AI导哈

法律概念瓶颈分析工具

一个专门用于西班牙美洲司法管辖区法律推理的小型概念模型，通过24维法律原则空间进行确定性分析。

  • by adrianlerer
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 adrianlerer/omnibrain-mcp

使用说明

SCM法律概念瓶颈

概念验证 --小概念模型应用于西班牙裔美国司法管辖区的法律推理。

“与其预测下一个令牌，不如强迫模型回答：这篇文章激活了哪些法律原则，有多强？”

理论背景

该存储库实现了以下核心架构思想：

莱勒，I.A.（2025）。 小概念模型：西班牙裔美国司法管辖区法律人工智能的专业框架.SSRN 5555478。 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5555478

该框架直接借鉴了：

Barrault等人（2024）。 大概念模型：句子表示空间中的语言建模元公平。 https://arxiv.org/abs/2412.08821

核心思想

标准LLM在 令牌空间：一个约100000维的词汇表，其中每个正向传递通过统计模式匹配预测下一个令牌。这会产生流畅的文本，但会使推理变得不透明和不确定——对同一法律问题进行两次运行可能会产生相互矛盾的答案。

该系统在以下情况下运行 概念空间世界法律原则的24维空间。每一份法律文本都基于这一固定基础。输出不是散文，而是[0,1]²中的分数向量⁴ — 完全可审计，跨文档可比，可复制。

Token Space (LLM):    "El contrato..." → [token₁, token₂, ...] → fluent text (stochastic)
Concept Space (SCM):  "El contrato..." → [AbusoDerecho: 0.91, BuenaFe: 0.12, ...] (deterministic)

这类似于LCM（Barrault等人，2024）在句子嵌入空间而不是单词级标记空间中的操作方式——通过更高层次的抽象推理实现跨语言泛化。SCM将同样的见解应用于法律推理：概念，而不是符号，是法律分析的正确单位。

24项普遍法律原则（勒勒架构）

# 原理 领域
1 合法性 宪法
2 Igualdad 宪法
3 尊严人权 宪法
4 等级制度 宪法
5 布埃纳菲 民用/商用
6 合法企业 民事/行政
7.诺达纳尔。民事。
8 刑事诉讼 行政/刑事诉讼
9 公平 民商
10 AbusoDerecho 民事/商事
11 责任 民商
12 Noenriquecimentosincausa 平民
13 团结 社会/劳工
14 正当程序 程序
15 预防接种 刑事/行政
16 不溯及既往 宪法
17 InDubioProHomine 人权
18 自治自愿 民用/商用
19 PactaSuntServanda 民用/商用
20 Integridad 道德/专业
21 TratoDigno 劳动力/消费者
22 广告 行政
23 动议 行政/司法
24 TutelaJudicial Efectiva 程序

建筑

Input text
    │
    ▼
┌─────────────────────────────────────────┐
│         Concept Bottleneck              │
│  GPT-4o + Zod Structured Outputs        │
│  Triple-run consensus (3x parallel)     │
│  Output: vector ∈ [0,1]²⁴              │
└─────────────────────────────────────────┘
    │
    ├── principles_scores: { AbusoDerecho: 0.91, BuenaFe: 0.12, ... }
    ├── confidence_score: 0.87
    ├── confidence_spread: { AbusoDerecho: 0.03, ... }  ← inter-run variance
    ├── summary: "factual summary"
    └── schema_version: "2.1.0"

三重运行共识：每次评估并行运行三次对GPT-4o的独立调用，并对得分进行平均。这 confidence_spread field报告了三次运行中每个原则的最大最小范围。点差>0.15表示评估文本中的语义不稳定。

MCP集成：该引擎作为MCP（模型上下文协议）工具公开，允许Claude Desktop或Cursor在生成任何法律分析之前调用它——将LLM的推理锚定在基于原则的输出中，而不是自由的统计生成中。

快速开始

需求

  • Node.js>=18
  • 可访问的OpenAI API密钥 gpt-4o

安装

git clone https://github.com/adrianlerer/omnibrain-mcp.git
cd omnibrain-mcp
npm install
cp .env.example .env       # Add your OPENAI_API_KEY

运行演示（不需要Claude）

npm run demo

预期产量：

Active principles (score >= 0.3):
  AbusoDerecho                 ████████████████████ 0.912  spread=0.021
  DebidoProceso                ██████████████░░░░░░ 0.731  spread=0.043
  TutelaJudicialEfectiva       █████████░░░░░░░░░░░ 0.448  spread=0.089
  Proporcionalidad             ████░░░░░░░░░░░░░░░░ 0.221  spread=0.034

Summary: The clause forces the counterparty to waive due process rights...
Global confidence: 0.841
Schema version: 2.1.0

构建并连接到Claude Desktop

npm run build

添加到您的Claude桌面配置(~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "scm-legal": {
      "command": "node",
      "args": ["/absolute/path/to/omnibrain-mcp/dist/index.js"],
      "env": {
        "OPENAI_API_KEY": "<your-key>"
      }
    }
  }
}

然后问克劳德： “使用SCM概念瓶颈评估此合同条款。”

与OmniBrain的关系

此存储库是 纯SCM引擎：仅概念提取，无持久性。

完整的系统——包括矢量存储（pgvector/Supabase）、批量文档索引器和按原则分数的混合检索——位于：

这种分离是有意的：概念瓶颈是一个独立的推理层。OmniBrain是消耗它的记忆层。

引用这项工作

@article{lerer2025scm,
  title     = {Small Concept Models: A Specialized Framework for
               Legal AI in Hispanic-American Jurisdictions},
  author    = {Lerer, Ignacio Adrián},
  year      = {2025},
  month     = {10},
  journal   = {SSRN},
  note      = {SSRN 5555478},
  url       = {https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5555478}
}

许可证

麻省理工学院——见 许可证.

相关 MCP