Aliado Libre

RAG legal colombiano libre y gratuito — alternativa abierta a ALI Cerebro Legal (aliado.pro). Conecta asistentes de IA (vía MCP) a legislación y jurisprudencia colombiana con citas verificables.

Es la primera herramienta de Suite Legal Libre — 100% local por diseño (solo hace búsqueda, no genera texto, no necesita el módulo llm_dual de la suite).

Cobertura honesta: este proyecto NO pretende cubrir "toda" la data jurídica de Colombia. Cubre lo que tiene fuente abierta confirmada y documentada (ver docs/fuentes.md). Cuando el índice no tiene algo, el servidor MCP debe decirlo explícitamente — nunca inventar.

Estado (30-ago-2026)

Corpus creciendo activamente — de 44.733 documentos (28-ago) a más de 150.000 y subiendo. Ver CHANGELOG.md para el detalle sesión a sesión.

• ✅ Gestor Normativo (legislación nacional): 2.381 normas. Techo del método BFS confirmado (ver docs/fuentes.md). Incluye el grafo de vigencias (modifica/deroga/reglamenta) nativo.

• ✅ Supersociedades (Tesauro, conceptos jurídicos): 4.999 conceptos.

• ✅ Corte Constitucional: 36.853 sentencias (1992-2026).

• ✅ SIC (decisiones jurisdiccionales): 500 providencias.

• ✅ DIAN: normativa/doctrina/jurisprudencia tributaria, aduanera y cambiaria (creciendo).

• ✅ Superfinanciera: conceptos jurídicos y jurisprudencia financiera (creciendo, 18.569 registros en el catálogo).

• ✅ legalize-co (respaldo GitHub): 71.900 normas completas, resuelve de paso el techo de Gestor Normativo.

• ⏳ Corte Suprema de Justicia: ingester funciona (backend GraphQL propio, sin autenticación, corpus de >1M resultados brutos) pero el servidor de la Corte es muy inestable (502 intermitente) — corriendo con reintento persistente hasta que haya una ventana estable.

• 🔴 Consejo de Estado, SUIN-Juriscol, jurisprudencia.ramajudicial.gov.co: bloqueados por WAF.

• ✅ Servidor MCP: buscar_normativa() operativo (API mcp 2.x), modo local (stdio). Deploy a un servicio web (Render) preparado pero deliberadamente no activado — el costo recurrente no se justifica frente al uso 100% local actual (ver docs/DEPLOY.md).

Portabilidad: el código vive en GitHub (github.com/fabiangulla-pixel/aliado-libre), pero data/raw/ y index/chroma_db/ (varios GB) no — se generan localmente corriendo los ingesters, o se descargan ya construidos desde Hugging Face Hub una vez publicados (scripts/publicar_indice_hf.py).

Calidad: 63+ tests (make test), lint limpio (ruff), hook de pre-commit instalado.

Related MCP server: jurisprudenciaia-mcp

Arquitectura

ingest/          scrapers por fuente -> Documento (esquema común en ingest/schema.py)
  fuentes/
    gestor_normativo.py, supersociedades.py, corte_constitucional.py, sic.py,
    dian.py, superfinanciera.py, corte_suprema.py, legalize_co_github.py
  chunking.py     corta documentos en fragmentos citables (por artículo cuando es posible)
data/raw/         JSON crudo por fuente
index/
  build_index.py  construye embeddings + índice Chroma a partir de data/raw/
  buscar.py        búsqueda híbrida (vectorial + BM25, fusión RRF)
mcp_server/
  server.py        expone buscar_normativa() como herramienta MCP

Entorno

IMPORTANTE: usar el venv del proyecto (venv/, Python 3.12), NO el Python 3.14 del sistema. PyTorch/sentence-transformers hacen segfault en Python 3.14 (muy reciente, sin soporte aún).

./venv/Scripts/python.exe index/build_index.py     # construir/actualizar índice
./venv/Scripts/python.exe index/buscar.py "consulta"  # probar búsqueda por CLI
./venv/Scripts/python.exe mcp_server/server.py      # levantar servidor MCP

Próximos pasos

1. Terminar de escalar los crawls de DIAN, Superfinanciera y Corte Suprema.

2. Publicar el índice construido en Hugging Face Hub (scripts/publicar_indice_hf.py) para que otros lo usen sin tener que reconstruirlo.

3. Consejo de Estado sigue bloqueado por WAF — no hay plan de reintento hasta que aparezca una vía de acceso pública real.