Тут важный нюанс: это не совсем привычные программы, которые можно просто скачать и открыть. Оба инструмента устанавливают на компьютер и запускают через терминал (программу для управления компьютером с помощью текстовых команд). Выглядит это примерно так: открываете терминал (он уже есть на компьютере, найти его можно через поиск программ), вводите команду из инструкции к инструменту, указываете нужный файл и запускаете обработку. В результате получаете файл с распознанным текстом. О том, как установить, читайте тут: • Tesseract • Docling Если не хотите разбираться в технических дебрях, то можно поручить это агентному ИИ (например, Codex от ChatGPT). _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Пост с обновами! Как и говорили, база не стоит на месте. Катя @delay_RAG снова пополнила наш сундук знаний. Рассказываем, что появилось нового. 1. Статья о том, как устроены ИИ сервисы Общие детали, которые есть почти у каждого ИИ-сервиса: лимиты, память, дополнительные инструменты и другие нюансики работы. Разобравшись в одном сервисе, вы поймёте, как работать и с остальными. 2. Немного базы для вайбкодеров Какие форматы данных постоянно мелькают при вайбкодинге, зачем нужен API, где его брать и что со всем этим делать. А ещё там есть красивые и наглядные схемы! Статья позволит понять ценность кодинга по сравнению с обычным использованием LLM. 3. Большой блок про драфтинг документов Сразу пять новых материалов про работу с документами: от того, как вообще выстроить процесс с ИИ, до формирования стиля, генерации документов и создания шаблонов. В общем, ответ на вопрос «как получить от нейросети нормальный документ» у нас готов ;) 4. Агентный ИИ Катя давно собирала сюда всё полезное, чем коллеги делились в чате, а теперь раздел заметно подрос. Особенно статья про оркестрацию и субагентов. 5. Раздел про судебную работу Обновили четыре статьи про использование ИИ в судебной работе: добавили новые кейсы, лайфхаки и идеи. И это только крупные обновления. По всей базе ещё много точечных правок и дополнений!

Да где же всё-таки нужен ваш этот ИИ Мы много пишем про разные лайфхаки использования нейросетей. Но всё равно периодически возникает вопрос: окей, понятно, ИИ облегчает работу, но что конкретно ему можно отдать? Подсобрали несколько примеров из нашего чата на обычных юридических задачах. 1. Проанализировать сайт ИИшке можно дать ссылку на сайт и поручить провести по нему ресёрч. Для простой задачи хватит обычного чата, а если нужно обойти много страниц и выполнить несколько шагов — удобнее использовать агентный режим, например Work в ChatGPT. @LawNoillusions поделился кейсом: команда искала информацию об экспертной организации оппонентов — любые материалы, которые могли пригодиться для отвода экспертов. При анализе сайта ИИ обратил внимание на довольно агрессивное позиционирование и формулировки в духе «мы на стороне клиента и будем отстаивать его позицию до конца». Он предположил, что это можно использовать как аргумент при оценке беспристрастности экспертов. Юристы это не заметили, потому что искали другое. 2. Подготовить пачку однотипных документов @NursultanTulyakbay нужно было сделать и отправить больше 50 претензий. ИИ (в его случае с этим работал Grok) помог сэкономить значительную часть человеко-часов. Шаги следующие: • собрать реквизиты юрлиц в таблицу; • загрузить таблицу в ИИ; • дать шаблон претензии и поручить собрать по нему документы для каждого адресата. Про работу с документами мы отдельно рассказывали тут. 3. Разобрать архив договоров У другого участника задача была такая: есть около 200 договоров в папках, а нужна одна таблица со всей информацией по ним. По каждому договору нужно было определить: • предмет, срок, цену и другие основные условия; • какие договоры есть в сканах с подписями и печатями, какие — в ЭДО, а каких подписанных экземпляров вообще нет; • если договор подписан только одной стороной — какой именно. Для таких задач можно использовать агентный режим: дать доступ к папке с документами, объяснить, какие данные нужно вытащить оттуда и что хотите по итогу. Например, с такой работой можно идти в Work от ChatGPT.

