AIシステム · 冶金、規格文書
GOSTグラフと鋼材要求事項のRAG
EVRAZ · 2025 · AIシステム · Python 3.11, LangChain
PDFの規格群をつながりのあるナレッジベースへ：GOST間のリンク、出典付き検索、鋼材の強度クラスの要求事項をJSONにエクスポート
EVRAZ向けの一連のプロトタイプです。同社のGOSTライブラリは、文書間のつながりがないPDFの集まりでした。規格（PDF/DOC）を表や画像を含むMarkdownに変換し、ほかのGOSTへの参照（規範的・参考的）を自動で検出し、「子」規格をダウンロードしたうえで、出典付きのRAG検索と構造化データの抽出を構築しました。テスト課題は、GOST 27772-2021の強度クラスC235です。化学成分と機械的性質をJSONにエクスポートします。1週間（2025年10月30日–11月6日）で、5つの実装案を並行して検証しました。
課題
文書内のほかのGOSTへの参照はクリックできません。C235鋼の要求事項をすべて集めるには、専門家が主たる規格を手作業で探し、そこで言及されているすべての規格を1つずつ確認する必要があり、時間がかかるうえに見落としも生じます。
主な機能
- GOSTをDOC/DOCX/PDFからMarkdown、表（XLSX）、画像に変換
- 「規範的 / 参考的」に分類した参照の自動抽出。GOST 27772-2021では一意の参照95件（規範的71件、参考的24件）を検出し、クリック可能なハイパーリンクを232件挿入
- 「子」GOSTの自動検索とダウンロード（allgosts.ru、予備としてYandex XML API）：コーパスは60件の.doc文書
- 出典付きのRAG回答（OpenRouter経由のClaude 4.5 Sonnet / Gemini 2.5 Pro、FAISSベクトルインデックス）
- 強度クラスC235の構造化データ（化学成分8元素、機械的性質3項目）を検証付きでJSONに抽出
- 検証した案：React/tRPCによるWebナレッジベース、グラフを考慮して回答するNeo4jの規格グラフ、Dockerを使わないk-NN付きRAGFlow + OpenSearch、クローラー付きのFastAPI + HTMX Webサービス、高精度OCRモジュールの仕様書
機械翻訳です。現在校正中です。