Pipeline RAG para contratos legales

El desafío

Los LLMs genéricos alucinan con frecuencia definiciones legales o referencian jurisdicciones no aplicables. El objetivo era construir un pipeline empresarial que responda preguntas sobre contratos con citas exactas de párrafo y página.

Arquitectura técnica

• Chunking semántico: Chunker AST personalizado para contratos en PDF que preserva encabezados de sección, definiciones y jerarquías de cláusulas.
• Búsqueda híbrida Vector + BM25: Reciprocal Rank Fusion (RRF) que combina embeddings densos con búsqueda de palabras clave dispersas para la numeración de cláusulas.
• Verificador de factualidad: Un segundo agente de verificación ligero que contrasta las afirmaciones generadas contra el contexto recuperado antes de mostrarlas al usuario.