Если пока непонятно, куда прикрутить ИИ, начните с задач, которые регулярно встречаются в вашей работе, и экспериментируйте с тем, какую их часть можно ему отдать 😉

_______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Как узнать, о чём видео, не просматривая его целиком Сколько у вас в сохранёнках лежит интересных интервью и нужных лекций? А сколько раз вы пересылали туда очередное видео с мыслью «когда-нибудь посмотрю»? Обычно это «когда-нибудь» наступает примерно никогда. Юристы люди занятые, поэтому вместо просмотра целого видео, можно получить его пересказ. Вот несколько вариантов: • Gemini / ChatGPT / другая нейросеть В сервисах, которые поддерживают работу с видео, можно загрузить файл в чат и попросить краткий/подробный пересказ или задать вопросы по записи. Но эта опция есть не везде. Проверить наличие можно прямо в чате: попробовать прикрепить файл и посмотреть, принимает ли сервис такой формат. Также возможности зависят от сервиса и тарифа: могут быть ограничения по размеру файла и длительности видео. • Gemini Notebook Работает с публичными YouTube-видео, у которых есть субтитры. Ссылку на другую площадку он не обработает. Если видео лежит файлом, его можно загрузить в таком формате. • Кастомный скилл Более продвинутым вариантом поделился в нашем чате @Oleg_Blinov. Задача скилла — взять ссылку на YouTube и собрать по видео отчёт: с тезисами, подробным разбором, таймкодами и русской версией. Главное ограничение: он заточен именно под YouTube. • Яндекс Браузер Видео можно открыть в Яндекс Браузере и запустить встроенный пересказ. Функция бесплатная, работает на русском языке. Поддерживает YouTube, VK Видео, Rutube. На выходе — краткое или подробное содержание с основными мыслями и таймкодами. Пересказ помогает решить, стоит ли смотреть запись целиком, открыть только нужный фрагмент или отложить без чувства вины. А если это не одно видео, а серия вебинаров, из пересказов можно собрать базу по теме и потом возвращаться к ней уже с вопросами. _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Помощник, который никогда не устаёт Каждый хотел бы себе такого. Эту задачу решает ИИ-помощник от КонсультантПлюс. Ему можно задать правовой вопрос, проверить договор или попросить подготовить правовое заключение. В нашем чате регулярно обсуждают, как бы дать ИИ доступ к базе КонсультантПлюс, чтобы он опирался на проверенную нормативку и судебную практику. Коллеги, такая возможность есть! Что умеет ИИ-помощник: • «Задать вопрос» – для повседневных правовых и налоговых вопросов.   • «Проверка договоров» – загружаете договор, а сервис ищет юридические и финансовые риски и технические нестыковки.   • «Глубокий поиск» – когда вопрос уже не на пять минут, а нужно собрать и проанализировать много источников и судебную практику.

Главное правило юриста в цифровую эпоху: на ИИ надейся, но всё проверяй 🙂 Здесь с этим удобно. Источники из ответа можно сразу открыть в КонсультантПлюс.

Важно: помощник сэкономит часы на поиске информации и перепроверке источников, но финальное слово всё равно за вами. Попробовать ИИ-помощник можно бесплатно. Реклама. ЗАО «Консультант Плюс» ИНН 7702044361. Erid: 2W5zFHaZeSM

Мы рассказали об основах. А хотели бы узнать получше ваш опыт! Будем рады, если в комментариях расскажете, как пишете с помощью ИИ документы. От этапа «надо сделать иск/ходатайство/договор [что угодно]» до готового документа, отправленного клиенту.

