""" Legalify × CULTIVA IA — Subagentes locales con LM Studio

Sistema de 3 subagentes especializados para procesar ~800 contratos/mes sin coste de API. Ahorro estimado: 180 €/mes vs GPT-4.

Dependencias: pip install openai Requisito: LM Studio corriendo en http://localhost:1234 con Llama-3.1-8B-Instruct-Q4_K_M cargado. """

import asyncio import json from dataclasses import dataclass, field from datetime import datetime from openai import AsyncOpenAI

── Configuración ──────────────────────────────────────────────────────────────

LM_STUDIO_URL = "http://localhost:1234/v1" LM_STUDIO_KEY = "lm-studio" # LM Studio acepta cualquier string MODEL_ID = "loaded-model" # LM Studio usa el modelo activo, ignora este valor MAX_CONCURRENT = 2 # LM Studio procesa 1-2 peticiones en paralelo

client = AsyncOpenAI(base_url=LM_STUDIO_URL, api_key=LM_STUDIO_KEY)

── Clase base LocalSubagent ───────────────────────────────────────────────────

class LocalSubagent: """ Subagente genérico sobre LM Studio. Cada subagente especializado hereda de aquí y sobreescribe SYSTEM_PROMPT. """ SYSTEM_PROMPT: str = "Eres un asistente útil." TEMPERATURE: float = 0.2 MAX_TOKENS: int = 512

def __init__(self, semaphore: asyncio.Semaphore):
    self._sem = semaphore

async def run(self, user_input: str) -> str:
    async with self._sem:
        resp = await client.chat.completions.create(
            model=MODEL_ID,
            messages=[
                {"role": "system",  "content": self.SYSTEM_PROMPT},
                {"role": "user",    "content": user_input},
            ],
            temperature=self.TEMPERATURE,
            max_tokens=self.MAX_TOKENS,
        )
    return resp.choices[0].message.content.strip()

── Subagente 1: Clasificador de contratos ────────────────────────────────────

class ClasificadorAgente(LocalSubagent): """ Clasifica un contrato en una de las categorías predefinidas. temperature=0.0 para máxima determinismo. """ SYSTEM_PROMPT = ( "Eres un clasificador legal experto en contratos españoles. " "Analiza el texto del contrato y responde SOLO con una de estas categorías exactas, " "sin explicación ni puntuación adicional:\n" "arrendamiento | servicios | nda | laboral | otro" ) TEMPERATURE = 0.0 MAX_TOKENS = 20

── Subagente 2: Extractor de entidades ───────────────────────────────────────

class ExtractorAgente(LocalSubagent): """ Extrae partes, fecha de firma y cuantía principal del contrato. Devuelve JSON válido. """ SYSTEM_PROMPT = ( "Eres un extractor de datos legales. " "Del texto del contrato extrae exactamente estos campos y devuelve SOLO JSON, " "sin markdown ni texto adicional:\n" '{"parte_a": "", "parte_b": "", "fecha_firma": "YYYY-MM-DD o null", ' '"cuantia_eur": null_o_numero, "objeto": ""}' ) TEMPERATURE = 0.0 MAX_TOKENS = 256

── Subagente 3: Generador de resúmenes ejecutivos ────────────────────────────

class ResumenAgente(LocalSubagent): """ Genera un resumen ejecutivo de UNA frase (<20 palabras). """ SYSTEM_PROMPT = ( "Eres un analista jurídico senior. " "Resume el contrato en UNA frase de máximo 20 palabras, en español, " "indicando tipo de relación, partes y plazo/cuantía principal si consta." ) TEMPERATURE = 0.3 MAX_TOKENS = 80

── Orquestador principal ──────────────────────────────────────────────────────

@dataclass class ResultadoContrato: filename: str categoria: str = "" entidades: dict = field(default_factory=dict) resumen: str = "" error: str = "" duracion_ms: float = 0.0

async def procesar_contrato( filename: str, texto: str, clasificador: ClasificadorAgente, extractor: ExtractorAgente, resumen_ag: ResumenAgente, ) -> ResultadoContrato: """Procesa un contrato con los 3 subagentes en paralelo.""" inicio = datetime.now() resultado = ResultadoContrato(filename=filename)

try:
    # Los 3 subagentes se lanzan en paralelo (comparten el semáforo)
    categoria_raw, entidades_raw, resumen_raw = await asyncio.gather(
        clasificador.run(texto),
        extractor.run(texto),
        resumen_ag.run(texto),
    )

    resultado.categoria = categoria_raw.lower().strip()

    try:
        resultado.entidades = json.loads(entidades_raw)
    except json.JSONDecodeError:
        resultado.entidades = {"raw": entidades_raw}

    resultado.resumen = resumen_raw

except Exception as exc:
    resultado.error = str(exc)

resultado.duracion_ms = (datetime.now() - inicio).total_seconds() * 1000
return resultado

async def batch_procesar( contratos: list[dict], # [{"filename": "...", "texto": "..."}] max_concurrent: int = MAX_CONCURRENT, ) -> list[ResultadoContrato]: """Procesa un lote de contratos de forma asíncrona.""" sem = asyncio.Semaphore(max_concurrent) clasificador = ClasificadorAgente(sem) extractor = ExtractorAgente(sem) resumen_ag = ResumenAgente(sem)

tareas = [
    procesar_contrato(c["filename"], c["texto"], clasificador, extractor, resumen_ag)
    for c in contratos
]
return await asyncio.gather(*tareas)

