JETHRO 9.0

מערכת גילוי סתירות משפטית מבוססת AI

Legal Contradiction Detection System powered by AI

---

Overview

JETHRO 9.0 is a standalone contradiction detection service designed for legal document analysis. It identifies contradictions, inconsistencies, and discrepancies across multiple documents, and generates cross-examination questions.

Current release version is stored in VERSION.

Key Features

• Contradiction Detection - Temporal, quantitative, factual, and version contradictions
• Cross-Examination Generation - AI-powered question generation based on Hebrew legal playbooks
• Document Processing - PDF, DOCX, TXT with OCR support
• Multi-tenant Architecture - Firm, team, and case management
• Background Processing - Redis Queue for async document analysis
• LLM Integration - Optional enhancement with OpenRouter, DeepSeek, or Gemini

---

Quick Start

Option 1: Docker Compose (Recommended)

# Clone the repository
git clone https://github.com/smaster1234/jethro9.0.git
cd jethro9.0

# Copy environment file
cp .env.example .env

# Start all services
docker compose up -d

# Check status
docker compose ps

# View logs
docker compose logs -f web

Access the application at: http://localhost:8000

---

Golden Path (E2E, <10 דקות)

הסקריפט מריץ נתיב זהב מקצה לקצה (כולל העלאת מסמכים לדוגמה):

./scripts/golden_path.sh

ברירת מחדל משתמשת ב־backend_lite/fixtures/*.txt ובכתובת http://localhost:8000. ניתן להגדיר:

BASE_URL=http://localhost:8000 \
DOC1=backend_lite/fixtures/temporal_01.txt \
DOC2=backend_lite/fixtures/temporal_02.txt \
./scripts/golden_path.sh

הסקריפט מבצע:

1. docker compose up -d
2. הרשמה והפקת טוקן
3. יצירת תיק
4. העלאת מסמכים
5. הרצת ניתוח + המתנה לסיום
6. יצירת עד/גרסאות והפקת diff
7. יצירת תכנית חקירה וייצוא DOCX

הסקריפט מזהה אוטומטית docker compose או docker-compose.

טיפ: ניתן להצביע על מסמכי DOCX/PDF קיימים ע"י שינוי DOC1/DOC2.

---

Org Setup (B1) — משרדים, חברים ותפקידים

המערכת תומכת במשרדים (Organizations) עם תפקידים: viewer (קריאה בלבד), intern (הכנה ללא ייצוא), lawyer/owner (כולל ייצוא).

יצירת משרד וחברים

# יצירת משרד
POST /api/v1/orgs

# רשימת משרדים למשתמש הנוכחי
GET /api/v1/orgs

# הוספת משתמש קיים
POST /api/v1/orgs/{org_id}/members  (body: { user_id, role })

# הזמנה במייל
POST /api/v1/orgs/{org_id}/invites  (body: { email, role, expires_in_days })

# קבלת הזמנה
POST /api/v1/invites/{token}/accept

שיוך תיק למשרד

בשדה organization_id ביצירת תיק (POST /cases) או באמצעות ברירת מחדל אוטומטית.

---

Training Mode 2.0 (C1)

# התחלת אימון
POST /api/v1/cases/{case_id}/training/start
{ "plan_id": "...", "witness_id": "...", "persona": "cooperative" }

# תור אימון
POST /api/v1/training/{session_id}/turn
{ "step_id": "step-1", "chosen_branch": "לא זוכר" }

# חזרה צעד (מוגבל ל-2)
POST /api/v1/training/{session_id}/back

# סיום וסיכום
POST /api/v1/training/{session_id}/finish

---

Feedback Loop (C3)

תגיות משוב לשלב תובנות/צעדי תכנית:

• worked
• not_worked
• too_risky
• excellent

הצגה בממשק:

• “מעולה במשרד” אם excellent ≥ 2
• “מסוכן מדי” אם too_risky ≥ 2

Option 2: Local Development

# Create virtual environment
python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r backend_lite/requirements.txt

# Set environment variables
export DATABASE_URL=sqlite:///./dev.db
export REDIS_URL=redis://localhost:6379/0
export LLM_MODE=none

# Run the server
uvicorn backend_lite.api:app --reload --port 8000

אם docker compose לא זמין, ניתן להשתמש ב־docker-compose.

---

Architecture

jethro9.0/
├── backend_lite/           # Main application package
│   ├── api.py              # FastAPI endpoints
│   ├── detector.py         # Rule-based contradiction detection
│   ├── extractor.py        # Claim extraction
│   ├── cross_exam.py       # Cross-examination generation
│   ├── db/                 # Database models (SQLAlchemy)
│   ├── jobs/               # Background tasks (RQ)
│   ├── storage/            # File storage (Local/S3)
│   ├── ingest/             # Document parsing
│   ├── llm/                # LLM integration
│   └── frontend_build/     # Pre-built React UI
├── Dockerfile
├── docker-compose.yml
├── .env.example
└── README.md

---

API Endpoints

Core Analysis

Document Management

Authentication

Organizations & Training

Feedback Loop (C3)

---

Configuration

Environment Variables

---

DOCX Debug (CLI)

לבדיקה מהירה של DOCX ללא חשיפת טקסט:

python3 scripts/inspect_docx.py path/to/file.docx

LLM Configuration

For enhanced contradiction detection with AI:

# OpenRouter (recommended - access to multiple models)
LLM_MODE=openrouter
OPENROUTER_API_KEY=sk-or-v1-...

# Or DeepSeek
LLM_MODE=deepseek
DEEPSEEK_API_KEY=sk-...

# Or Gemini
LLM_MODE=gemini
GEMINI_API_KEY=...

---

Deployment

Railway

1. Connect your GitHub repository
2. Set Root Directory to / (or leave empty)
3. Add environment variables in Railway dashboard
4. Deploy!

For the worker service, create a second Railway service with:

• Same repository
• BACKEND_LITE_ROLE=worker

Docker

# Build image
docker build -t jethro9 .

# Run web server
docker run -d \
  -p 8000:8000 \
  -e DATABASE_URL=postgresql://... \
  -e REDIS_URL=redis://... \
  jethro9

# Run worker
docker run -d \
  -e DATABASE_URL=postgresql://... \
  -e REDIS_URL=redis://... \
  -e BACKEND_LITE_ROLE=worker \
  jethro9

---

Development

Running Tests

# Run all tests
pytest backend_lite/tests/ -v

# Run specific test
pytest backend_lite/tests/test_detector_rule_based.py -v

# With coverage
pytest backend_lite/tests/ --cov=backend_lite

Code Structure

• detector.py - Rule-based contradiction detection engine
• extractor.py - Claim extraction from Hebrew legal text
• cross_exam.py - Cross-examination question generation
• playbooks.yaml - Hebrew legal playbook templates
• schemas.py - Pydantic models for API

---

License

Proprietary - All rights reserved

---

Support

For issues and feature requests, please contact the development team.