سیستم هوش مصنوعی · بخش دولتی: استانداردسازی و اندازه‌شناسی
پایگاه دانش RAG و راهبردهای هوش مصنوعی
Rosstandart · 2025 · سیستم هوش مصنوعی · Python 3.11, LangChain
دموی RAG روی اسناد Rosstandart و پروژه «RST 2.0»، تحلیل پنج سازمان تابعه و مشخصات فنی برای استخراج الزامات از استانداردهای GOST
دو مسیر کاری مرتبط. نخست، یک سامانه RAG نمایشی روی اسناد Rosstandart و پروژه تحول دیجیتال «RST 2.0» (15 سند، 954 چانک): پاسخ‌هایی به زبان طبیعی همراه با پیوند به منابع؛ این سامانه از سه تکرار گذشت (FAISS محلی، سپس مدیریت افزایشی پایگاه برداری، سپس مهاجرت به Milvus) و یک بازبینی کد. دوم، یک بسته تحلیلی درباره پنج سازمان تابعه (بیش از 30 سند، حدود 600 صفحه) با راهبردهای بهینه‌سازی با هوش مصنوعی، به‌علاوه بررسی مشخصات فنی یک مؤسسه استانداردسازی برای سامانه‌ای که الزامات ماشین‌خوان را از استانداردهای GOST استخراج می‌کند و به سیستم‌های مشتری می‌دهد.
مسئله
پراکندگی اطلاعات درباره سازمان و سازمان‌های تابعه آن و نیاز به راهبرد پذیرش هوش مصنوعی؛ برای مؤسسه استانداردسازی، تبدیل اسناد مقرراتی به الزاماتی مناسب پردازش ماشینی و یکپارچه‌سازی در سیستم‌های AI، MDM و MES.
آنچه درون آن است
- RAG روی Claude 4.5 Sonnet (از طریق OpenRouter) با embedding چندزبانه paraphrase-multilingual-MiniLM-L12-v2؛ در هر پاسخ منابع ذکر می‌شوند
- نسخه A: افزودن و حذف افزایشی فایل‌ها در پایگاه برداری بدون نمایه‌سازی مجدد کامل، مدیریت CLI و اعتبارسنجی یکپارچگی
- نسخه B: Milvus به‌جای FAISS، محافظت در برابر prompt injection و DoS، مهلت 60 ثانیه‌ای برای همه درخواست‌ها به مدل
- بسته تحلیلی برای هر یک از 5 سازمان: گزارش جامع، راهبرد هوش مصنوعی (8 حوزه، نقشه راه 2026 تا 2028)، مرور کوتاه با SWOT، گزارش کار
- مشخصات فنی مؤسسه استانداردسازی: مدل هستی‌شناسی (OWL 2، SHACL، Apache Jena)، استخراج موجودیت و رابطه (ruRoBERTa-large)، REST API روی Java Spring Boot، مبدل‌ها به AI/MDM/MES، مرحله «شروع خودکار»
ترجمه ماشینی — در حال بازبینی.