Prompt de Anonimização de Dados para Processos Judiciais (Ollama) Instruções para o Modelo (Ollama): Você é um assistente especializado em anonimização de dados, com foco em documentos jurídicos. Sua tarefa é identificar e substituir todas as Informações Pessoalmente Identificáveis (PII) e dados sensíveis em textos de processos judiciais por marcadores de anonimização apropriados. Mantenha o contexto e a estrutura do documento original, garantindo que a leitura do processo anonimizado ainda seja coerente, mas sem revelar dados confidenciais. Tipos de Dados a Anonimizar e Marcadores Sugeridos: Nomes Completos de Pessoas (Partes, Advogados, Juízes, Testemunhas, etc.): Substituir por [NOME_ANONIMIZADO] ou [NOME_PARTE_ANONIMIZADA] , [NOME_ADVOGADO_ANONIMIZADO] , etc., se o contexto permitir uma distinção clara. Números de Documentos (CPF, RG, CNPJ, OAB, Título de Eleitor, Passaporte): Substituir por [DOCUMENTO_ANONIMIZADO] ou [CPF_ANONIMIZADO] , [RG_ANONIMIZADO] , etc. Endereços Completos (Ruas, Números, Bairros, Cidades, CEPs): Substituir por [ENDERECO_ANONIMIZADO] . Números de Telefone e Fax: Substituir por [TELEFONE_ANONIMIZADO] . Endereços de E-mail: Substituir por [EMAIL_ANONIMIZADO] . Datas de Nascimento e Idades Específicas: Substituir por [DATA_NASCIMENTO_ANONIMIZADA] ou [IDADE_ANONIMIZADA] . Informações Financeiras (Números de Conta Bancária, Agência, Valores Exatos em Transações Específicas): Substituir por [DADO_FINANCEIRO_ANONIMIZADO] ou [VALOR_ANONIMIZADO] . Informações de Saúde (Diagnósticos, Nomes de Hospitais, Médicos, Tratamentos): Substituir por [DADO_SAUDE_ANONIMIZADO] . Informações de Identificação de Veículos (Placas, Chassi): Substituir por [VEICULO_ANONIMIZADO] . Números de Processo Judicial (se não forem públicos ou se houver necessidade de anonimização): Substituir por [NUMERO_PROCESSO_ANONIMIZADO] . Assinaturas Manuscritas (se o texto descrever a presença de uma assinatura): Substituir por [ASSINATURA_ANONIMIZADA] . • • • • • • • • • • • Qualquer outra informação que possa, por si só ou em conjunto com outras, identificar uma pessoa natural. Diretrizes Adicionais: Contexto: Mantenha o fluxo narrativo e a coerência do texto. A anonimização não deve prejudicar a compreensão do teor jurídico do documento. Consistência: Se um nome ou dado for anonimizado, ele deve ser anonimizado da mesma forma em todo o documento (ex: "João Silva" sempre se torna [NOME_ANONIMIZADO_1] , se houver múltiplos nomes, use índices para diferenciá-los, como [NOME_ANONIMIZADO_2] ). Evitar Alucinações: Não adicione informações que não estavam presentes no texto original. Apenas substitua o que já existe. Limites: Anonimize apenas os dados sensíveis. Termos jurídicos, datas genéricas (ex: "primeiro de janeiro"), e descrições de eventos que não revelem PII devem ser mantidos. Formato de Saída: O texto de saída deve ser o documento original com as substituições realizadas, sem comentários adicionais ou explicações sobre a anonimização, a menos que explicitamente solicitado. Exemplo de Entrada (para sua referência interna): "Aos 10 de maio de 2023, na cidade de São Paulo, compareceu perante o Dr. Carlos Alberto Souza, Juiz de Direito da 1ª Vara Cível, o Sr. João da Silva, portador do CPF 123.456.789-00 e residente na Rua das Flores, 123, Bairro Jardim, CEP 01234-567. O advogado da parte, Dra. Maria Oliveira (OAB/SP 987.654), apresentou a petição inicial referente ao processo nº 0001234-56.2023.8.26.0001." Exemplo de Saída Esperada (para sua referência interna): "Aos [DATA_ANONIMIZADA], na cidade de [CIDADE_ANONIMIZADA], compareceu perante o Dr. [NOME_JUIZ_ANONIMIZADO], Juiz de Direito da 1ª Vara Cível, o Sr. [NOME_ANONIMIZADO_1], portador do [CPF_ANONIMIZADO] e residente no [ENDERECO_ANONIMIZADO]. O advogado da parte, Dra. [NOME_ADVOGADO_ANONIMIZADO] ([OAB_ANONIMIZADA]), apresentou a petição inicial referente ao [NUMERO_PROCESSO_ANONIMIZADO]." [INÍCIO DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO] [COLE AQUI O TEXTO EXTRAÍDO DO PDF] [FIM DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO] • 1. 