Mini Console Legal (OpenRouter + Llama 3.3) — Classificador de mensagens jurídicas

Este projeto é um mini console interativo em Jupyter Notebook para classificar mensagens típicas de um escritório (estilo WhatsApp) usando uma LLM via OpenRouter.

Você digita uma mensagem e o notebook devolve um JSON enxuto com:

• classe: Processual | Financeiro | Comercial | Invalida
• justificativa: explicação curta do porquê aquela classe foi escolhida

Eu mantive a saída intencionalmente minimalista pra ficar direta e fácil de integrar em pipeline.

---

Por que isso existe

Em escritórios e departamentos jurídicos, chegam mensagens o tempo todo e nem tudo é “pesquisa jurídica”. Esse console faz a triagem inicial, separando o que é:

• Processual: prazos, intimações, audiências, andamento, petições, movimentações
• Financeiro: honorários, boletos, pagamentos, parcelamento, nota fiscal, custos
• Comercial: proposta, contratação, contrato, escopo, agendamento de reunião
• Invalida: mensagem sem conteúdo útil (vazia, só emoji, “kkkk”, ponto, etc.)

---

Saída (JSON)

Exemplo:

{
  "classe": "Financeiro",
  "justificativa": "A mensagem pergunta sobre percentual de honorários, indicando tema de pagamento/valores."
}

---

Estrutura do projeto

• Code.ipynb
  Notebook principal com:

  • leitura da chave do .env
  • chamada à API do OpenRouter
  • prompt com contrato de JSON mínimo
  • exemplos (few-shot) para estabilizar a classificação
  • parse robusto e validações
  • modo interativo (console)

  Arquivo com a chave do OpenRouter (não deve ser versionado).

---

Requisitos

• Python 3.10+ (funciona em 3.11/3.12 também)
• Jupyter Notebook ou JupyterLab
• Bibliotecas:
  • requests
  • python-dotenv

Instalação:

pip install requests python-dotenv

Nota para revisão (chave temporária)

Para facilitar revisão, foi disponibilizada uma chave temporária com limite de US$0 (sem custo) válida por até 7 dias.

---

Como rodar

1. Entre na pasta do projeto:

cd "/caminho/do/projeto"

2. Rode o Jupyter:

jupyter notebook

3. Abra Code.ipynb e execute as células.

4. Quando o console iniciar, digite mensagens e veja o JSON retornar.

Para sair: sair

---

Exemplos para testar rápido

Processual

• saiu intimação no proc 1234? qual o prazo?

Financeiro

• os honorários ficam em 20 por cento?

Comercial

• vocês atendem contrato mensal? manda proposta

Invalida

• 🤔
• kkkkk
• .

---

Como o pipeline funciona (explicação curta)

1. Entrada: você digita uma mensagem
2. Prompt: o modelo é instruído a:
   • escolher uma classe entre as quatro
   • escrever uma justificativa curta
   • responder somente JSON
3. Chamada: o notebook envia system + user para o endpoint de chat completions do OpenRouter
4. Parse: tenta json.loads; se vier texto a mais, extrai o bloco {...}
5. Validação:
   • garante que classe está nas categorias permitidas
   • garante que justificativa é texto
6. Saída: imprime o JSON final no console

---

Próximos passos (se eu fosse evoluir)

• log em .jsonl com timestamp
• modo “batch” (lista de mensagens)
• API local (FastAPI) para integração com frontend
• RAG para respostas com base documental (quando houver corpus)