87 lines
2.8 KiB
Plaintext
87 lines
2.8 KiB
Plaintext
Agent 업데이트
|
|
|
|
evidence_indexed.json
|
|
--> 날짜, 등기소 등 정보 보관
|
|
|
|
evidence_all.json + BO.json + Fact_Ledger.json --> 기산점, 날짜, 이자율 등등 숫자 정보 다 뽑아내기
|
|
|
|
|
|
|
|
|
|
장기 업데이트:
|
|
- 해당 사건 종류 우선 구분
|
|
- 해당 사건 종류별 청구취지 작성을 위한 조건 문서 연결 (DB)
|
|
- 청구권 식별, 청구취지, 청구원인 작성: 조건 정보들을 기계적으로 추출하여 reference로 만드는 과정을 전제로 함
|
|
|
|
|
|
증거문서
|
|
- 문서 종류: 공문서, 사문서, 전자적 기록, 이메일 등
|
|
- 문서의 기록 추출
|
|
- 숫자: 가치 혹은 가액, 계약금액, 이자율
|
|
- 등기부등본 정보:
|
|
- 채권정보:
|
|
|
|
|
|
취지기재례 내용들을 모두 스캔하여 확보 -> 청구취지 작성용 DB 구축
|
|
|
|
|
|
----------------------------------------------
|
|
| Stage 2 업데이트: 작업 전략 (map reduce 사용) |
|
|
----------------------------------------------
|
|
1. 예상 청구권들을 대략적으로 식별하고 그것들의 사건 종류를 엄격하게 식별: stage2_2_claims_taxonomy.json
|
|
2. 예상 청구권들의 청구취지 작성 참고자료 원천을 사건종류에 따라 연결하고 반드시 사용하도록 강제 (map reduce)
|
|
3. 청구취지 작성: stage2_1_claims_evaluated.json
|
|
4. 청구방식 결정: stage2_3_consolidated_strategy.json
|
|
5. 청구개요서 작성: 청구개요서.md
|
|
|
|
## 전략
|
|
1. 대략의 청구권 식별 및 사건종류 결정: stage2_2_claims_taxonomy.json 생성
|
|
2. 청구권별로 분해하여 DAG로 사건종류별 청구취지방법.md 연결하여 청구권/청구취지/청구원인 작성
|
|
3. map reduce 방식으로 조합하여 청구취지 등 작성: stage2_1_claims_evaluated.json 생성
|
|
4. 1번에 이어 곧바로 병렬로 청구방식 결정: stage2_3_consolidated_strategy.json 생성
|
|
5. json 파일들 조합하여 청구개요서 작성: 청구개요서.md
|
|
|
|
|
|
## 현재 사건에 대한 전략
|
|
- 예상청구권들에 대한 청구취지 기재 참고 DB를 최대한 간략하게 작업해 둘 것
|
|
- 보증채무금 청구
|
|
- 대여금 청구
|
|
- 구상금 청구
|
|
- 사해행위취소 청구
|
|
- 청구취지 작성 전략서 필수 포함 항목
|
|
- 날짜
|
|
- 금액
|
|
- 이자
|
|
- 동산/부동산 처리
|
|
- 원물반환/가액배상 원칙
|
|
|
|
자료추출 원천:
|
|
- BO.json
|
|
- Fact_Ledger.json
|
|
- evidence_indexed.json
|
|
|
|
교차검증 원천:
|
|
- client_meeting.md
|
|
- evidence_all.json.
|
|
|
|
원천정보: client_meeting.md / evidence_all.json
|
|
- 날짜
|
|
- 금액
|
|
- 이자
|
|
- 문서 종류
|
|
- 문서 내용에서 드러나는 특징: 금액, 등기소, 관공서, 등기번호 등
|
|
|
|
위 항목들을 BO.json/Fact_Ledger.json/evidence_indexed.json에 미리 반영
|
|
- 정보 항목들을 정의해 둘 것
|
|
- 정보 항목들을 추출하는 구조화된 방법(python code + LLM)을 정의할 것
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|