LeIA

Entender antes de assinar. LeIA pega o documento jurídico que a pessoa recebeu, explica em português simples com o trecho original sempre ao lado, responde dúvidas apenas com o que está escrito ali, confere se ela entendeu e emite um comprovante verificável desse entendimento. Um advogado revisa e libera antes de o link chegar ao cidadão.

Hoje fica registrado que a pessoa recebeu o documento. Não fica registrado que ela entendeu.

A plataforma não presta consultoria, não interpreta o caso concreto e não substitui o advogado. Os limites estão escritos em docs/POSITIONING.md e aparecem na própria interface.

O que o sistema faz

1. Entrada. O documento entra pela conta do advogado ou pela conta do próprio cidadão. Um pipeline de 14 tarefas lê o PDF, separa as cláusulas e escreve a explicação, sempre com o trecho literal que a sustenta.
2. Revisão humana. Quando quem enviou é advogado, nada chega ao cidadão antes da aprovação dele.
3. Leitura. O cidadão percorre um tópico por vez, ouve o texto se quiser e pergunta o que não entendeu. A resposta cita o trecho; pergunta fora do documento recebe recusa explícita.
4. Conferência. Perguntas de compreensão com correção por rubrica, número de tentativas limitado, e ponto a rever quando erra.
5. Comprovante. JSON canônico, SHA-256 e carimbo de tempo por OpenTimestamps. O comprovante traz um QR para conferência por terceiro. Nenhum dado pessoal vai para o registro público.

Demonstração

O quê	Onde
Aplicação	https://leia-snowy.vercel.app
Documentação navegável	https://leia-snowy.vercel.app/docs
Serviço cognitivo	https://llm-service-production-4278.up.railway.app

Em "Ver um exemplo" a jornada roda sobre uma tarefa real, processada pelo pipeline a partir de examples/contrato-honorarios-exemplo.pdf, que é um contrato fictício.

Arquitetura

apps/web            Next.js 16 · React 19 · Tailwind 4 · PWA instalável
  app/                telas da cidadã, painel do advogado, comprovante, verificação pública, docs
  components/         primitivas de interface e componentes de jornada
  lib/                cliente da API, markdown das docs, espelho do registro em TypeScript

apps/llm-service    FastAPI · SQLModel · Postgres · Groq (openai/gpt-oss-120b)
  leia/               API v3: contas, documentos, dúvidas, registro público e carimbo
  core/               banco, autenticação, tentativas, workspace, PDF do comprovante
  protocolo_pdf.json  pipeline declarativo de 14 tarefas
  mock/               serviço falso, roda a interface inteira sem chave de modelo

O navegador fala só com o app, e o app fala com o serviço. Quem faz a ponte são as rotas em app/api/*, que encaminham para o endereço em SERVICE_URL ou respondem pelo mock interno quando não há serviço configurado. É esse desenho que permite a sessão viver num cookie que script de página não alcança, porque cookie não atravessa origens. O contrato entre os dois está em docs/API-V3-CONTRACT.md; os diagramas de caso de uso e de sequência, em docs/USE-CASES.md; as decisões e o fluxo de dados, em docs/ARCHITECTURE.md.

Como rodar

Pré-requisitos: Node 24 com pnpm 9, Python 3.12. Nada mais é obrigatório para ver a interface inteira.

Só a interface, sem chave de modelo

git clone https://github.com/deegalabs/leia.git && cd leia/apps/web
pnpm install
pnpm dev                     # http://localhost:3000, usando o mock interno

Sistema completo

# 1. serviço cognitivo
cd apps/llm-service
python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env         # preencha GROQ_API_KEY e ADMIN_PASSWORD
set -a; . ./.env; set +a
uvicorn main:app --port 8000

# 2. aplicação, em outro terminal
cd apps/web
printf 'SERVICE_URL=http://localhost:8000\n' > .env.local
pnpm install && pnpm dev

Sem chave da Groq, troque o serviço pelo mock: uvicorn mock.app:app --port 8000. Detalhes de cada lado em apps/llm-service/README.md e apps/web/README.md.

