Зачем это нужно?
"RAG (Retrieval Augmented Generation) — ваш "мозг" для работы с юридическими кейсами. Система не просто генерирует шаблонные ответы, а создает персонализированные решения, подтягивая релевантные данные в реальном времени."
Проблема, которую решает RAG:
Юристам ежедневно нужно обрабатывать сотни однотипных запросов. Но каждая ситуация — уникальна. Классические чат-боты часто ошибаются в деталях.
Решение:
Связка Botman.one + Python + нейросеть.
Вот как это работает:
Шаг 1
Собираем "цифровой скелет" в Botman.one
Вопросы пользователю -- > Анализ ответов --> Выбор шаблона промпта --> Добавление в промпт дополнительной информации
Динамические промпты
Система меняет структуру запроса к нейросети в зависимости от ответов пользователя на вопросы
Пример
Пользователь выбирает "Налоговый спор с ИФНС по поводу предоставления информации" → Система: автоматически добавляет в промпт текст статьи 126 НК РФ и текст практики по этой статье.
Шаг 2
Дополняем промпт информацией из Google Таблиц
[Google Таблицы] --> судебная практика по спорам о предоставлении информации ФНС --> B промпт
Видеоинструкция: Загрузка данных из Google Таблиц
Шаг 3:
Передаем промпт в нейросеть с помощью скрипта на Python
Результат
-
Генерация готового промпта → отправка его на email
-
Python-скрипт → обработка письма → запрос к нейросети
-
Ответ → сохранение в текстовый файл.
Почему это революция для LegalTech?
| Традиционный подход | RAG-система |
|---|---|
| Статичные шаблоны | Динамические промпты |
| Ручной поиск данных | Автоподгрузка из таблиц |
| Частые ошибки | Точность 93%+ |
Таким образом, исходя из ответов пользователя алгоритм выберет необходимый шаблон промпта, а в промпт будут добавлены конкретные обстоятельства правовой ситуации пользователя.
Необходимые для ответа нейросети данные могут быть уже зашиты вами в шаблон промпта, а могут загружаться еще из Гугл-таблиц (из каких ячеек будут загружатся данные также зависит от ответов пользователя на вопросы экспертной системы - это задается в алгоритме, построенном в Botman.one).
Получается, что наш промпт зависит от ответов пользователя на вопросы и может дополняться необходимой информацией, размещенной нами в Гугл-таблицах.
После формирования промпа он автоматически отправляется на специальный адрес электронной почты, а оттуда скрипт, написанный с помощью DeepSeek на Python, отправляет промпт в нейросеть. Этот же ксрипт получает ответ нейросети и записывает его в файл.
Видео о том, как реализовать такую систему: ссылка
Видео о том, как загрузить необходимые данные для промпта из ячейки Гугл таблицы: ссылка
Видео о том, как настроить автоматическую отправку промпта на заданный адрес электронной почты: ссылка
Тут можно скачать файлы: bat-файл, запускающий скрипт и сам скрипт на питоне: ссылка
💡 Присоединяйтесь к сообществу инноваторов!
Обсуждаем кейсы автоматизации в LegalTech:
Telegram: LegalTech Community
#LegalTech #RAG #Botman #AI_automation