# Civilista Archivio > Conversione di documenti (PDF, sentenze, atti, dottrina) in Markdown indicizzato per la Knowledge Base civile, e governo dell'INDICE della giurisprudenza. ATTIVARE quando l'avvocato dice: 'converti questo PDF', 'metti questa sentenza in memoria', 'aggiungi alla knowledge base', 'indicizza le rassegne', 'trasforma in markdown', 'carica il documento nella KB', 'aggiorna l'indice della giurisprudenza', 'prepara il documento per la consultazione', 'converti la rassegna', 'aggiungi la rassegna annuale', 'indicizza gli atti del fascicolo'. Attivare anche quando un documento PDF va consultato ripetutamente e conviene convertirlo una volta per risparmiare token. È la skill che alimenta il protocollo quote-then-claim: produce il materiale ancorabile su cui si fonda ogni citazione verificata. - Skill: `synthos-logic/civilista-archivio` (Agent Skill, multi-file: 7 files) - Install (CLI): `npx skillmds@latest add synthos-logic/civilista-archivio` - Raw SKILL.md: https://api.skillmd.com/api/skills/synthos-logic/civilista-archivio/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Docs & Writing - Author: Synthos-Logic (https://skillmd.com/u/synthos-logic) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/synthos-logic/civilista-archivio --- # civilista-archivio — Conversione e indicizzazione della Knowledge Base ## Cosa fa Trasforma documenti (in primis PDF a testo nativo: Rassegne del Massimario, sentenze, atti di causa, dottrina) in **Markdown pulito con marcatori di pagina** e genera un **indice a due livelli** che rende la KB interrogabile a basso costo di token e — soprattutto — **ancorabile**: ogni citazione potrà essere ricondotta a un file e a una pagina reali. Due ragioni per cui esiste: 1. **Economia di contesto.** Un PDF viene letto come immagine, costoso a ogni interrogazione. Il Markdown è testo: leggibile, *grep*-abile, riusabile a costo minimo. 2. **Guardrail anti-allucinazione.** L'indice è il presupposto del protocollo *quote-then-claim*: non si cita ciò che non è nell'indice. ## I due livelli dell'indice - **Strutturale** (concetto → fonte : pagina): PARTE / SEZIONE / CAPITOLO con il loro titolo-concetto e la pagina di inizio nel corpo. Serve a **navigare per argomento** (es. "CAPITOLO X — LE OBBLIGAZIONI IN GENERALE", "CAPITOLO VIII — COMUNIONE E CONDOMINIO"). - **Citazionale** (Rv → fonte : pagina → massima): ogni sentenza realmente presente, con numero Rv, pagina e citazione testuale. È il **backbone del grounding**. Indice master e Markdown convertiti vivono in `KNOWLEDGE_BASE/_INDICE/` (zona GLOBALE) oppure in `FASCICOLI//_INDICE/` (zona di causa). ## Come si aggiorna una zona (uso normale) ```bash # 1) metti i PDF nella zona, es. KNOWLEDGE_BASE/02_GIURISPRUDENZA/ # 2) converti + indicizza + rigenera indice e registro, in un colpo solo: python3 skills/civilista-archivio/scripts/aggiorna_indice.py KNOWLEDGE_BASE # stessa cosa per un fascicolo: python3 skills/civilista-archivio/scripts/aggiorna_indice.py FASCICOLI/ ``` Converte solo i PDF nuovi o modificati; gli altri li salta. ## Uso puntuale (un singolo documento) ```bash python3 skills/civilista-archivio/scripts/converti_indicizza.py \ KNOWLEDGE_BASE/_INDICE/ --titolo "Etichetta leggibile della fonte" python3 skills/civilista-archivio/scripts/genera_indice_master.py \ KNOWLEDGE_BASE/_INDICE/ KNOWLEDGE_BASE/_INDICE/INDICE.md ``` Dipendenza: `pdfplumber` (`pip install pdfplumber`). ## Le fonti civili da cui partire La KB del kit nasce da due serie ufficiali dell'Ufficio del Massimario: - **Rassegne annuali — Gli orientamenti delle Sezioni Civili** (3 volumi per anno): l'orientamento consolidato, ma pubblicate con **12-18 mesi di ritardo**; - **Rassegne mensili della giurisprudenza civile**: le massime del mese, con ~4-5 mesi di ritardo — sono ciò che copre il periodo per cui l'annuale non è ancora uscita. Gli URL e le altre fonti civili aperte (pronunce segnalate, rinvii pregiudiziali ex art. 363-bis, open data della Corte costituzionale) sono elencati con licenze e limiti in `documentazione/FONTI_CIVILI.md`. ## Prima di pubblicare o condividere i Markdown: oscurare i difensori Le **rassegne mensili** riportano sotto ogni massima la riga delle parti nella forma `E. (COGNOME NOME) contro A. (COGNOME NOME)`: le parti sono già ridotte a iniziale dalla fonte, i **difensori no**. Prima di pubblicare o inviare i `.md`: ```bash python3 skills/civilista-archivio/scripts/oscura_difensori.py KNOWLEDGE_BASE/_INDICE # --dry-run per contare senza scrivere ``` Sostituisce il nominativo con `[omissis]` e lascia intatti massima, estremi, classificazione, presidente/estensore/relatore/P.M. (dati istituzionali della citazione) e l'ancoraggio alle pagine. **Non usarlo sui documenti di causa di un fascicolo**: lì i nomi servono. Quando l'avvocato porta materiale proprio (sentenze di merito, pareri, atti di causa), va indicizzato **nella zona giusta**: la