README.md

metadata

license: mit
language:
  - pt
tags:
  - multi-agent-system
  - legal-tech
  - json
configs:
  - config_name: agents
    data_files: agents/*.json
  - config_name: agents_e
    data_files: especialista/direito/*.json
  - config_name: feedback_data
    data_files: data/*.json
  - config_name: manifest
    data_files: protocols/*.json

IZAAC: Dataset de Configuração para um Ecossistema de Agentes Jurídicos de IA

Resumo do Dataset

Este repositório contém o conjunto completo de dados de configuração para o IZAAC, um ecossistema de agentes de IA especializados em tarefas jurídicas. O dataset é dividido em três configurações (tabelas) separadas, cada uma servindo a um propósito específico:

1. agents: As definições completas de cada agente especialista e protocolo multi-etapas. Carrega arquivos dos diretórios agents/ (agentes de função única) e especialista/direito/ (protocolos multi-agente).
2. feedback_data: A estrutura para coletar dados de feedback para o aprimoramento contínuo de cada agente.
3. manifest: Um manifesto central que lista todos os protocolos disponíveis.

Estrutura dos Dados

Este dataset possui 3 configurações.

Configuração: agents

Contém as definições de todos os agentes e protocolos.

• Detalhes: Um objeto contendo a Persona e o Resumo da Missao do agente/protocolo.
• Agentes: Uma lista de objetos, onde cada objeto é um agente (ou uma etapa de um protocolo) com seus parâmetros.

Configuração: feedback_data

Contém os caminhos para os dados de feedback de cada agente.

• agent_path: String com o caminho para o arquivo de definição do agente correspondente.
• positive_data: Uma lista para armazenar exemplos de execuções bem-sucedidas.
• negative_data: Uma lista para armazenar exemplos de execuções mal-sucedidas.

Configuração: manifest

Contém o manifesto de protocolos.

• versao_manifesto: String da versão do manifesto.
• descricao: Descrição do propósito do manifesto.
• protocolos_disponiveis: Uma lista de objetos que descrevem cada protocolo.

Uso

Para carregar o dataset completo com todas as configurações, use o seguinte código:

from datasets import load_dataset

# Substitua 'caarleexx/izaac_data' pelo seu nome de usuário/dataset no Hub
repo_id = "caarleexx/izaac_data"

# Carrega todas as configurações em um DatasetDict
izaac_dataset_dict = load_dataset(repo_id)
print(izaac_dataset_dict)
# Saída esperada:
# DatasetDict({
#     agents: Dataset(...)
#     feedback_data: Dataset(...)
#     manifest: Dataset(...)
# })

# Para carregar uma configuração específica
agents_table = load_dataset(repo_id, name="agents", split="train")
print(agents_table)