── Datos de muestra (simulan 10 contratos reales de Legalify) ─────────────────

CONTRATOS_MUESTRA = [ { "filename": "contrato_001_arrendamiento.txt", "texto": ( "CONTRATO DE ARRENDAMIENTO DE LOCAL COMERCIAL\n" "En Madrid, a 3 de enero de 2026.\n" "REUNIDOS: De una parte, Inversiones Rueda S.L. (arrendador), con CIF B-12345678, " "representada por D. Carlos Rueda. De otra, Legalify Technologies S.L. (arrendatario), " "con CIF B-87654321, representada por Dña. Ana Martínez.\n" "OBJETO: Arrendamiento del local sito en Calle Gran Vía 42, Madrid, 120 m².\n" "PRECIO: 2.400 €/mes, pagaderos los 5 primeros días de cada mes.\n" "DURACIÓN: 3 años desde el 1 de febrero de 2026." ), }, { "filename": "contrato_002_nda.txt", "texto": ( "ACUERDO DE CONFIDENCIALIDAD (NDA)\n" "Entre Legalify Technologies S.L. y SoftVenture Partners S.A., " "firmado el 15 de febrero de 2026 en Barcelona.\n" "Las partes se comprometen a no divulgar información confidencial " "intercambiada durante las negociaciones de adquisición de tecnología. " "Vigencia: 2 años. Sin contraprestación económica." ), }, { "filename": "contrato_003_servicios.txt", "texto": ( "CONTRATO DE PRESTACIÓN DE SERVICIOS TECNOLÓGICOS\n" "Celebrado en Sevilla el 20 de marzo de 2026.\n" "PROVEEDOR: DataStream S.L., CIF B-11223344.\n" "CLIENTE: Legalify Technologies S.L., CIF B-87654321.\n" "OBJETO: Desarrollo e integración de API OCR para extracción automática de texto en PDF.\n" "IMPORTE: 18.500 € + IVA, pagaderos en 3 hitos.\n" "PLAZO DE EJECUCIÓN: 4 meses desde la firma." ), }, { "filename": "contrato_004_laboral.txt", "texto": ( "CONTRATO DE TRABAJO INDEFINIDO A TIEMPO COMPLETO\n" "En Madrid, 1 de abril de 2026.\n" "EMPRESA: Legalify Technologies S.L.\n" "TRABAJADOR: D. Pablo García Fernández, DNI 12345678-Z.\n" "PUESTO: Desarrollador Full-Stack Senior.\n" "SALARIO BRUTO ANUAL: 52.000 €, en 12 pagas.\n" "JORNADA: 40 horas semanales. Convenio colectivo: TIC 2024." ), }, { "filename": "contrato_005_servicios_marketing.txt", "texto": ( "CONTRATO DE SERVICIOS DE MARKETING DIGITAL\n" "Madrid, 5 de mayo de 2026.\n" "ENTRE: CULTIVA IA S.L.U. (proveedor) y Legalify Technologies S.L. (cliente).\n" "OBJETO: Gestión mensual de campañas Google Ads, SEO y contenidos para captación B2B.\n" "RETAINER MENSUAL: 1.500 € + IVA.\n" "DURACIÓN: 6 meses, renovable automáticamente." ), }, { "filename": "contrato_006_arrendamiento_nave.txt", "texto": ( "ARRENDAMIENTO DE NAVE INDUSTRIAL\n" "Getafe (Madrid), 10 de enero de 2026.\n" "ARRENDADOR: Patrimonios Getafe S.A., representada por Dña. Rosa Blanco.\n" "ARRENDATARIO: LogiTech Express S.L.\n" "INMUEBLE: Nave 7B, Polígono Industrial Las Dehesas, 850 m².\n" "RENTA: 3.200 €/mes. FIANZA: 2 mensualidades. PLAZO: 5 años." ), }, { "filename": "contrato_007_nda_bilateral.txt", "texto": ( "NON-DISCLOSURE AGREEMENT (BILATERAL)\n" "Signed in Valencia on February 28, 2026.\n" "Between: OpenLex AI S.L. and Legalify Technologies S.L.\n" "Purpose: Exchange of proprietary algorithms and client data models " "for a potential joint-venture in legal AI. Duration: 18 months. " "No monetary compensation." ), }, { "filename": "contrato_008_servicios_contabilidad.txt", "texto": ( "CONTRATO DE SERVICIOS DE ASESORÍA CONTABLE Y FISCAL\n" "Firmado en Madrid el 15 de enero de 2026.\n" "ASESORÍA: Gestión Pyme Asesores S.L., representada por D. Fernando López.\n" "CLIENTE: Legalify Technologies S.L.\n" "SERVICIOS: Contabilidad mensual, liquidaciones IVA, IS y nóminas (hasta 10 empleados).\n" "HONORARIOS: 350 €/mes + IVA. DURACIÓN: Indefinida con preaviso de 30 días." ), }, { "filename": "contrato_009_laboral_practicas.txt", "texto": ( "CONTRATO EN PRÁCTICAS\n" "Madrid, 1 de junio de 2026.\n" "EMPRESA: Legalify Technologies S.L.\n" "TRABAJADOR: Dña. Laura Sánchez Torres, titulada en Derecho (UCM, 2025).\n" "CATEGORÍA: Abogada Junior en Prácticas.\n" "RETRIBUCIÓN: 1.200 €/mes brutos. JORNADA: 35 h/semana.\n" "DURACIÓN: 12 meses, del 1/6/2026 al 31/5/2027." ), }, { "filename": "contrato_010_suministro.txt", "texto": ( "CONTRATO MARCO DE SUMINISTRO DE HARDWARE\n" "Valencia, 20 de marzo de 2026.\n" "PROVEEDOR: TechSupply Ibérica S.A.\n" "COMPRADOR: Legalify Technologies S.L.\n" "OBJETO: Suministro de servidores Dell PowerEdge y portátiles MacBook Pro durante 2026.\n" "IMPORTE ESTIMADO ANUAL: 45.000 € + IVA. Pedidos mínimos de 3.000 €.\n" "GARANTÍA: 3 años on-site. Entrega máxima: 5 días hábiles." ), }, ]