Как писать документы с помощью ИИ? Одна из частей юридической работы — написание документов. Времени на это уходит немало. Согласитесь, передать хотя бы часть этой рутины ИИ звучит привлекательно. Но многим не нравится, как нейросети пишут документы. Предлагаем сначала попробовать несколько приёмов, которыми делились участники нашего сообщества в недавнем обсуждении, а уже потом выносить приговор :) 1. Выбрать ИИ и модель внутри ChatGPT, Claude, Gemini и другие сервисы пишут по-разному. Причём разница бывает и между моделями внутри одного сервиса. Поэтому тут лучший способ — тестировать разные варианты и выбрать тот, результат которого вам больше нравится. 2. Работать последовательно Частая модель поведения: вместе с ИИ проанализировали нормативку, выработали позицию и дальше команда «а теперь подготовь документ». Какой документ? Какая у него структура? А вам потом не нравится — вы ведь по-другому хотели, но не сказали как. Поэтому лучше идти по этапам: • собрать тезисы; • составить структуру и план документа (какие должны быть разделы, что за чем идёт и т.д.); • утвердить и отправить модель писать текст. Если документ большой, его лучше писать по разделам. Так проще контролировать результат и сразу корректировать то, как пишет ИИ. 3. Отдельно настроить стиль Если хочется, чтобы ИИ писал примерно как вы и по вашим привычным формам, это тоже требует отдельной настройки. Можно дать модели несколько своих документов, сформулировать ваш авторский стиль и собрать это всё в скилл. Подробнее рассказывали тут. 4. Устроить кросс-рецензию Одна модель написала документ, а другая его проверяет. Это полезно, если у вашей основной модели есть любимые привычки. Например, разжёвывать доводы так, будто пишет для пятилетнего ребёнка. Другую модель можно попросить дать второе мнение по документу, переписать неудачные абзацы, найти слабые доводы, повторы, логические ошибки и т.д. 5. Проверять текст на логику, риторику и грамматику Когда долго работаешь над документом, к собственному тексту привыкаешь и перестаёшь замечать слабые места. Тут ИИ может помочь посмотреть на него свежим взглядом. Благо, что в нашем сообществе есть Софья Смирнова, которая сделала для этого отдельные скиллы. Изучить можно вот тут. _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Как автоматизировать отслеживание изменений законодательства Отслеживать изменения — распространённая задача у юристов. У компаний всегда есть потребность узнавать о новых требованиях заранее — ещё когда это проекты нормативных актов, а не принятые законы. Но интересного тут мало: рутинная и ручная работа. Выпускница наших курсов, Александра Логинова @al_loginova, юрист TravelLine, решила эту задачу автоматизировать. Исходная точка Раньше изменения собирали в общей Google-таблице (картинка 1). На просмотр одного крупного источника уходило 4-8 часов в месяц, всех источников — до 24 часов. Саму подборку обновляли примерно раз в месяц. Плюс у общей таблицы была ещё одна особенность: её несколько раз случайно сносили (а защитить без потери фильтров — нельзя). Коллеги, знакомо?) Что было сделано Вместо таблицы появился небольшой сервис на Python (язык программирования). Это не ИИ-агент, который сам решает, что делать дальше. Здесь маршрут задан в коде. Сам код пишет нейросеть, роль человека — нормально поставить задачу и проверить, что всё работает как надо. Этому как раз учим на наших курсах (скоро новый поток по агентам и вайбкодингу). У сервиса путь такой:

1. Забрать новые материалы из источников Сервис сам проверяет 13 источников: сайты госорганов, СПС, деловые СМИ и другие площадки. У некоторых есть готовая лента новых публикаций (RSS). Это публикуют сами сайты. Если такой ленты нет, сервис сам забирает нужную информацию со страницы. 2. Убрать очевидно лишнее Сначала система отсеивает старые документы, дубли и неподходящие типы материалов. Затем проверяет оставшееся по ключевым словам. 3. Разобрать отобранные документы Тут подключается ИИ. Модель решает более содержательные задачи: • действительно ли изменение относится к нужной теме; • что именно меняется; • кого внутри компании это может затронуть. После этого она готовит короткое описание для юриста. Сама модель сменная. Сейчас используется локальная Ollama. 4. Отследить новые и изменённые документы Для каждого документа система сохраняет его цифровой «отпечаток». Если документа раньше не было — показывает его как новый. Если документ уже был, но текст поменялся — отмечает изменение. Если ничего не произошло — второй раз его не приносит. 5. Отдать всё юристу на проверку Готовые записи появляются на сайте в очереди. Сервис уже предлагает описание и распределение по отделам, а юристу остаётся проверить результат и нажать «опубликовать» или «отклонить».

В итоге вместо общей таблицы появился внутренний сайт (картинки 2 и 3). Как вам такое? _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Если вторая половина этого поста для вас звучала как техническая тьма, в которой мелькают непонятные слова — не переживайте. У нас для вас как раз есть решение ;) Этот проект собрал наш выпускник! Не разработчик, а юрист, который разобрался и сделал решение для своих задач. Скоро стартует поток курса по ИИ-агентам и вайбкодингу, на котором каждый сможет научиться делать решения под свои задачи. В технический омут с головой бросать не будем. Всё рассказываем постепенно и понятным языком. За курс вы: — соберёте своего первого агента, а дальше будете постепенно расширять ему полномочия: дадите скиллы, подключите плагины и коннекторы, научите работать в команде с другими агентами и в конце выпустите во взрослую жизнь — на сервер; — попробуете вайбкодинг и сделаете свой инструмент без опыта в программировании; — дадите агенту доступ к своим знаниям. Разберётесь, как подключить материалы, чтобы агент умел находить нужное сам. 5 недель обучения, 14 вебинаров и мастерские проекта. Так что приносите свои самые смелые идеи — мы поможем реализовать. Стартуем 28 сентября. Для выпускников прошлых потоков есть приятные скидки — подробности в чате сообщества или у бота заботы. Выбрать тариф и присоединиться.