Testes

cd apps/llm-service && .venv/bin/python -m pytest -q
cd apps/llm-service && .venv/bin/python -m evals.run   # bateria de avaliação do motor
cd apps/web && pnpm test && pnpm lint && pnpm build

A bateria mede o que o motor promete, sobre casos gravados de tarefas reais, sem chave de modelo. O que ela mede e o que ela deliberadamente não mede está em apps/llm-service/evals/README.md.

Os mesmos comandos rodam na integração contínua a cada pull request.

Como contribuir

O caminho é sempre issue, branch, pull request. Ninguém escreve direto na main.

1. Abra uma issue com um dos modelos (erro, melhoria) e espere a issue ser aceita antes de escrever código.
2. Crie a branch a partir da main, nomeada pelo tipo e pelo número da issue: fix/123-nome-curto, feat/124-nome-curto, docs/125-nome-curto.
3. Escreva o teste antes da correção. O teste precisa falhar por causa do problema, e só então o código muda. Um teste que já nasce passando não prova nada.
4. Commits em inglês, no padrão Conventional Commits, escopo no nome do app: fix(web): ..., feat(service): ..., docs: ....
5. Abra o pull request apontando a issue que ele fecha. A integração contínua roda sozinha e a Vercel publica uma prévia da aplicação.
6. O merge exige uma aprovação e a integração contínua verde. Depois do merge na main, a aplicação e o serviço sobem em produção automaticamente.

O guia completo, com a divisão de pastas e o que nunca entra no repositório, está em docs/CONTRIBUTING.md.

Regras que valem para todo mundo

• Interface e documentação em português simples, sem juridiquês e sem travessão. Código, identificadores e commits em inglês.
• Nenhum dado pessoal real em examples/ ou evidence/. Chave de API nunca entra no repositório, só em variável de ambiente.
• Nenhuma afirmação sobre o documento sem o trecho literal que a sustenta.
• Arquivo gerado pela plataforma não carrega metadado de ferramenta.

Configuração do repositório

Item	Como está
Branch de produção	main, protegida: pull request obrigatório, uma aprovação, CI verde, sem force push
Integração contínua	.github/workflows/ci.yml, testes do serviço e do app em todo pull request
Aplicação	Vercel, projeto leia, diretório raiz apps/web, produção na main, prévia por pull request
Serviço	Railway, projeto leia, serviço llm-service, diretório raiz apps/llm-service, deploy na main
Sinal de vida	GET /health no serviço, é ele que autoriza a versão nova a assumir
Segredos	variáveis de ambiente nas duas plataformas, nunca no repositório, modelo em .env.example

Documentação

Documento	Assunto
docs/POSITIONING.md	Posicionamento, limites da IA, papel do advogado
docs/ARCHITECTURE.md	Componentes, fluxo de dados, decisões
docs/USE-CASES.md	Personas, casos de uso e diagramas de sequência
docs/API-V3-CONTRACT.md	Contrato entre a aplicação e o serviço
docs/SERVICE-V2-MAP.md	Mapa do serviço: rotas, dados, workflow, variáveis
docs/SCREENS.md	Telas e estados
docs/DOCUMENT-TYPES.md	Estrutura de cada tipo de peça e onde o motor costuma falhar
docs/AUDIT-GUIDE.md	Como auditar uma afirmação e conferir um registro
docs/SCALING.md	Escala para 1, 100 e 1.000 pessoas e custo por consentimento
docs/ROADMAP.md	Para onde o produto vai
docs/STATUS.md	O que está pronto e o que não está
docs/brand/README.md	Logo, paleta e contraste medido
prompts/README.md	Política de prompts do produto

Conferir um registro sem depender do serviço: scripts/verify_cli.py registro.json <hash>.

Origem e licença

Nasceu no Hackathon da Cidadania OAB-PR, 6ª edição, Curitiba, 12 e 13 de setembro de 2026, na categoria Inovação Aberta e Cidadania. Mantido pela Deega Labs. Licença MIT.