AI система · металургия, нормативна документация
GOST граф и RAG за изисквания към стомана
EVRAZ · 2025 · AI система · Python 3.11, LangChain
От набор PDF стандарти до свързана база знания: връзки между GOST, търсене с източници, експорт на изискванията за клас стомана в JSON
Серия прототипи за EVRAZ, чиято библиотека с GOST е набор от PDF без връзки между документите. Стандартите (PDF/DOC) се конвертират в Markdown с таблици и изображения, препратките към други GOST (нормативни и информативни) се намират автоматично, „дъщерните“ стандарти се изтеглят, а върху всичко това се изграждат RAG търсене с източници и извличане на структурирани данни. Тестовата задача е клас на якост C235 по GOST 27772-2021: химическият състав и механичните свойства се експортират в JSON. За една седмица (30 октомври – 6 ноември 2025 г.) паралелно бяха изпробвани пет варианта за реализация.
Задачата
Препратките към други GOST вътре в документите не са кликаеми. За да събере всички изисквания към стомана C235, специалистът трябва да намери основния стандарт на ръка и после да обходи един по един всеки споменат в него стандарт, което отнема много време и води до пропуски.
Какво има вътре
- Конвертиране на GOST от DOC/DOCX/PDF в Markdown, таблици (XLSX) и изображения
- Автоматично извличане на препратки, класифицирани като „нормативни / информативни“; в GOST 27772-2021 са намерени 95 уникални препратки (71 нормативни, 24 информативни) и са вмъкнати 232 кликаеми хипервръзки
- Автоматично търсене и изтегляне на „дъщерни“ GOST (allgosts.ru, с резервен вариант Yandex XML API): корпусът съдържа 60 документа .doc
- RAG отговори с източници (Claude 4.5 Sonnet / Gemini 2.5 Pro през OpenRouter, векторен индекс FAISS)
- Извличане на структурирани данни за клас на якост C235 (8 елемента на химическия състав, 3 механични свойства) в JSON с валидация
- Варианти: уеб база знания на React/tRPC, граф на стандартите в Neo4j с отговори, съобразени с графа, RAGFlow + OpenSearch с k-NN без Docker, уеб услуга на FastAPI + HTMX с краулър, спецификация на OCR модул с висока точност
Машинен превод — предстои редакция.