RAG 기반 계약서 리스크 분석 시스템

개요

이 프로젝트는 계약서를 조항 단위로 정규화한 뒤, 사전 구축한 레퍼런스(참조 스니펫)와의 유사도 검색(RAG)을 거쳐 LLM으로 위험 신호를 진단하고 개선문을 제안하는 시스템입니다.
최종 응답은 조항별 리스크 등급/점수, 권장안, 개정문 및 diff 하이라이트, 전체 요약을 포함합니다.

아키텍처 개요

• Normalizer: 원문을 조항 단위로 분리·정규화.
• Retriever (Qdrant): 임베딩 기반 유사도 검색으로 관련 레퍼런스 스니펫 제공.
• Audit Orchestrator (Gemini): 카테고리별 점검 → 점수/등급 보정 및 병합 → 조항 리스크 산출.
• Rewriter: 실질적 권장안이 있을 때, 개정문 생성, diff span 산출.
• Summarizer: 전체 요약 및 리포트 텍스트 생성.
• API (FastAPI): JSON/Markdown/Plain 응답, 파일 업로드/생텍스트 분석 지원.

주요 기능

• 조항 분리 및 전처리/정규화
• Qdrant 기반 벡터 검색(RAG): 유사 레퍼런스 스니펫 검색
• 카테고리별 LLM 점검 및 근거 취합: 트리거/인용/설명 근거 반영
• 점수/등급 산출 및 보정: 중립 구간(40~60) 당김, 에비던스 기반 가중
• 개정문 생성 + diff 하이라이트
• Overall 집계: 상위 점수 일부 가중 평균 후 감쇠
• 검색 API: 유사 스니펫 조회

기술 스택

• Python 3.11+
• FastAPI (REST API)
• Qdrant (Vector DB)
• Embeddings: Hugging Face kakao1513/KURE-legal-ft-v1
• LLM: Google Gemini
• Pandas(CSV ingest), Jinja2(프롬프트 템플릿)