AI-süsteem · metallurgia, normdokumentatsioon
GOST-graaf ja RAG terase nõuetel
EVRAZ · 2025 · AI-süsteem · Python 3.11, LangChain
PDF-standardite komplektist seotud teadmusbaasiks: viited GOST-ide vahel, otsing allikatega, terase klassi nõuete eksport JSON-i
Prototüüpide sari EVRAZ-ile, kelle GOST-i raamatukogu on PDF-ide komplekt ilma dokumentidevaheliste viideteta. Standardid (PDF/DOC) teisendatakse Markdowniks koos tabelite ja piltidega, viited teistele GOST-idele (normatiivsed ja informatiivsed) leitakse automaatselt, „laps“-standardid laaditakse alla ning nende peale ehitatakse RAG-otsing allikatega ja struktureeritud andmete eraldamine. Katseülesanne on tugevusklass C235 standardi GOST 27772-2021 järgi: keemiline koostis ja mehaanilised omadused eksporditakse JSON-i. Ühe nädala jooksul (30. oktoobrist 6. novembrini 2025) proovitigi paralleelselt viit teostusvarianti.
Ülesanne
Viited teistele GOST-idele dokumentides ei ole klõpsatavad. Terase C235 kõigi nõuete kogumiseks peab spetsialist käsitsi leidma põhistandardi ja seejärel läbima üksteise järel kõik selles mainitud standardid, mis võtab kaua aega ja laseb asju kahe silma vahele.
Mis sees on
- GOST-ide teisendamine DOC/DOCX/PDF-ist Markdowniks, tabeliteks (XLSX) ja piltideks
- Viidete automaatne eraldamine, klassifitseeritud kui „normatiivsed / informatiivsed“; standardis GOST 27772-2021 leiti 95 unikaalset viidet (71 normatiivset, 24 informatiivset) ja lisati 232 klõpsatavat hüperlinki
- „Laps“-GOST-ide automaatne otsing ja allalaadimine (allgosts.ru, varuvariandina Yandex XML API): korpus sisaldab 60 .doc-dokumenti
- RAG-vastused allikatega (Claude 4.5 Sonnet / Gemini 2.5 Pro OpenRouteri kaudu, FAISS vektorindeks)
- Struktureeritud andmete eraldamine tugevusklassi C235 jaoks (8 keemilise koostise elementi, 3 mehaanilist omadust) JSON-i koos valideerimisega
- Variandid: veebipõhine teadmusbaas Reactil/tRPC-l, standardite graaf Neo4j-s graafiteadlike vastustega, RAGFlow + OpenSearch k-NN-iga ilma Dockerita, FastAPI + HTMX veebiteenus crawleriga, tehniline kirjeldus kõrge täpsusega OCR-moodulile
Masintõlge – korrektuur käib.