نظام ذكاء اصطناعي · الصناعات المعدنية، الوثائق التنظيمية
مخطط معايير GOST وRAG لمتطلبات الصلب
EVRAZ · 2025 · نظام ذكاء اصطناعي · Python 3.11, LangChain
من مجموعة معايير بصيغة PDF إلى قاعدة معرفة مترابطة: روابط بين معايير GOST، وبحث مع ذكر المصادر، وتصدير متطلبات فئة الصلب إلى JSON
سلسلة نماذج أولية لشركة EVRAZ، التي لم تكن مكتبة معايير GOST لديها سوى مجموعة ملفات PDF لا تربط بينها أي روابط. تُحوَّل المعايير (PDF/DOC) إلى Markdown مع الجداول والصور، وتُكتشف تلقائيًا الإحالات إلى معايير GOST الأخرى (المعيارية والإعلامية)، وتُنزَّل المعايير «الفرعية»، ثم يُبنى فوق ذلك بحث RAG مع ذكر المصادر واستخراج للبيانات المنظَّمة. المهمة التجريبية هي فئة المقاومة C235 وفق GOST 27772-2021: يُصدَّر التركيب الكيميائي والخواص الميكانيكية إلى JSON. وخلال أسبوع واحد (من 30 أكتوبر إلى 6 نوفمبر 2025) جُرّبت خمسة خيارات للتنفيذ بالتوازي.
المهمة
الإحالات إلى معايير GOST الأخرى داخل الوثائق غير قابلة للنقر. ولجمع كل متطلبات الصلب C235، على المختص أن يعثر يدويًا على المعيار الرئيسي، ثم يراجع واحدًا تلو الآخر كل المعايير المذكورة فيه، وهو أمر يستغرق وقتًا طويلًا ويُعرّض بعض المتطلبات للإغفال.
ما بداخله
- تحويل معايير GOST من DOC/DOCX/PDF إلى Markdown وجداول (XLSX) وصور
- استخراج تلقائي للإحالات مع تصنيفها إلى «معيارية / إعلامية»؛ ففي GOST 27772-2021 عُثر على 95 إحالة فريدة (71 معيارية و24 إعلامية) وأُدرج 232 رابطًا تشعبيًا قابلًا للنقر
- بحث تلقائي عن معايير GOST «الفرعية» وتنزيلها (allgosts.ru، مع Yandex XML API خيارًا احتياطيًا): تضم مجموعة الوثائق 60 ملفًا بصيغة .doc
- إجابات RAG مع ذكر المصادر (Claude 4.5 Sonnet / Gemini 2.5 Pro عبر OpenRouter، وفهرس متجهي FAISS)
- استخراج بيانات منظَّمة لفئة المقاومة C235 (8 عناصر من التركيب الكيميائي، و3 خواص ميكانيكية) إلى JSON مع التحقق من صحتها
- الخيارات المجرَّبة: قاعدة معرفة على الويب مبنية على React/tRPC، ومخطط للمعايير في Neo4j مع إجابات تراعي بنية المخطط (graph-aware)، وRAGFlow + OpenSearch مع k-NN دون Docker، وخدمة ويب FastAPI + HTMX مع زاحف ويب (crawler)، ومواصفات فنية لوحدة OCR عالية الدقة
ترجمة آلية — قيد المراجعة.