AI համակարգ · մետալուրգիա, նորմատիվային փաստաթղթեր
GOST-երի գրաֆ և RAG պողպատի պահանջների վրա
EVRAZ · 2025 · AI համակարգ · Python 3.11, LangChain
PDF ստանդարտների հավաքածուից մինչև փոխկապակցված գիտելիքների բազա՝ հղումներ GOST-երի միջև, որոնում աղբյուրներով, պողպատի դասի պահանջների արտահանում JSON-ով
Նախատիպերի շարք EVRAZ-ի համար, որի GOST գրադարանը PDF-ների հավաքածու է՝ առանց փաստաթղթերի միջև հղումների։ Ստանդարտները (PDF/DOC) վերածվում են Markdown-ի՝ աղյուսակներով և պատկերներով, այլ GOST-երի հղումները (նորմատիվ և տեղեկատվական) հայտնաբերվում են ավտոմատ, «երեխա» ստանդարտները ներբեռնվում են, և դրանց վրա կառուցվում են RAG որոնում աղբյուրներով և կառուցվածքային տվյալների դուրս բերում։ Թեստային խնդիրը C235 ամրության դասն է՝ ըստ GOST 27772-2021-ի։ Քիմիական կազմը և մեխանիկական հատկությունները արտահանվում են JSON-ով։ Մեկ շաբաթվա ընթացքում (2025 թվականի հոկտեմբերի 30-ից նոյեմբերի 6-ը) զուգահեռ փորձարկվել է իրականացման հինգ տարբերակ։
Խնդիրը
Փաստաթղթերի ներսում այլ GOST-երի հղումները սեղմելի չեն։ C235 պողպատի բոլոր պահանջները հավաքելու համար մասնագետը պետք է ձեռքով գտնի հիմնական ստանդարտը, ապա հերթով անցնի դրանում նշված բոլոր ստանդարտներով, ինչը երկար է տևում և թույլ է տալիս ինչ-որ բան բաց թողնել։
Ինչ կա ներսում
- GOST-երի փոխարկում DOC/DOCX/PDF-ից Markdown-ի, աղյուսակների (XLSX) և պատկերների
- Հղումների ավտոմատ դուրս բերում «նորմատիվ / տեղեկատվական» դասակարգմամբ, GOST 27772-2021-ում հայտնաբերվել է 95 եզակի հղում (71 նորմատիվ, 24 տեղեկատվական) և տեղադրվել է 232 սեղմելի հիպերհղում
- «Երեխա» GOST-երի ավտոմատ որոնում և ներբեռնում (allgosts.ru, պահուստային՝ Yandex XML API), կորպուսը պարունակում է 60 .doc փաստաթուղթ
- RAG պատասխաններ աղբյուրներով (Claude 4.5 Sonnet / Gemini 2.5 Pro OpenRouter-ով, FAISS վեկտորային ինդեքս)
- C235 ամրության դասի կառուցվածքային տվյալների դուրս բերում (քիմիական կազմի 8 տարր, 3 մեխանիկական հատկություն) JSON-ով՝ վավերացմամբ
- Տարբերակներ՝ վեբ գիտելիքների բազա React/tRPC-ով, ստանդարտների գրաֆ Neo4j-ում՝ գրաֆը հաշվի առնող պատասխաններով, RAGFlow + OpenSearch k-NN-ով առանց Docker-ի, FastAPI + HTMX վեբ ծառայություն կրաուլերով, տեխնիկական առաջադրանք բարձր ճշգրտության OCR մոդուլի համար
Մեքենայական թարգմանություն՝ սրբագրվում է։