Наша база знаний теперь идёт к вам! Кто вдруг пропустил, у нас есть база знаний, где мы собираем всё самое полезное про работу с нейросетями для юристов. Это не архив постов трёхлетней выдержки. Катя @delay_RAG постоянно добавляет новое и следит, чтобы в базе оставалась актуальная информация (а это важно, мир нейросетей быстро развивается). А теперь к базе появился MCP-коннектор (способ подключить к ИИ внешний источник данных). Он подключает поиск по базе прямо к вашему ИИ-сервису, если тот поддерживает MCP. Проверить это можно в настройках (например, это умеют Claude и ChatGPT)

То есть вместо того, чтобы идти за ответом в базу и искать нужную статью, можно просто задать вопрос своей ИИшке. Она сама сходит в базу, найдёт подходящий материал и ответит со ссылкой на статью.

Причём поиск идёт по смыслу, а не только по точному совпадению слов. Ещё один приятный момент: когда мы обновляем базу, у вас это тоже обновляется. Отдельно добавлять новые статьи не надо. О том, как подключить, есть подробная статья в нашей базе знаний. Пользуйтесь!

Нейросеть у себя на компьютере: зачем и как? Локальная LLM — это модель, которая работает прямо на вашем компьютере или сервере. Но зачем вообще с этим возиться, если уже есть ChatGPT, Claude и другие блага цивилизации? У локальных LLM есть два основных плюса. • Данные остаются у вас. Обычные LLM-сервисы работают так: вы отправляете запрос на сервер компании-разработчика нейросети, там модель его обрабатывает и возвращает ответ. Именно поэтому безопасники и напрягаются: если загрузить в нейросеть данные клиента, сразу возникают вопросы конфиденциальности, адвокатской тайны и прочие наши юридические радости. • Меньше зависимости от внешнего сервиса. Если модель уже скачана и запущена у вас, для работы ей не нужен доступ к чужому серверу. Она продолжит работать даже без интернета. Собственно, поэтому и возникает интерес к локальным LLM. Как установить локальную LLM Самый простой вариант — использовать готовую программу вроде LM Studio или Ollama. Дальше схема примерно такая: • Выбрать модель и её размер. Для локального запуска используют модели, которые доступны для скачивания — например, Qwen. Но чем больше модель, тем мощнее нужен компьютер. • Скачать модель. После этого её файлы хранятся у вас. • Запустить и пользоваться! В LM Studio, например, привычный интерфейс, похожий на ChatGPT. Какие есть ограничения • Нужно подходящее железо, а оно стоит денег. Чем больше модель, тем больше ей требуется видеопамяти. Некоторые наши активисты для этого покупают отдельный Mac mini и используют для локальных моделей. Если своего железа не хватает, можно арендовать сервер (хороший сервер тоже стоит денег). Но тогда часть смысла локальности теряется: данные всё равно уходят к хостинг-провайдеру. И тогда проще пользоваться обычной нейросетью. • Локальные модели могут быть слабее и медленнее облачных. Особенно если запускать крупную модель на обычном ноутбуке. • Модель нужно обновлять самостоятельно. Скачанная версия сама по себе новее не станет. Чтобы получать актуальные данные, придется обновлять модель или подключать внешние источники. • Интернет-поиск придётся подключить отдельно. Сама локальная модель в интернет «не ходит», но это можно добавить: подключить платный поисковый сервис или настроить свой. Кто пользуется локальной LLM — делитесь своим опытом ;) _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Как юристу использовать ИИ-агентов в своих задачах В этот четверг, 17 сентября в 11:00 по МСК, проведём вебинар про ИИ-агентов. Покажем, что с их помощью можно делать в юридической работе и как начать собирать решения под свои задачи. Павел Мищенко и Евгений Вихров разберут: • почему выгодно использовать ИИ-агентов; • как устроен путь от идеи до рабочего агента; • что такое скиллы и плагины и как их создавать; • зачем агенту память; • как распределять работу между агентами и человеком. Расскажем всё простым языком с переводом технического на человеческий. Лучше приходить онлайн: можно будет сразу задать вопросы спикерам. Не получится прийти онлайн — в секрете ничего не оставим, запись тоже будет. Зарегистрироваться на вебинар.

