# Penalista Archivio > Conversione di documenti (PDF, sentenze, atti, dottrina) in Markdown indicizzato per la Knowledge Base, e governo dell'INDICE della giurisprudenza. ATTIVARE quando l'avvocato dice: 'converti questo PDF', 'metti questa sentenza in memoria', 'aggiungi alla knowledge base', 'indicizza i massimari', 'trasforma in markdown', 'carica il documento nella KB', 'aggiorna l'indice della giurisprudenza', 'prepara il documento per la consultazione', 'converti la rassegna', 'aggiorna la banca dati', 'scarica le pronunce segnalate', 'sincronizza le segnalate', 'ci sono nuove sentenze della Cassazione?'. 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/penalista-archivio` (Agent Skill, multi-file: 6 files) - Install (CLI): `npx skillmds@latest add synthos-logic/penalista-archivio` - Raw SKILL.md: https://api.skillmd.com/api/skills/synthos-logic/penalista-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/penalista-archivio --- # penalista-archivio — Conversione e indicizzazione della Knowledge Base ## Cosa fa Trasforma documenti (in primis PDF a testo nativo: rassegne del Massimario, sentenze, atti, 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**. - **Citazionale** (Rv → fonte : pagina → massima): ogni sentenza realmente presente, con numero Rv, pagina e citazione testuale. È il **backbone del grounding**. L'indice master vive in `KNOWLEDGE_BASE/02_GIURISPRUDENZA/_MD_INDICIZZATO/INDICE_GIURISPRUDENZA_PENALE.md`. I Markdown convertiti stanno nella stessa cartella. ## Come si converte un documento ```bash # 1) Converti un PDF (testo nativo) in MD + indice JSON python3 skills/penalista-archivio/scripts/converti_indicizza.py \ KNOWLEDGE_BASE/02_GIURISPRUDENZA/_MD_INDICIZZATO/ \ --titolo "Etichetta leggibile della fonte" # 2) Rigenera l'indice master unendo tutti gli *.index.json presenti python3 skills/penalista-archivio/scripts/genera_indice_master.py \ KNOWLEDGE_BASE/02_GIURISPRUDENZA/_MD_INDICIZZATO/ \ KNOWLEDGE_BASE/02_GIURISPRUDENZA/_MD_INDICIZZATO/INDICE_GIURISPRUDENZA_PENALE.md ``` Dipendenza: `pdfplumber` (`pip install pdfplumber`). ## 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 del Massimario (PARTE/SEZIONE/CAPITOLO). Su documenti con struttura diversa l'indice strutturale può essere parziale: in quel caso la ricerca per concetto si fa con `grep` direttamente sul `.md`. - L'indice citazionale riconosce il formato Cassazione `Sez. X, n. … del gg/mm/aaaa, Nome, Rv. …`. Citazioni con formattazione anomala possono sfuggire: vanno aggiunte a mano se rilevanti. - **Tutto il prodotto è materiale di lavoro**: la conversione non sostituisce la lettura della fonte ufficiale da parte del difensore. ## Banca dati pronunce segnalate — sincronizzazione settimanale Il kit ha una banca dati centralizzata delle **pronunce penali segnalate dall'Ufficio del Massimario** (sentenze e ordinanze di rilievo nomofilattico, Sezioni Unite, questioni SU pendenti e decise), aggiornata **ogni lunedì** da una pipeline automatica nel repo pubblico `Synthos-Logic/giurisprudenza-db`. Ogni scheda contiene la massima ufficiale, "l'esito in sintesi" e il **link al PDF autentico** sul sito della Corte: fonti verificabili con un clic. Per scaricarla o aggiornarla (repo pubblico: **non serve alcun account GitHub**): ```bash python3 skills/penalista-archivio/scripts/sincronizza_segnalate.py KNOWLEDGE_BASE ``` Lo script mantiene una cache git locale (primo scaricamento una tantum, poi solo differenze), aggiorna `02_GIURISPRUDENZA/SEGNALATE/` (pronunce segnalate + Radar del merito) e `02_GIURISPRUDENZA/CONSULTA/` (**Corte costituzionale: di default gli ultimi 10 anni**, ~2.700 pronunce e poche decine di MB — il taglio giusto per il lavoro quotidiano; con `--tutto` l'archivio completo dal 1956, 22.000+ pronunce, ~160 MB; con `--da-anno N` una soglia personalizzata) e reindicizza la zona: segnalate nel REGISTRO_FONTI (riga per anno, tipo `massimario-segnalate`) e sezione 3 dell'INDICE; Consulta come fonte unica (tipo `corte-costituzionale`) con **registro dedicato** (`CONSULTA/INDICE_CONSULTA.md`, sezione 4 dell'INDICE). Con `--solo-segnalate` si evita la copia dell'archivio costituzionale. Avvertenze: - la cartella `SEGNALATE/` è di proprietà della pipeline: **le modifiche locali vengono sovrascritte** alla sincronizzazione successiva. Le note personali vanno altrove in KB. - le segnalate **non hanno ancora numero Rv** (arriva col massimario annuale): si citano per numero/anno con riferimento alla scheda e al PDF ufficiale. Quando la stessa pronuncia comparirà nel massimario annuale con Rv, si preferisce la citazione con Rv. - se il clone fallisce (rete assente), si può scaricare lo ZIP del repo dal browser e copiare a mano la cartella `SEGNALATE/`. ## 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. > Il difensore verifica comunque sulla banca dati ufficiale prima del deposito.