Jurist | RAG pipeline, with citations you can trust.

Het probleem

Juridische AI hallucineert. Ze verzint wetsartikelen, parafraseert uitspraken in de verkeerde richting en citeert zaken die niet bestaan. Voor huurkwesties — uitzetting, borg, reparaties — zijn dat fouten die mensen geld of een woning kosten. Een algemene LLM is niet te vertrouwen, en elke uitvoer handmatig verifiëren ondermijnt het hele idee.

Wat ik heb gebouwd

1. 01Vijf sequentiële async-generator agents — decomposer, wetretriever, jurisprudentieretriever, synthesizer, validator — georkestreerd zonder frameworkafhankelijkheden
2. 02Een kennisgrafiek van 218 knooppunten van het Burgerlijk Wetboek, doorlopen door een Sonnet-agent voor wetretrieval
3. 03Lokale bge-m3-embeddings over ~49K jurisprudentie-chunks in LanceDB, waarbij Haiku de topkandidaten herrangschikt
4. 04Synthese met enum-gebonden citaattokens — elke bewering moet verwijzen naar een echt artikel-ID of ECLI
5. 05Streamingpijplijn: getypeerde TraceEvents stromen via SSE naar een React-UI die de kennisgrafiek en tokens in realtime animeert

Tech stack

• Python
• ·FastAPI
• ·React
• ·Anthropic
• ·LanceDB
• ·Multi-agent pipeline

Wat ik heb geleerd

Citaatnauwkeurigheid is een architectuurprobleem, geen promptprobleem. Het werk verdelen over kleine agents met één doel en de uitvoer van elk structureel verifieerbaar maken brengt je verder dan één grote prompt met strengere instructies.