A stack por trás da Jurid IA.

Camada de modelos

Trabalhamos com modelos de diferentes provedores porque cada um se sai melhor em um tipo de tarefa: textos longos, síntese, leitura de muitos documentos, pesquisa com fontes ou respostas rápidas.

Parte do acesso passa por agregadores como o OpenRouter, o que nos dá flexibilidade para trocar ou adicionar modelos sem mudar a experiência do advogado.

• Claude (Anthropic): raciocínio cuidadoso e textos longos.
• OpenAI (GPT e Codex): estrutura, síntese e tarefas técnicas.
• Gemini (Google): contexto amplo e muitos documentos.
• Llama (Meta) e Grok: agilidade em tarefas simples.
• Perplexity: pesquisa com fontes atualizadas.

Memória e busca semântica

Documentos e conversas de um caso precisam ser encontrados pelo sentido, não só por palavra exata. Para isso usamos um banco vetorial, o Qdrant, que guarda representações numéricas (embeddings) dos trechos e permite buscar o que é relevante para cada pergunta.

Os dados estruturados, como clientes, espaços, prazos e lançamentos financeiros, ficam em banco relacional PostgreSQL.

Aplicação e infraestrutura

A aplicação é escrita em TypeScript, com Node.js no servidor e React na interface. Os serviços são empacotados em contêineres Docker, o que facilita reproduzir ambientes e atualizar componentes isoladamente.

Usamos infraestrutura de nuvem de mercado, como AWS e Oracle, e acompanhamos o ecossistema de empresas como IBM para escolher componentes maduros.

A camada que é nossa

O diferencial não está em um modelo específico, e sim no que fica em volta dele: os espaços por cliente, os agentes especializados com método próprio, a orquestração que escolhe e confere modelos e as instruções pensadas para o Direito brasileiro.