AI-system · offentlig sektor: standardisering og metrologi
RAG-vidensbase og AI-strategier
Rosstandart · 2025 · AI-system · Python 3.11, LangChain
En RAG-demo på Rosstandarts dokumenter og projektet »RST 2.0«, analyse af fem underordnede organisationer og en specifikation til udtrækning af krav fra GOST-standarder
To beslægtede arbejdsspor. Det første er et demonstrations-RAG-system på Rosstandarts dokumenter og det digitale transformationsprojekt »RST 2.0« (15 dokumenter, 954 chunks): svar i almindeligt sprog med links til kilder; det gennemgik tre iterationer (lokal FAISS, derefter inkrementel administration af vektordatabasen, derefter migrering til Milvus) og en kodegennemgang. Det andet er en analytisk pakke om fem underordnede organisationer (30+ dokumenter, omkring 600 sider) med AI-optimeringsstrategier samt en gennemgang af et standardiseringsinstituts kravspecifikation til et system, der udtrækker maskinlæsbare krav fra GOST-standarder og videregiver dem til kundens systemer.
Opgaven
Spredt information om myndigheden og dens underordnede organisationer og behovet for en strategi for indførelse af AI; for standardiseringsinstituttet: at omdanne regulatoriske dokumenter til krav, der egner sig til maskinel behandling og til integration i AI-, MDM- og MES-systemer.
Hvad der er med
- RAG på Claude 4.5 Sonnet (via OpenRouter) med flersprogede embeddings fra paraphrase-multilingual-MiniLM-L12-v2; kilder angives i hvert svar
- Udgave A: inkrementel tilføjelse og fjernelse af filer i vektordatabasen uden fuld genindeksering, CLI-administration og integritetsvalidering
- Udgave B: Milvus i stedet for FAISS, beskyttelse mod prompt injection og DoS, en timeout på 60 sekunder på alle modelforespørgsler
- Analytisk pakke for hver af de 5 organisationer: en omfattende rapport, en AI-strategi (8 områder, en køreplan for 2026–2028), en kort gennemgang med SWOT, en arbejdsrapport
- Standardiseringsinstituttets specifikation: en ontologimodel (OWL 2, SHACL, Apache Jena), udtrækning af entiteter og relationer (ruRoBERTa-large), et REST API på Java Spring Boot, konvertere til AI/MDM/MES, en fase med »autonom start«
Maskinoversættelse — bliver gennemgået.