── Ejecución principal ────────────────────────────────────────────────────────

def imprimir_resultado(r: ResultadoContrato, idx: int) -> None: sep = "─" * 70 print(f"\n{sep}") print(f"[{idx:02d}] {r.filename}") print(f" Categoría : {r.categoria or 'ERROR'}") if r.resumen: print(f" Resumen : {r.resumen}") if r.entidades: ent_str = json.dumps(r.entidades, ensure_ascii=False) print(f" Entidades : {ent_str}") if r.error: print(f" ⚠ Error : {r.error}") print(f" Tiempo : {r.duracion_ms:.0f} ms")

def calcular_ahorro(n_contratos: int) -> None: # GPT-4o: ~1500 tokens promedio × 3 llamadas × $0.005/1K tokens de salida coste_gpt4_por_contrato = (1500 / 1000) * 0.005 * 3 # ~$0.0225 coste_total_usd = coste_gpt4_por_contrato * n_contratos coste_total_eur = coste_total_usd * 0.92 print(f"\n{'═' * 70}") print(f" ESTIMACIÓN DE AHORRO — {n_contratos} contratos/mes") print(f"{'═' * 70}") print(f" Coste con GPT-4o : ~{coste_total_eur:.0f} €/mes") print(f" Coste con LM Studio: 0 € (inferencia local)") print(f" Ahorro mensual : ~{coste_total_eur:.0f} €") print(f" Ahorro anual : ~{coste_total_eur * 12:.0f} €") print(f"{'═' * 70}\n")

async def main(): print("=" * 70) print(" LEGALIFY × CULTIVA IA — Subagentes locales con LM Studio") print(" Procesando contratos con Llama-3.1-8B en http://localhost:1234") print("=" * 70)

inicio_total = datetime.now()
resultados = await batch_procesar(CONTRATOS_MUESTRA, max_concurrent=MAX_CONCURRENT)
duracion_total = (datetime.now() - inicio_total).total_seconds()

for idx, r in enumerate(resultados, 1):
    imprimir_resultado(r, idx)

# Resumen estadístico
categorias: dict[str, int] = {}
for r in resultados:
    cat = r.categoria or "error"
    categorias[cat] = categorias.get(cat, 0) + 1

print(f"\n{'═' * 70}")
print(f"  RESUMEN BATCH — {len(resultados)} contratos procesados en {duracion_total:.1f}s")
print(f"{'═' * 70}")
for cat, count in sorted(categorias.items(), key=lambda x: -x[1]):
    bar = "█" * count
    print(f"  {cat:<20} {bar} ({count})")

calcular_ahorro(800)  # estimación mensual real de Legalify

if name == "main": asyncio.run(main())