citation-grounding-pl

Citation Grounding PL - mechaniczny weryfikator cytatu

Filozofia

Cytat niezweryfikowany mechanicznie = cytat zmyślony, dopóki nie udowodnisz inaczej.

Model językowy potrafi wygenerować fragment wyroku, który brzmi idealnie - sygnatura, ton, słownictwo sądu - a którego w orzeczeniu nigdy nie było. Dla kodu to drobny błąd. Dla opinii prawnej cytującej nieistniejący fragment SN to katastrofa zawodowa i ryzyko odpowiedzialności (art. 6 Prawa o adwokaturze, należyta staranność).

Zasada: weryfikacja jest mechaniczna, nie semantyczna. Nie pytamy modelu "czy ten cytat pasuje". Robimy string-match znormalizowanego cytatu wobec znormalizowanego źródła. Match albo go nie ma. Odwrotny ciężar dowodu - to cytat musi się znaleźć w źródle.

Kiedy odpalać

Zawsze przed wysłaniem do klienta / sądu:

• Opinia prawna lub memo cytujące orzecznictwo, ustawy, umowę
• Pismo procesowe powołujące fragmenty wyroków
• Każdy output LLM, który zawiera cytaty w cudzysłowie z dokumentu źródłowego

Nie wymaga weryfikacji:

• Parafraza bez cudzysłowu (ale oznacz ją jako parafrazę, nie cytat)
• Tekst bez powołań na źródła zewnętrzne

Workflow

1. Zbierz źródła - tekst dokumentu źródłowego musi być dostępny lokalnie:

   • Orzeczenia: pobierz przez saos-orzecznictwo / szukaj-orzeczen-v2
   • Akty EU: eu-sparql-search
   • Ustawy PL / umowy / pisma: dostarcza użytkownik (plik .txt/.md/.docx → markitdown)
   • Bez źródła nie ma weryfikacji - status cytatu = BRAK ŹRÓDŁA (czerwony), nie "prawdopodobnie ok".

2. Wyodrębnij cytaty - z weryfikowanego tekstu wyciągnij wszystkie fragmenty w cudzysłowie ("...", „...", »...«) przypisane do konkretnego źródła. Każdy cytat = jeden rekord z polem source (sygnatura / CELEX / nazwa pliku).

3. Weryfikacja mechaniczna - uruchom skrypt:

   node scripts/ground-citations.mjs <plik-zadania.json>
   

   Skrypt normalizuje cytat i źródło (patrz sekcja "Reguły normalizacji"), obsługuje wielokropki ([...] / ... = dozwolona luka), i zwraca status + offset trafienia.

4. Klasyfikuj wynik (skrypt robi to automatycznie):

   • 🟢 ZWERYFIKOWANY - znormalizowany cytat znaleziony w źródle (podaj offset)
   • 🟡 ZMODYFIKOWANY - znaleziony fragment różni się drobnie (interpunkcja, ucięcie) - pokaż diff
   • 🔴 NIEZWERYFIKOWANY - brak trafienia w źródle = potencjalna halucynacja, BLOKUJ
   • ⛔ BRAK ŹRÓDŁA - nie dostarczono dokumentu do porównania

5. Raport - zwróć tabelę (patrz sekcja "Raport"). Każdy 🔴 i ⛔ wymaga decyzji człowieka przed publikacją. Nigdy nie przepuszczaj 🔴 milcząco.

Reguły normalizacji (co robi skrypt)

Aby uniknąć fałszywych 🔴 z powodu kosmetyki, przed porównaniem skrypt:

• sprowadza do lowercase
• zwija wielokrotne białe znaki (spacje, taby, newline) do pojedynczej spacji
• ujednolica cudzysłowy („ " » « ' → ") i myślniki (— – → -)
• usuwa myślniki przenoszenia na końcu wiersza (praw-\nnik → prawnik)
• traktuje [...] oraz ... w cytacie jako "dozwolona luka" (dopasowanie częściowe po obu stronach luki)

Normalizacja NIE zmienia treści merytorycznej - jeśli słowo jest inne, to nadal 🔴.

Format zadania (input skryptu)

{
  "items": [
    {
      "id": "C1",
      "source_id": "II CSK 123/19",
      "source_text": "<pełny znormalizowany tekst orzeczenia>",
      "quote": "sąd związany jest granicami zaskarżenia"
    }
  ]
}

Raport (dla użytkownika)

## Raport grounding - <nazwa deliverable>

| ID | Źródło       | Status            | Offset / uwaga                       |
|----|--------------|-------------------|--------------------------------------|
| C1 | II CSK 123/19| 🟢 ZWERYFIKOWANY  | znak 4821                            |
| C2 | art. 233 KPC | 🟡 ZMODYFIKOWANY  | brak słowa "swobodnej" - patrz diff  |
| C3 | III CZP 5/21 | 🔴 NIEZWERYFIKOWANY| brak w źródle - BLOKADA publikacji  |
| C4 | umowa NDA    | ⛔ BRAK ŹRÓDŁA    | nie dostarczono dokumentu            |

Wynik: 1/4 zweryfikowane. 1 blokada (C3), 1 do uzupełnienia źródła (C4).
NIE publikuj dopóki C3 nie zostanie poprawione lub usunięte.

Ochrona danych (RODO)

• Skill działa w całości lokalnie - normalizacja i string-match w Node, bez wywołań sieciowych.
• Treść cytatów i źródeł nie opuszcza maszyny poza standardowym promptem do modelu (który i tak je widzi). Dla materiałów objętych tajemnicą zawodową: pseudonimizuj wcześniej przez let-it-be.
• Skrypt nie zapisuje logów poza katalogiem zadania.

Integracja z AI Act

Mechaniczny grounding to dowód należytej staranności i element dokumentacji z art. 12 (rejestrowanie zdarzeń) oraz nadzoru człowieka z art. 14. Raport grounding wkładaj do legal-ai-audit-bundle obok deliverable.

Atrybucja

Pattern (mechanical grounding verifier) zainspirowany przez AnttiHero/lavern (Apache 2.0, ADR-011 w blueprincie Patrona). Kod, prompty i reguły normalizacji napisane od zera pod polskie realia (cudzysłowy „...", sygnatury, CELEX). Nie skopiowano kodu ani promptów Lavern.