README.md

Информационно-аналитический инструмент для выявления формальных, иерархических и нормативных несоответствий в документах, приказах и судебных решениях.

❗ Не является юридическим заключением
❗ Не оценивает законность или правомерность
❗ Используется исключительно для предварительного анализа

Проект ориентирован на детерминированную проверку текста по формальным правилам и может применяться в праве, здравоохранении, образовании и других регулируемых доменах.

Compliance Compiler — это проверка, а не совет.

Система:

• не интерпретирует нормы «по смыслу»,
• не заменяет эксперта,
• не делает вероятностных выводов,

а фиксирует проверяемые несоответствия, которые затем оцениваются специалистом.

Проект ��остроен по канонической open-core модели: ядро + приложение + профили.

• Детерминированный движок анализа
• Контексты документов
• Rule-engine (applies / check)
• Проверка полномочий и иерархий
• Реестр нормативных источников
• Генерация нейтральных отчетов
• AST-проверка правил (безопасность)

Ядро не знает о доменах и не содержит клиентской логики.

• Ingestion (нормализация, извлечение)
• Classification (типы документов, органы, действия)
• Registry (источники норм)
• Report (формирование отчётов)
• Utils

Этот слой связывает ядро с прикладными сценариями.

• legal/ — правовые документы
• healthcare/ — приказы медучреждений
• YAML-конфигурации + Python-правила
• Собственные источники и ограничения

Профили расширяют систему без изменения ядра.

• CLI — автоматизация и скрипты
• Web — демонстрация и API
• Telegram-bot — быстрый анализ текста

Все интерфейсы вызывают одно и то же API ядра.

Система может использовать LLM (OpenAI / Grok) для:

• извлечения дат,
• действий,
• цитат нормативных актов.

AI используется только как вспомогательный парсер, не влияя на логику проверки.

Включается флагом:

AI_PARSING_ENABLED = true

## Интерфейсы
- CLI: Для автоматизации и скриптов.
- Web: Для демонстрации.
- Telegram-bot: Для быстрого доступа.

## Новое: AI-парсинг
- Использует LLM (OpenAI/Grok) для семантического извлечения дат, действий, цитат норм (улучшает точность по сравнению с regex).
- Включено опционально (флаг AI_PARSING_ENABLED в config.py).

## Тесты
- Unit-тесты в tests/ (pytest tests/ для за��уска).

## Установка

1. Клонируйте репозиторий
2. Установите зависимости:
```bash
pip install -r requirements.txt
# или
poetry install

3. Настройте переменные окружения (скопируйте .env.example в .env):

cp .env.example .env

4. Отредактируйте .env и добавьте API ключи при необходимости

python interfaces/cli.py analyze examples/service_check_example.txt
python interfaces/cli.py analyze examples/service_check_example.txt --format pretty

python interfaces/web.py
# Откройте http://localhost:5000

# Добавьте TELEGRAM_TOKEN в .env
python interfaces/telegram_bot.py

compliance-compiler/
├── core/               # Основная логика анализа
├── interfaces/         # CLI, Web, Telegram
├── app/               # Модули приложения
│   ├── ingestion/     # Парсинг и нормализация
│   ├── classification/# Классификация документов
│   ├── rules/         # Правила проверки
│   ├── engine/        # Движки анализа
│   ├── registry/      # Реестр норм
│   ├── report/        # Генерация отчетов
│   └── utils/         # Утилиты
├── knowledge/         # Базы данных норм
├── tests/             # Unit-тесты
└── examples/          # Примеры документов

Open-core модель

Данный репозиторий содержит open-core ядро: детерминированный анализ, правила и профили, локальный запуск. Коммерческая / enterprise-версия (по запросу): интеграции с официальными источниками, SLA и сопровождение, on-premise поставка, расширенные профили.

PR и обсуждения приветствуются. Хотите помочь? См. CONTRIBUTING.md

AGPL-3.0 - см. LICENSE Любое сетевое использование модифицированной версии требует публикации исходного кода.