AI system · pampublikong sektor: standardisasyon at metrolohiya
RAG knowledge base at mga estratehiya sa AI
Rosstandart · 2025 · AI system · Python 3.11, LangChain
Isang RAG demo sa mga dokumento ng Rosstandart at sa proyektong “RST 2.0”, pagsusuri ng limang nasasakupang organisasyon, at isang spesipikasyon para sa pagkuha ng mga requirement mula sa mga pamantayang GOST
Dalawang magkaugnay na linya ng trabaho. Ang una ay isang demonstration na RAG system sa mga dokumento ng Rosstandart at sa proyektong digital transformation na “RST 2.0” (15 dokumento, 954 chunk): mga sagot sa natural na wika na may mga link sa pinagmulan; dumaan ito sa tatlong iterasyon (lokal na FAISS, pagkatapos ay incremental na pamamahala ng vector DB, at pagkatapos ay migration sa Milvus) at isang code review. Ang ikalawa ay isang analytical package tungkol sa limang nasasakupang organisasyon (30+ dokumento, humigit-kumulang 600 pahina) na may mga estratehiya sa pag-optimize gamit ang AI, kasama ang pagsusuri sa technical specification ng isang standardisation institute para sa sistemang kumukuha ng mga machine-readable na requirement mula sa mga pamantayang GOST at ipinapasa ang mga ito sa mga sistema ng kliyente.
Ang gawain
Nakakalat na impormasyon tungkol sa ahensya at sa mga nasasakupan nitong organisasyon, at ang pangangailangan ng estratehiya sa pag-adopt ng AI; para sa standardisation institute, ang pagbabago ng mga regulatory na dokumento tungo sa mga requirement na angkop sa machine processing at sa integration sa mga sistemang AI, MDM, at MES.
Ano ang nasa loob
- RAG sa Claude 4.5 Sonnet (sa pamamagitan ng OpenRouter) na may multilingual na embedding na paraphrase-multilingual-MiniLM-L12-v2; may binabanggit na mga pinagmulan sa bawat sagot
- Edition A: incremental na pagdaragdag at pag-alis ng mga file sa vector DB nang walang buong re-indexing, CLI management at integrity validation
- Edition B: Milvus sa halip na FAISS, proteksyon laban sa prompt injection at DoS, 60-segundong timeout sa lahat ng request sa model
- Analytical package para sa bawat isa sa 5 organisasyon: komprehensibong ulat, estratehiya sa AI (8 larangan, roadmap para sa 2026–2028), maikling pagsusuri na may SWOT, ulat ng trabaho
- Spesipikasyon ng standardisation institute: ontology model (OWL 2, SHACL, Apache Jena), entity at relation extraction (ruRoBERTa-large), REST API sa Java Spring Boot, mga converter para sa AI/MDM/MES, yugtong “autonomous start”
Machine translation — kasalukuyang pinapasuri.