Pipeline ترجمة وثائق قانونية مع تدقيق متخصص وحفظ سرية

التفاصيل البرمجية والتهيئة

## المشكلة ترجمة وثيقة قانونية بطول 30 صفحة من العربية للإنجليزية بمترجم قانوني محترف تكلف 600-1,500$. منظمات مساعدة قانونية تتعامل مع 10-50 طلب شهرياً = تكاليف باهظة. لا يمكن استخدام Google Translate لأن الوثائق سرية. لا يمكن قبول الترجمة الآلية وحدها لأن الأخطاء في السياق القانوني خطيرة. ## المُدخلات - وثيقة بصيغة DOCX أو PDF (للنصية فقط — المسحوبة ضوئياً تحتاج OCR منفصلة) - اللغة المصدر واللغة الهدف (مثلاً ar → en) - Glossary قانوني للمنظمة (مصطلحات لها ترجمات معتمدة) - نموذج Ollama: qwen2.5:32b للجودة (أو 14b للسرعة) - LibreTranslate كـ first-pass سريع - Pandoc لتحويل DOCX ↔ Markdown - مترجم قانوني متخصص للمراجعة النهائية (بشري) ## المُخرجات - وثيقة DOCX مترجمة بنفس تنسيق الأصل - Side-by-side comparison في APITable: فقرة عربية | ترجمة آلية | ترجمة مراجعة | ملاحظات - Glossary محدّث بمصطلحات جديدة (مع موافقة المترجم القانوني) - Hash للوثيقة الأصلية والمترجمة (لإثبات السلامة) - Audit log كامل: من ترجم، من راجع، متى، أي تعديلات ## مخطط Mermaid ```mermaid graph TD A[DOCX/PDF] --> B[Pandoc/Tika - extract MD] B --> C[Split by paragraphs] C --> D[LibreTranslate first-pass] D --> E[Ollama qwen2.5:32b - refine legal style] E --> F[Glossary lookup & substitution] F --> G[Insert into APITable - rows] G --> H[Notify legal translator] H --> I{Human review per paragraph} I -->|Approved| J[Aggregate paragraphs] I -->|Edited| J J --> K[Pandoc rebuild DOCX] K --> L[Hash + Sign] L --> M[Encrypted storage] N[Glossary updates] -.feeds back.-> F ``` ## نقاط الفشل - Pandoc يفشل في تحويل DOCX معقد (جداول متداخلة، صور): يخرج MD مشوّه. الحل: مراجعة المخرج قبل الترجمة، أو تبسيط الأصل. - Ollama يخلط بين المعاني القانونية: مثلاً 'consideration' في العقود (المقابل) vs (الاعتبار). الحل: prompt متخصص + Glossary صارم + مراجع بشري لكل فقرة. - LibreTranslate ضعيف في المصطلحات النادرة: تركها بصورتها الأصلية. الحل: post-edit بـ Ollama. - OCR على PDFs ممسوحة ضوئياً: أخطاء قراءة عربية شائعة (ت/ث، ه/ة، تشكيل). الحل: Tesseract مع نموذج عربي حديث + مراجعة Tesseract HOCR قبل المعالجة. - Hash mismatch: إذا تم تعديل الأصل بعد بدء المعالجة. الحل: قفل الملف الأصلي عند بدء الـ workflow. - APITable يتعثّر مع وثائق طويلة (1000+ فقرة): batch processing مطلوب. - المترجم القانوني يتأخر أسابيع: تأخر تسليم الوثيقة. الحل: SLA واضح، تنبيهات تلقائية بعد 3 أيام، 7 أيام، وتصعيد للمشرف. ## نقاط المراجعة البشرية - كل فقرة تُراجع من مترجم قانوني متخصص — لا قبول تلقائي - الترجمة الآلية اقتراحية، التشخيص النهائي بشري بالكامل - مصطلحات قانونية جديدة تضاف لـ Glossary فقط بموافقة المراجع - الوثيقة النهائية تُختَم بتوقيع المترجم القانوني (إلكترونياً أو يدوياً) قبل التسليم - للحالات القانونية الحساسة جداً (لجوء سياسي، قضايا دفاع جنائي): مراجع ثانٍ مستقل - إخلاء مسؤولية واضح في الوثيقة النهائية: 'تمت بمساعدة AI ومراجعة بشرية متخصصة، لا تستبدل المشورة القانونية المباشرة' ## اعتبارات الخصوصية أعلى مستويات الحماية مطلوبة: • كل المعالجة محلية بالكامل — LibreTranslate، Ollama، APITable كلها self-hosted. • الوثائق مشفّرة قبل الرفع وبعد المعالجة (AES-256). • قرص الخادم مشفّر بـ LUKS — حتى لو سُرق فيزيائياً، البيانات محمية. • صلاحيات APITable على مستوى الصف: المترجم يرى فقط الوثائق المسندة له. • Audit log غير قابل للتعديل (immutable) — حتى المشرف لا يستطيع حذف سجل. • حذف نهائي: عند انتهاء الحاجة، حذف آمن (shred) لكل النسخ + تحديث Glossary لا يحوي بيانات شخصية. • Network isolation: الخادم على VLAN منفصل أو خلف VPN، لا اتصال خارجي إلا عبر nodes محددة. • 2FA إلزامي لكل المستخدمين. • Backups مشفّرة، رحلة آمنة لمنطقة جغرافية مختلفة. • توقيع نموذج موافقة من المستفيد قبل البدء: ما الذي سيُعالج، من سيرى، متى سيُحذف. ## ملاحظات الصيانة تحديث Glossary شهرياً مع المترجمين القانونيين. اختبار نوعي ربع سنوي: ترجمة وثيقة معروفة مسبقاً، مقارنة المخرج بترجمة بشرية كاملة، حساب نسبة الدقة. ترقية النموذج (qwen2.5 → qwen3 عند ثبوت تفوقه) بعد اختبار. مراجعة سجل الـ audit مع المشرف القانوني للمنظمة سنوياً للتأكد من الامتثال.