Sistema AI · metallurgia, documentazione normativa
Grafo GOST e RAG sui requisiti dell’acciaio
EVRAZ · 2025 · Sistema AI · Python 3.11, LangChain
Da una raccolta di standard in PDF a una knowledge base collegata: link tra GOST, ricerca con fonti, esportazione in JSON dei requisiti per classe di acciaio
Una serie di prototipi per EVRAZ, la cui biblioteca di standard GOST è una raccolta di PDF senza collegamenti tra i documenti. Gli standard (PDF/DOC) vengono convertiti in Markdown con tabelle e immagini, i riferimenti ad altri GOST (normativi e informativi) vengono individuati automaticamente, gli standard «figli» vengono scaricati e, su questa base, si costruiscono una ricerca RAG con fonti e l’estrazione di dati strutturati. Il compito di prova è la classe di resistenza C235 secondo GOST 27772-2021: composizione chimica e proprietà meccaniche vengono esportate in JSON. In una settimana (dal 30 ottobre al 6 novembre 2025) sono state sperimentate in parallelo cinque opzioni di implementazione.
La sfida
I riferimenti ad altri GOST all’interno dei documenti non sono cliccabili. Per raccogliere tutti i requisiti dell’acciaio C235, uno specialista deve trovare a mano lo standard principale e poi esaminare uno per uno tutti gli standard citati: ci vuole molto tempo e qualcosa può sfuggire.
Cosa c’è dentro
- Conversione dei GOST da DOC/DOCX/PDF in Markdown, tabelle (XLSX) e immagini
- Estrazione automatica dei riferimenti classificati come «normativi / informativi»; in GOST 27772-2021 sono stati trovati 95 riferimenti unici (71 normativi, 24 informativi) e inseriti 232 collegamenti ipertestuali cliccabili
- Ricerca e download automatici dei GOST «figli» (allgosts.ru, con la Yandex XML API come riserva): il corpus contiene 60 documenti .doc
- Risposte RAG con fonti (Claude 4.5 Sonnet / Gemini 2.5 Pro tramite OpenRouter, indice vettoriale FAISS)
- Estrazione di dati strutturati per la classe di resistenza C235 (8 elementi della composizione chimica, 3 proprietà meccaniche) in JSON con validazione
- Varianti: una knowledge base web in React/tRPC, un grafo degli standard in Neo4j con risposte basate sul grafo, RAGFlow + OpenSearch con k-NN senza Docker, un servizio web FastAPI + HTMX con crawler, le specifiche per un modulo OCR ad alta precisione
Traduzione automatica, in revisione.