Introducao

Introducao

Douto e o agente de conhecimento doutrinario da plataforma sens.legal. Ele processa livros juridicos e os transforma em conhecimento estruturado e pesquisavel, pronto para ser consultado por advogados e agentes de IA em tempo real.

O Problema

A pesquisa juridica no Brasil exige consultar multiplos autores sobre o mesmo conceito. Um advogado pesquisando exceptio non adimpleti contractus pode precisar comparar as posicoes de Orlando Gomes, Caio Mario e Pontes de Miranda — cada um em um livro diferente, capitulo diferente, edicao diferente. Esse cruzamento manual costuma levar de 2 a 4 horas por conceito.

As plataformas de legal tech atuais (Jusbrasil, Turivius, Vlex, LexisNexis) fazem busca — devolvem documentos que correspondem a uma consulta. Nenhuma delas faz sintese — agregar e comparar posicoes doutrinarias entre autores.

O Douto preenche essa lacuna transformando livros juridicos brutos em conhecimento estruturado, classificado e pesquisavel, com metadados que permitem filtrar por instituto juridico, tipo de conteudo, ramo do direito e fase processual.

O que o Douto Faz

O Douto opera em dois modos complementares:

Pipeline de Processamento em Batch

Cinco scripts Python executados sequencialmente transformam PDFs juridicos em dados pesquisaveis:

PDF → process_books.py → rechunk_v3.py → enrich_chunks.py → embed_doutrina.py → search_doutrina_v2.py

Cada estagio adiciona estrutura: o PDF bruto vira markdown, o markdown vira chunks inteligentes, os chunks sao classificados com metadados juridicos, o texto enriquecido gera embeddings, e os embeddings habilitam busca semantica.

Base de Conhecimento Navegavel

Uma hierarquia de arquivos markdown no estilo Obsidian, organizada por ramo do direito:

INDEX_DOUTO.md (raiz — 8 ramos do direito)
  └── MOC_CIVIL.md (35 livros, ~9.365 chunks)
  └── MOC_PROCESSUAL.md (8 livros, ~22.182 chunks)
  └── MOC_EMPRESARIAL.md (7 livros)
  └── nodes/ (notas atomicas — planejado)

Quem Usa o Douto

O Douto atende tres publicos:

Publico	Como usa o Douto	Disponivel hoje?
Advogados	Buscam doutrina via frontend Juca durante pesquisa de casos	Ainda nao — requer integracao v0.4
Agentes de IA	Consultam doutrina via MCP/API durante briefings e analises	Ainda nao — MCP planejado para v0.4
Desenvolvedores	Estendem o pipeline, adicionam livros, melhoram a base de conhecimento	Sim — via CLI

Onde o Douto se Encaixa

No ecossistema sens.legal, cada agente cuida de um pilar diferente do conhecimento juridico:

Agente	Pilar	Corpus atual
Valter	Jurisprudencia	23.400+ decisoes do STJ
Leci	Legislacao	Leis federais
Douto	Doutrina	~50 livros, ~31.500 chunks
Joseph	Orquestracao	Coordena todos os agentes
Juca	Frontend	Apresenta resultados para advogados

Quando totalmente integrado, um advogado que pergunte ao Juca sobre um conceito juridico recebera uma visao unificada combinando jurisprudencia do Valter, legislacao da Leci e doutrina do Douto.

Conceitos Fundamentais

Estes termos aparecem ao longo de toda a documentacao:

Termo	Definicao
Chunk	Um fragmento semanticamente coerente de um livro juridico (200-1.000 tokens), produzido pelo rechunk_v3.py, com metadados em frontmatter YAML
Instituto juridico	Um conceito ou instituto do direito — ex.: exceptio non adimpleti contractus, boa-fe objetiva. A unidade fundamental de classificacao.
Enriquecimento	O processo de classificar chunks com metadados estruturados usando um LLM (atualmente MiniMax M2.5)
Embedding	Um vetor de 768 dimensoes representando o conteudo semantico de um chunk, gerado pelo Legal-BERTimbau
MOC	Map of Content — arquivo indice que lista todos os livros de um ramo do direito
Skill graph	A estrutura hierarquica de conhecimento: INDEX → MOCs → Chunks → Notas Atomicas
Busca hibrida	Combinacao de busca semantica (similaridade cosseno) e BM25 (busca por palavras-chave) com pontuacao ponderada

Para definicoes completas, veja o Glossario.

O que o Douto NAO Faz

Limites claros definidos no AGENTS.md:

• Nao gerencia casos — isso e do Joseph (orquestrador)
• Nao busca jurisprudencia — isso e do Valter (23.400+ decisoes do STJ)
• Nao busca legislacao — isso e da Leci (leis federais)
• Nao gerencia infraestrutura — isso e do Valter (backend FastAPI)
• Nao serve interface web — isso e do Juca (frontend Next.js)