giurisprudenza generale in `KNOWLEDGE_BASE/`, il materiale di una causa in `FASCICOLI//` — lo scoping è per costruzione. ## Banca dati delle pronunce segnalate — sincronizzazione settimanale Le **pronunce civili segnalate** dall'Ufficio del Massimario (pagina "Giurisprudenza Civile" del sito della Corte) sono raccolte da una pipeline centrale nel repo pubblico `Synthos-Logic/giurisprudenza-db`, aggiornata **ogni lunedì**. Ogni scheda porta la massima ufficiale, l'esito in sintesi, la classificazione per materia e il **link al PDF autentico** pubblicato dalla Corte: fonte verificabile con un clic. Per scaricarla o aggiornarla (repo pubblico: **non serve alcun account GitHub**): ```bash python3 skills/civilista-archivio/scripts/sincronizza_giurisprudenza.py KNOWLEDGE_BASE # --solo-segnalate evita la copia dell'archivio della Corte costituzionale # --tutto Consulta completa dal 1956 (default: ultimi 10 anni) ``` Lo script mantiene una cache git locale (primo scaricamento una tantum, poi solo differenze), copia in `02_GIURISPRUDENZA/SEGNALATE/`, `02_GIURISPRUDENZA/RINVII_PREGIUDIZIALI/` e `02_GIURISPRUDENZA/CONSULTA/`, e reindicizza la zona. **Rinvii pregiudiziali ex art. 363-bis c.p.c.** (`RINVII_PREGIUDIZIALI/`): sono le questioni che un giudice di merito ha rimesso alla Corte sospendendo il giudizio. Nel civile fanno le veci delle questioni SU pendenti del penale. **Non sono precedenti e non si citano come autorità**: servono a sapere che il punto è controverso e che la Corte si pronuncerà — utili per istanze di sospensione, motivi in subordine e scelte di strategia. Il quesito integrale sta nel PDF dell'ordinanza di rimessione linkato in scheda, non sulla pagina della Corte: va letto lì, non riassunto. Avvertenze: - la cartella `SEGNALATE/` è **di proprietà della pipeline**: le modifiche locali vengono sovrascritte al sync successivo. Le note personali vanno altrove in KB. - le segnalate **non hanno ancora numero Rv** (arriva con la Rassegna annuale): si citano per numero/anno con riferimento alla scheda e al PDF ufficiale. Quando la stessa pronuncia comparirà nella Rassegna annuale con Rv, si preferisce la citazione con Rv. - alcune schede riportano **più numeri** (`numeri_collegati`): sono pronunce gemelle che la Corte pubblica insieme. Vanno citate per il numero pertinente al caso. ## Limiti — leggere con attenzione - **NON fa OCR.** Se il PDF è una scansione (poco testo estraibile) lo script si ferma e lo segnala: va prima passato per un OCR. Non convertire mai una scansione "alla cieca". - L'estrazione strutturale è tarata sulle Rassegne **annuali** (PARTE/SEZIONE/CAPITOLO). Nei volumi annuali il sommario di ciascuna parte viene talvolta indicizzato **due volte** (voce del sommario + voce del corpo, a pagine consecutive): è rumore noto, non un errore di ancoraggio. Le Rassegne **mensili** non hanno quella struttura: il loro indice strutturale è vuoto per costruzione e la ricerca per concetto si fa con `grep` sul `.md` o dal registro citazionale (che per le mensili è ricco: ogni massima porta la sua classificazione per materia). - L'indice citazionale riconosce **tre forme reali**: annuale civile `Sez. 2, n. 13949/2024, Varrone, Rv. 671693-01`; mensile civile `Sez. U, Ordinanza interlocutoria n. 26471 del 01/10/2025 (Rv. 676180-01)`; penale `Sez. 3, n. 23006 del 22/06/2026, Rossi, Rv. …`. Più le varianti (`Sez. U.`, `S.U.`, `Sez. 6 - L`, relatore andato a capo, "n. … del 2024"). Copertura misurata sulla Rassegna annuale 2024 vol. I: **1.178 su 1.207 occorrenze "Rv."**. - **I richiami non sono citazioni.** Nelle mensili il blocco "*Massime precedenti Vedi: N. … del … Rv. …*" rimanda a precedenti che non stanno in quel documento: **non** vengono indicizzati, ed è voluto — il registro citazionale deve contenere solo massime realmente leggibili alla pagina indicata. Restano fuori, per la stessa ragione, i richiami *orfani* "*la medesima decisione (Rv. …)*". - **Tutto il prodotto è materiale di lavoro**: la conversione non sostituisce la lettura della fonte ufficiale da parte dell'avvocato. ## PROTOCOLLO quote-then-claim (grounding obbligatorio) Quando si cita giurisprudenza che dovrebbe essere nella KB, l'ordine è vincolante: 1. **Cerca prima nell'indice.** Per concetto → indice strutturale o `grep` sul `.md`. Per una sentenza → `grep` del numero Rv o della parte nel registro citazionale. 2. **Vai alla pagina e leggi.** Apri il `.md` al marcatore `` indicato. 3. **Incolla la massima testuale**, con l'indicazione `(fonte, p. N)`. Si afferma solo ciò che si è letto. 4. **Se non è nell'indice → si dichiara "non presente in KB".** NON si cita a memoria, NON si "ricostruisce" il numero. L'astensione è il comportamento corretto: meglio un buco dichiarato che una citazione inventata. > Regola d'oro: **ciò che non è nell'indice non esiste**, ai fini della citazione. > L'avvocato verifica comunque sulla banca dati ufficiale prima del deposito.