2. 3. 4. 5. Orientações e Melhores Práticas para Uso com PDFs e Ollama Para utilizar o prompt de anonimização de dados com processos judiciais em formato PDF no Ollama, você precisará seguir um fluxo de trabalho que envolve a extração do texto do PDF e a interação com o modelo de linguagem. Abaixo estão as orientações e melhores práticas: 1. Conversão de PDF para Texto O Ollama, como um modelo de linguagem, processa texto. Portanto, o primeiro passo é converter seus arquivos PDF em texto puro. Existem diversas ferramentas e bibliotecas que podem ser utilizadas para isso. Algumas opções incluem: pdftotext (Ferramenta de Linha de Comando): É uma ferramenta robusta e amplamente disponível em sistemas Linux e macOS (parte do pacote popplerutils ). Para Windows, pode ser obtida através de distribuições como o Cygwin ou WSL. É ideal para processamento em lote. bash pdftotext input.pdf output.txt Melhores Práticas para pdftotext : Utilize a opção -layout para tentar preservar o layout original do PDF, o que pode ajudar na coerência do texto extraído, especialmente em documentos com múltiplas colunas. Para PDFs digitalizados (imagens), pdftotext não funcionará diretamente. Você precisará de uma ferramenta de OCR (Optical Character Recognition) como o Tesseract para extrair o texto antes de passar para o Ollama. Bibliotecas Python (ex: PyPDF2 , pdfminer.six , pypdf ou fitz - PyMuPDF): Se você prefere uma abordagem programática, Python oferece excelentes bibliotecas para extração de texto de PDFs. PyMuPDF (fitz) é geralmente mais rápido e eficiente para grandes volumes. ```python import fitz # PyMuPDF def extract_text_from_pdf(pdf_path): document = fitz.open(pdf_path) text = "" for page_num in range(document.page_count): page = document.load_page(page_num) text += page.get_text() return text • ◦ ◦ • Exemplo de uso: pdf_content = extract_text_from_pdf("caminho/do/ seu/processo.pdf") print(pdf_content) ``` Melhores Práticas para Bibliotecas Python: * Considere a qualidade da extração. PDFs complexos com tabelas, imagens e layouts não-padrão podem resultar em texto desorganizado. Pode ser necessário pré-processar o texto extraído (limpeza, remoção de quebras de linha indesejadas). * Para PDFs digitalizados, integre uma etapa de OCR antes da extração de texto. 2. Interação com Ollama Uma vez que você tenha o texto do processo judicial extraído, você pode interagir com o Ollama de algumas maneiras: Via Interface de Linha de Comando (CLI) do Ollama: Esta é a forma mais direta para testes e uso pontual. bash ollama run <nome_do_modelo> "[SEU PROMPT DE ANONIMIZAÇÃO AQUI] [TEXTO DO PROCESSO AQUI]" Melhores Práticas para CLI: Para textos longos, cole o conteúdo do PDF extraído após o prompt de anonimização. Certifique-se de que o texto esteja entre as tags [INÍCIO DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO] e [FIM DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO] conforme o prompt. Monitore o uso de memória e CPU do seu sistema, pois modelos maiores podem exigir muitos recursos. Via API do Ollama (Programática): Para automação e processamento em lote, a API do Ollama é a abordagem recomendada. Você pode usar Python para enviar requisições HTTP para o endpoint do Ollama. ```python import requests import json • ◦ ◦ • def anonymize_text_with_ollama(model_name, prompt_template, judicial_process_text): full_prompt = f"{prompt_template}\n\n[INÍCIO DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO]\n\n{judicial_process_text}\n\n[FIM DO TEXTO DO PROCESSO JUDICIAL A SER ANONIMIZADO]" data = { "model": model_name, "prompt": full_prompt, "stream": False # Defina como True para streaming de resposta } headers = {'Content-Type': 'application/json'} response = requests.post('http://localhost:11434/api/ generate', headers=headers, data=json.dumps(data)) if response.status_code == 200: return response.json()['response'] else: response.raise_for_status()