Juris AI Engine é um sistema híbrido de decisão jurídica projetado para automatizar a análise de processos judiciais a partir de dados estruturados e documentos textuais.

A solução combina:

• Política de Negócio estruturada
• Orquestração com Large Language Models (LLMs)
• API REST escalável
• Interface interativa para validação humana
• Camada de monitoramento e logging

O sistema consolida decisões em três classes:

approved | rejected | incomplete

A arquitetura segue o padrão de separação de responsabilidades:

• Implementada com FastAPI
• Responsável por validação, exposição de endpoints e padronização de respostas

• Orquestração via LangChain
• LLM utilizado: Google Gemini
• Aplicação de regras de política + consolidação da decisão

• Desenvolvida em Streamlit
• Permite inspeção de inputs e outputs do modelo

• Logging estruturado
• Endpoint de health check
• Monitoramento de status da aplicação

A aplicação encontra-se publicada para demonstração:

• Interface (Streamlit): (DESATIVADO) https://dashboard-juscash.up.railway.app/

• API – Swagger Docs: (DESATIVADO) https://api-juscash.up.railway.app/docs

• Health Check: (DESATIVADO) https://api-juscash.up.railway.app/health/

• UI: http://localhost:8501
• API Docs: http://localhost:8000/docs
• Health: http://localhost:8000/health

Crie um arquivo .env baseado em .env.example:

GOOGLE_API_KEY="SUA_API_KEY_AQUI"
API_BASE_URL="http://localhost:8000"

# Build
docker-compose build

# Run
docker-compose up

Modo detached:

docker-compose up -d

Logs:

docker logs juris-ai-engine

GET /health

Resposta:

{
  "status": "ok",
  "timestamp": "2025-10-24T17:30:00.000Z"
}

POST /processes/analyze

{
  "numeroProcesso": "0001234-56.2023.4.05.8100",
  "classe": "...",
  "documentos": [...],
  "movimentos": [...]
}

{
  "decision": "approved",
  "rationale": "Structured justification generated from policy alignment and document analysis.",
  "citacoes": ["POL-1", "POL-2"]
}

Este projeto demonstra:

• Integração de LLMs em pipelines de decisão estruturada
• Design de APIs robustas para sistemas de IA
• Aplicação de regras de negócio sobre dados jurídicos
• Estruturação de respostas rastreáveis (justificativa + citações)
• Deploy containerizado com separação clara de camadas