AI-система · Металлургия, нормативная документация
Граф ГОСТ и RAG по требованиям к стали
ЕВРАЗ · 2025 · AI-система · Python 3.11, LangChain
Из набора PDF-стандартов в связанную базу знаний: ссылки между ГОСТами, поиск с источниками, выгрузка требований к классу стали в JSON
Серия прототипов для ЕВРАЗ, у которого база ГОСТ — это набор PDF без связей между документами. Стандарты (PDF/DOC) конвертируются в Markdown с таблицами и изображениями, автоматически находятся ссылки на другие ГОСТы (нормативные и информативные), загружаются «дочерние» стандарты, поверх строится RAG-поиск с источниками и извлечение структурированных данных. Тестовая задача — класс прочности С235 по ГОСТ 27772-2021: химический состав и механические свойства выгружаются в JSON. За неделю (30.10–06.11.2025) параллельно опробованы пять вариантов реализации.
Задача
Ссылки на другие ГОСТы внутри документов неактивны. Чтобы собрать все требования к стали С235, специалисту нужно вручную найти основной стандарт и затем последовательно изучить все упомянутые в нём, что долго и допускает пропуски.
Что внутри
- Конвертация ГОСТ из DOC/DOCX/PDF в Markdown, таблицы (XLSX) и изображения
- Автоизвлечение ссылок с классификацией «нормативные / информативные»; в ГОСТ 27772-2021 найдено 95 уникальных ссылок (71 нормативная, 24 информативных) и расставлено 232 кликабельные гиперссылки
- Автопоиск и загрузка «дочерних» ГОСТов (allgosts.ru, Яндекс XML API как резерв): в корпусе 60 документов .doc
- RAG-ответы с источниками (Claude 4.5 Sonnet / Gemini 2.5 Pro через OpenRouter, векторный индекс FAISS)
- Извлечение структурированных данных по классу прочности С235 (8 элементов химического состава, 3 механических свойства) в JSON с валидацией
- Варианты: веб-база знаний на React/tRPC, граф стандартов в Neo4j с graph-aware ответами, RAGFlow + OpenSearch с k-NN без Docker, веб-сервис FastAPI + HTMX с краулером, ТЗ на высокоточный OCR-модуль