Мониторинг судебной практики: как такое сделать? Опять нашли золото в нашем чате. На этот раз — проект нашего выпускника Алексея Мартынова @AleksMartyn по автоматическому мониторингу судебной практики.

Алексей собрал помощника, который каждый день ищет новые судебные акты, отсеивает лишнее, делает краткие саммари и приносит результат в Telegram на проверку.

То, что проходит проверку, Алексей публикует в канале @corp_disputes. Что именно делает система Каждый день помощник: • заходит в банк решений арбитражных судов; • ищет свежие акты по корпоративным спорам Верховного Суда и АС Московского округа; • отбрасывает «процессуальный шум» (определения о возврате, отказы в передаче и другие малоинтересные документы без содержательной позиции); • проверяет, не обрабатывал ли этот акт раньше; • извлекает из PDF текст; • отправляет текст в LLM, которая готовит короткое саммари с основной правовой позицией; • присылает результат Алексею в Telegram вместе со ссылкой на дело. Как это сделано (история для тех, кому IT уже ближе юриспруденции)

1. Система сама запускается каждый день Вся система написана на Python (популярный язык программирования для таких задач) и работает на отдельном Linux-сервере. Раз в день система сама запускает новый мониторинг. За запуск по расписанию отвечает планировщик JobQueue. Сам помощник работает как служба systemd: запускается вместе с сервером и автоматически перезапускается после сбоя. API-ключи хранятся отдельно от кода. 2. Система забирает новые судебные акты Тут все секретики раскрывать не будем: сайт защищён от автоматического сбора данных, поэтому пришлось отдельно настраивать способ получения документов. 3. Акты проходят фильтрацию Каждый раз система проверяет документы за последние 15 дней по дате регистрации. Это нужно, потому что некоторые акты появляются в банке с задержкой. Дальше система применяет несколько фильтров: • оставляет нужные виды судебных актов; • по содержанию исключает, например, отказы в передаче, возвраты, оставление без рассмотрения и документы без содержательной мотивировки; • отбрасывает слишком короткие документы; • не пропускает уже обработанные акты: система сохраняет их doc_id (уникальный идентификатор документа) в локальной базе SQLite и при следующем запуске сверяется с ней. 4. LLM готовит саммари Из PDF автоматически извлекается текст. Для этого используется pypdf — библиотека для работы с PDF-файлами в Python. Дальше текст отправляется в Qwen3-235B (языковая модель семейства Qwen). Доступ к ней система получает через Yandex AI Studio. При этом система не привязана к одному варианту: в настройках можно быстро переключиться на Qwen через сервис DashScope или на YandexGPT, не переписывая всю программу. Для модели установлена низкая температура — 0,1 (этот параметр отвечает за степень случайности ответа: чем он ниже, тем меньше модель импровизирует и тем более предсказуемо отвечает). Отдельная большая часть работы — промпт. В нём десятки правил: что сохранять в саммари, что опускать, как не путать судебные инстанции и как вытаскивать именно правовую позицию, а не просто процессуальный результат. 5. Отдельно проверяются возможные галлюцинации Дополнительно работает детектор галлюцинаций на обычных правилах поиска по тексту. Он находит в саммари ссылки на Пленумы, Обзоры и информационные письма и проверяет, есть ли такие упоминания в самом судебном акте. Если нет — помечает их для проверки. 6. Результат приходит в Telegram Готовый разбор приходит Алексею в личку через Telegram-бота. Под сообщением есть кнопки «Опубликовать / Редактировать / Теги / Пропустить». В канал уходит только то, что Алексей подтвердил.

