سیستم هوش مصنوعی · متالورژی، مستندات مقرراتی
گراف GOST و RAG روی الزامات فولاد
EVRAZ · 2025 · سیستم هوش مصنوعی · Python 3.11, LangChain
از مجموعه‌ای استاندارد PDF تا پایگاه دانش به‌هم‌پیوسته: پیوند میان GOSTها، جست‌وجو با منابع، استخراج الزامات رده فولاد به JSON
مجموعه‌ای از نمونه‌های اولیه برای EVRAZ که کتابخانه GOST آن مجموعه‌ای از PDFهاست و میان اسناد پیوندی وجود ندارد. استانداردها (PDF/DOC) با جدول‌ها و تصویرها به Markdown تبدیل می‌شوند، ارجاع به سایر GOSTها (الزامی و اطلاعاتی) خودکار پیدا می‌شود، استانداردهای «فرزند» دانلود می‌شوند و روی آن‌ها جست‌وجوی RAG با منابع و استخراج داده ساخت‌یافته ساخته می‌شود. وظیفه آزمایشی، رده استحکام C235 طبق GOST 27772-2021 است: ترکیب شیمیایی و خواص مکانیکی به JSON صادر می‌شود. در یک هفته (30 اکتبر تا 6 نوامبر 2025) پنج گزینه پیاده‌سازی به‌صورت موازی آزموده شد.
مسئله
ارجاع به GOSTهای دیگر درون اسناد قابل کلیک نیست. برای گردآوری همه الزامات فولاد C235 متخصص باید استاندارد اصلی را دستی پیدا کند و سپس همه استانداردهای ذکرشده در آن را یکی‌یکی مرور کند که زمان زیادی می‌برد و موارد از قلم می‌افتد.
آنچه درون آن است
- تبدیل GOSTها از DOC/DOCX/PDF به Markdown، جدول‌ها (XLSX) و تصویرها
- استخراج خودکار ارجاع‌ها با طبقه‌بندی «الزامی / اطلاعاتی»؛ در GOST 27772-2021، 95 ارجاع یکتا پیدا شد (71 الزامی، 24 اطلاعاتی) و 232 پیوند کلیک‌پذیر درج شد
- جست‌وجو و دانلود خودکار GOSTهای «فرزند» (allgosts.ru، با Yandex XML API به‌عنوان جایگزین): پیکره شامل 60 سند .doc است
- پاسخ‌های RAG با منابع (Claude 4.5 Sonnet / Gemini 2.5 Pro از طریق OpenRouter، نمایه برداری FAISS)
- استخراج داده ساخت‌یافته برای رده استحکام C235 (8 عنصر ترکیب شیمیایی، 3 خاصیت مکانیکی) به JSON همراه با اعتبارسنجی
- گونه‌ها: پایگاه دانش وب روی React/tRPC، گراف استانداردها در Neo4j با پاسخ‌های آگاه از گراف، RAGFlow + OpenSearch با k-NN بدون Docker، سرویس وب FastAPI + HTMX با خزنده، مشخصات فنی ماژول OCR با دقت بالا
ترجمه ماشینی — در حال بازبینی.