AI systém · metalurgie, normativní dokumentace
Graf norem GOST a RAG pro požadavky na ocel
EVRAZ · 2025 · AI systém · Python 3.11, LangChain
Od sady norem v PDF k propojené znalostní bázi: odkazy mezi normami GOST, vyhledávání se zdroji, export požadavků na třídu oceli do JSON
Série prototypů pro EVRAZ, jehož knihovna norem GOST je sada PDF bez vazeb mezi dokumenty. Normy (PDF/DOC) se převádějí do Markdownu s tabulkami a obrázky, odkazy na další normy GOST (normativní i informativní) se vyhledávají automaticky, „podřízené“ normy se stahují a nad tím vzniká RAG vyhledávání se zdroji a extrakce strukturovaných dat. Testovací úloha: pevnostní třída C235 podle GOST 27772-2021 – chemické složení a mechanické vlastnosti se exportují do JSON. Během jednoho týdne (30. října – 6. listopadu 2025) se paralelně vyzkoušelo pět variant implementace.
Zadání
Odkazy na další normy GOST uvnitř dokumentů nejsou klikatelné. Aby specialista shromáždil všechny požadavky na ocel C235, musí ručně najít hlavní normu a pak jednu po druhé projít všechny normy, které zmiňuje – trvá to dlouho a snadno se něco přehlédne.
Co obsahuje
- Převod norem GOST z DOC/DOCX/PDF do Markdownu, tabulek (XLSX) a obrázků
- Automatická extrakce odkazů s klasifikací „normativní / informativní“; v GOST 27772-2021 nalezeno 95 unikátních odkazů (71 normativních, 24 informativních) a vloženo 232 klikatelných hypertextových odkazů
- Automatické vyhledání a stažení „podřízených“ norem GOST (allgosts.ru, záložně Yandex XML API): korpus obsahuje 60 dokumentů .doc
- RAG odpovědi se zdroji (Claude 4.5 Sonnet / Gemini 2.5 Pro přes OpenRouter, vektorový index FAISS)
- Extrakce strukturovaných dat pro pevnostní třídu C235 (8 prvků chemického složení, 3 mechanické vlastnosti) do JSON s validací
- Varianty: webová znalostní báze v React/tRPC, graf norem v Neo4j s odpověďmi zohledňujícími graf, RAGFlow + OpenSearch s k-NN bez Dockeru, webová služba FastAPI + HTMX s crawlerem, specifikace vysoce přesného OCR modulu
Strojový překlad – prochází korekturou.