Получился хороший пример автоматизации рутинной части мониторинга судебной практики. Берите на заметку) _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс

Работа с агентами: внедрение Раньше все обсуждали, как написать хороший промпт. Сейчас в нашем чате всё чаще появляются вопросы про агентов. Катя @delay_RAG как раз мощно пересобрала в нашей базе знаний всё, что связано с их работой. Отличный повод заглянуть туда в гости) (1) Управление агентами. Подраздел о том, как из агентов сделать управляемую команду супер-шпионов. Он пополнился сразу 5 статьями, которые закрывают основные вопросы по теме: • Харнесс — что нужно добавить вокруг модели, чтобы она вообще превратилась в агента. • Оркестрация и субагенты — как разбивать большую задачу между несколькими агентами и всегда ли оно надо. • Память агента — как устроить память так, чтобы агент не превращался в рыбку Дори. • Рабочее пространство агента — как организовать агенту понятную среду, чтобы он работал на ваше благо. • Практический опыт участников сообщества — секретные приёмы управления агентами от тех, кто уже отправлял их на реальные задания. 2. Как работать со знаниями Любому агенту для спецзадания нужна информация. Организовать разведданные — уже ваша часть работы. Но и тут мы собрали инструкции: • Хранений знаний — три способа сложить знания так, чтобы ими можно было пользоваться. • LLM-вики и Obsidian — как вести базу знаний. Разбираем сам подход LLM-вики и Obsidian как один из инструментов для него. Плюс кейсы участников сообщества, которые уже собирают такие базы у себя. • Обновлённая статья про контекстное окно — как работать с контекстом в агентных задачах. В общем, если обычного чата с нейросетью вам уже мало и хочется перейти к чему-то большему — маршрут в базе теперь проложен. А если на этом пути вам нужна поддержка — приходите к нам на новый поток курса по агентам и вайбкодингу. Будем готовить агентов к реальным заданиям вместе ;)

Как делать юридический ресёрч с помощью ИИ Недавно мы спрашивали, кто как использует ИИ для поиска информации. Коллеги, спасибо, что активно делились опытом! Всё прочитали, собрали краткие советы и подготовили подробную статью в нашей базе знаний. За статьёй — сюда, за краткой версией — ниже. 1. Сформулировать промпт Без нормального ТЗ результат ... (продолжение все знают). Как минимум, нужно объяснить задачу, дать контекст и обозначить, что именно вы хотите получить от ресёрча. Если пока непонятно, как сформулировать запрос, можно поручить это самому ИИ (пусть отрабатывает деньги за подписку). Расскажите ему задачу и попросите задать уточняющие вопросы. А потом на основе ваших ответов уже можно собрать промпт для исследования. Для этого есть и готовый инструмент — скилл «Найди свои неизвестные» от Николая Божкова @jur_perevod. Он заставляет модель сначала найти пробелы в постановке задачи и уточнить их. 2. Выбрать модель и режим поиска Зависит от сложности запроса. Для простого поиска можно взять обычную (среднюю) модель. Для сложного вопроса — thinking / Pro-режим. Небольшой вопрос можно исследовать прямо в обычном чате, включив функцию поиска в интернете. Если задача большая — запускать Deep Research. Он сам строит план исследования, делает серию поисков и собирает отчёт со ссылками. 3. Не пытаться сделать весь ресёрч одним запросом Необязательно пытаться получить всё одним мегапромптом. Большое исследование лучше разбить на этапы. Сначала можно провести разведку, т.е. попросить ИИ описать основные направления поиска, чтобы понять, куда вообще двигаться. Потом — собрать первоисточники, отдельно проанализировать найденное и уже после сформулировать вывод. Разные этапы лучше делать в разных чатах. Так предыдущие рассуждения меньше тянут модель к выводам, которые она уже успела придумать. 4. Если часто приходится делать ресёрч — автоматизировать Тут отлично помогает агентный подход. Например, Григорий Москалев @gregms создал мультиагентный плагин (надстройку, которая запускает целую «команду» агентов под одну задачу) для Claude Cowork и Claude Code. Один уточняет факты, другие ищут первоисточники, третий проверяет их актуальность, затем собирается черновик, и несколько агентов-рецензентов ищут в нём слабые места. На выходе — меморандум в docx со сносками и перечнем источников. 5. Доверяй, но проверяй ИИ умеет писать очень убедительно. Настолько убедительно, что потом мы видим новости о том, как суд оштрафовал участника процесса за несуществующую судебную практику. Поэтому важно проверять все источники. Ответственность за результат несёте вы. Полезный финальный прогон — попросить ИИ атаковать собственный вывод: найти контраргументы и слабые места. _______________________________ Сообщество юристов, которые покоряют нейросети Канал | Курс