ContextGem

ContextGem divide el trabajo en dos. Los Aspectos localizan secciones enteras, como cláusulas de rescisión o condiciones de pago, mientras que los Conceptos sacan los datos concretos que hay dentro, como una cuota mensual o una fecha de vencimiento. Ese diseño en dos etapas mantiene la extracción enfocada: acotas la parte correcta del documento antes de pedir el detalle fino, y eso da resultados más precisos en archivos largos y deja los datos estructurados más limpios.

La biblioteca trae siete tipos de concepto: texto, booleano, numérico, fecha, valoración, objeto JSON y etiqueta. Cada uno corresponde a un tipo de respuesta, así que un concepto de valoración espera un número dentro de una escala y uno de etiqueta elige de una lista que tú fijas. Usar conceptos tipados hace que la salida llegue con la forma que necesitas, en lugar de un bloque de texto que parseas a mano.

Cada valor extraído conserva un enlace al texto de origen. Los elementos llevan referencias a párrafos por defecto, y puedes cambiar reference_depth a frases para un seguimiento más fino. Cuando una cifra parece mal en una revisión, saltas directo a las líneas que la respaldan en vez de buscar por todo el documento. También hay justificaciones, para que el modelo explique por qué eligió cada elemento.

Una canalización de extracción LLM agrupa aspectos y conceptos en una configuración reutilizable y serializable. La defines una vez, la guardas y la aplicas a documentos nuevos con la misma estructura. La concurrencia, los reintentos y el seguimiento de uso entre proveedores vienen de serie, así que un lote de archivos se ejecuta sin que gestiones el bucle tú mismo. La serialización permite mover una canalización entre máquinas o guardarla como un artefacto con versión.

ContextGem conecta con cualquier modelo que soporte LiteLLM, lo que cubre OpenAI, Anthropic, Google, Azure y xAI, además de modelos locales con Ollama y LM Studio. Ese abanico te deja elegir un modelo rápido y barato para extracciones simples y uno de razonamiento para cláusulas complicadas. Ejecutar en local mantiene los documentos sensibles en tu propio hardware, algo que importa en trabajo legal y médico.

Puedes pedir al modelo que explique cada extracción, con justificaciones breves, equilibradas o detalladas, y un tope de frases. También puedes adjuntar ejemplos para calibrar el modelo en tu tipo de documento antes de que corra. Ambas funciones apuntan a la precisión: los ejemplos enseñan el patrón y las justificaciones te dejan auditar la salida en vez de confiar a ciegas.