ilovedocs | AI

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!

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

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

Вебинар завершился, Perplexity остался

Степан Леонтьев и Евдокия Шматина @evdokia_arch провели обзор Perplexity и показали, что сейчас это уже сильно больше, чем просто «поисковик с нейросетью». Теперь это отдельное рабочее пространство.

Приятное дополнение — работает без геополитических особенностей и не замечен в любви к внезапным банам российских пользователей.

Что обсуждали:

• Бесплатные возможности: базовые функции, лимиты и приятные фишки.
• Pro-доступ: зоопарк моделей внутри и почему это не так же качественно, зато доступно.
• Функция «Мозг»: как устроена память, которая не путает рабочие задачи с рецептами шарлотки и сама обновляет инструкции.
• Perplexity Computer: сколько токенов-кредитов сожрет агентный режим и чем отличается от чата.
• Браузер Comet: прикладные функции ИИ-ассистента (быстрый перевод, резюмирование) и опыт работы с СПС.

Запись вебинара доступна по ссылке.

Изучайте, а главное пробуйте в работе!

Как научить ИИ писать как вы

Сейчас появляются маркеры сгенерированного с помощью ИИ текста: длинное тире, типичные обороты в виде «это не про то, а про это», излишний канцеляризм, равномерная плотность изложения. Хочешь, напишу ещё несколько пунктов, по которым можно определить, что текст написан ИИ?

Так происходит, потому что нейросеть пишет текст, постоянно угадывая наиболее вероятное продолжение уже написанного. Делает она это на основе закономерностей, которые «выучила» при обучении на огромном количестве текстов. Поэтому модель выбирает типичные формулировки, и у разных пользователей они начинают повторяться.

Читая такие тексты, кто-то восклицает «опять этот ваш ЫЫ, уже и писать обленились». Но можно чуть потрудиться и обучить нейросеть писать как вы (или хотя бы приблизить к приличному результату).

Итак, что ж делать?

• Дать модели свои тексты как примеры

Самый простой вариант — загрузить пару страниц эталонного текста (не надо загружать всё своё литературное наследие) и попросить придерживаться того же стиля. Лучше брать примеры того же типа, который нужен на выходе: для процессуального документа — свои процессуальные документы, для писем — письма.

Но ограничение такого варианта в том, что модель не понимает, какие ваши авторские признаки вы хотите учесть. И вы не поймёте, что она посчитала «вашим стилем». Лучше использовать более системные варианты ↓

• Попросить составить профиль вашего стиля

То есть, чтобы LLM разобрала, как именно вы пишете на основании текстов, которые вы ей дали. Описание ваших стилевых признаков будет работать лучше, чем промпт «пиши живо и профессионально как будто ты лучший юрист мира».

• Показать свои правки

Следующий уровень — дать модели две версии: «вот что написал ты» и «вот как это переписал я». Попросить определить, какие изменения вы вносите. После нескольких таких примеров можно попросить найти повторяющиеся закономерности в ваших правках.

• Сохранить всё это для постоянного использования

Когда есть примеры и ваш готовый авторский профиль, это можно собрать во что-то постоянное. Одному из участников нашего чата ChatGPT сам предложил сделать скилл «Пишем, как Тимур» на основе его текстов.

Если ваша LLM не такая инициативная, скилл можно собрать самостоятельно. Профиль стиля также можно сохранить в инструкциях проекта, чтобы модель учитывала его во всех чатах внутри него.

А какую LLM брать?

По опыту участников чата, Claude хорошо справляется с имитацией стиля в логичных нехудожественных текстах (например, при подготовке процессуальных документов). Кто-то отмечает, что Gemini часто дает более «живой» язык.

Но, как и люди, разные нейросети по-разному «считывают» стиль: для кого-то точка в конце сообщения — правило русского языка, для кого-то — пассивная агрессия. Поэтому нужно попробовать разные нейросети и выбрать ту, которая лучше понимает ваш стиль письма.

Коллеги, делитесь, как определяете, что оппонент прислал сгенерированный документ?

_______________________________
Сообщество юристов, которые покоряют нейросети
Канал | Курс

Perplexity для работы: что попробовать

Этот инструмент утратил популярность в нашем сообществе, когда там сократилось количество бесплатных функций. А зря! У Perplexity хорошая экосистема, в частности в агентном направлении. А ещё он работает без КВН (только серьёзные задачи).

Если вы в поисках нового инструмента или хотите лучше понять функционал Perplexity — ждём вас в среду на вебинаре.

Степан Леонтьев и Евдокия Шматина @evdokia_arch, юрист-инхаус в фармацевтической компании, специализирующаяся на рекламе и маркетинге, расскажут, как можно использовать Perplexity в работе.

Разберём:

• что умеет обычный чат;
• чем бесплатная версия отличается от платной;
• как работают глубокое исследование, проекты и создание викторин;
• что умеет браузер Comet и как его можно использовать как личного ассистента;
• что такое Computer и его функции (навыки, плагины, коннекторы и рабочая память).

Встречаемся 2 сентября в 19:00 (Мск).

Зарегистрироваться можно тут.