MI-rendszer · kohászat, szabályozási dokumentáció
GOST-gráf és RAG az acélkövetelményekhez
EVRAZ · 2025 · MI-rendszer · Python 3.11, LangChain
PDF-szabványok gyűjteményéből összekapcsolt tudásbázis: hivatkozások a GOST-ok között, forrásokkal ellátott keresés, az acélosztály-követelmények exportja JSON-ba
Prototípusok sorozata az EVRAZ számára, amelynek GOST-könyvtára a dokumentumok közötti hivatkozások nélküli PDF-ek gyűjteménye. A szabványokat (PDF/DOC) Markdownná alakítjuk táblázatokkal és képekkel, automatikusan megkeressük a más GOST-okra mutató hivatkozásokat (normatív és tájékoztató), letöltjük a „gyermek” szabványokat, és erre épül a forrásokkal ellátott RAG-keresés és a strukturált adatkinyerés. A tesztfeladat a C235 szilárdsági osztály a GOST 27772-2021 szerint: a kémiai összetételt és a mechanikai tulajdonságokat JSON-ba exportáljuk. Egy hét alatt (2025. október 30. – november 6.) öt megvalósítási változatot próbáltunk ki párhuzamosan.
A feladat
A dokumentumokban a más GOST-okra mutató hivatkozások nem kattinthatók. A C235-ös acél összes követelményének összegyűjtéséhez a szakembernek kézzel kell megtalálnia a fő szabványt, majd egyenként végigmennie minden benne említett szabványon, ami sokáig tart, és könnyen elsikkad valami.
Mi van benne
- GOST-ok konvertálása DOC/DOCX/PDF-ből Markdownná, táblázatokká (XLSX) és képekké
- A hivatkozások automatikus kinyerése „normatív / tájékoztató” besorolással; a GOST 27772-2021-ben 95 egyedi hivatkozást találtunk (71 normatív, 24 tájékoztató), és 232 kattintható hiperhivatkozást szúrtunk be
- „Gyermek” GOST-ok automatikus keresése és letöltése (allgosts.ru, tartalékként a Yandex XML API-val): a korpusz 60 .doc dokumentumot tartalmaz
- RAG-válaszok forrásokkal (Claude 4.5 Sonnet / Gemini 2.5 Pro OpenRouteren keresztül, FAISS vektorindex)
- Strukturált adatok kinyerése a C235 szilárdsági osztályra (8 kémiai összetevő, 3 mechanikai tulajdonság) JSON-ba, validálással
- Változatok: React/tRPC-alapú webes tudásbázis, szabványgráf Neo4j-ben gráfalapú válaszokkal, RAGFlow + OpenSearch k-NN-nel Docker nélkül, FastAPI + HTMX webszolgáltatás crawlerrel, specifikáció egy nagy pontosságú OCR-modulhoz
Gépi fordítás – a lektorálás folyamatban van.