AI სისტემა · მეტალურგია, ნორმატიული დოკუმენტაცია
GOST-ების გრაფი და RAG ფოლადის მოთხოვნებზე
EVRAZ · 2025 · AI სისტემა · Python 3.11, LangChain
PDF სტანდარტების ნაკრებიდან ურთიერთდაკავშირებულ ცოდნის ბაზამდე: ბმულები GOST-ებს შორის, ძიება წყაროებით, ფოლადის კლასის მოთხოვნების ექსპორტი JSON-ში
პროტოტიპების სერია EVRAZ-ისთვის, რომლის GOST ბიბლიოთეკა PDF-ების ნაკრებია დოკუმენტებს შორის ბმულების გარეშე. სტანდარტები (PDF/DOC) გარდაიქმნება Markdown-ად ცხრილებითა და სურათებით, სხვა GOST-ებზე მითითებები (ნორმატიული და საინფორმაციო) ავტომატურად მოიძებნება, „შვილობილი“ სტანდარტები ჩამოიტვირთება, და მათზე აიგება RAG ძიება წყაროებით და სტრუქტურირებული მონაცემების ამოღება. სატესტო ამოცანაა სიმტკიცის კლასი C235 GOST 27772-2021-ის მიხედვით: ქიმიური შემადგენლობა და მექანიკური თვისებები JSON-ში გადაიტანება. ერთი კვირის განმავლობაში (2025 წლის 30 ოქტომბრიდან 6 ნოემბრამდე) პარალელურად ხუთი განხორციელების ვარიანტი გამოიცადა.
ამოცანა
დოკუმენტებში სხვა GOST-ებზე მითითებები არ არის დაკლიკებადი. C235 ფოლადის ყველა მოთხოვნის შესაგროვებლად სპეციალისტმა ხელით უნდა მოძებნოს ძირითადი სტანდარტი და შემდეგ სათითაოდ გაიაროს ყველა სტანდარტი, რომელიც მასში იხსენიება; ეს დიდ დროს მოითხოვს და რაღაცის გამორჩენის რისკს ქმნის.
რა შედის შიგნით
- GOST-ების კონვერტაცია DOC/DOCX/PDF-იდან Markdown-ში, ცხრილებად (XLSX) და სურათებად
- მითითებების ავტომატური ამოღება „ნორმატიულ / საინფორმაციოდ“ კლასიფიკაციით; GOST 27772-2021-ში ნაპოვნია 95 უნიკალური მითითება (71 ნორმატიული, 24 საინფორმაციო) და ჩასმულია 232 დაკლიკებადი ჰიპერბმული
- „შვილობილი“ GOST-ების ავტომატური ძიება და ჩამოტვირთვა (allgosts.ru, სარეზერვოდ Yandex XML API): კორპუსი შეიცავს 60 .doc დოკუმენტს
- RAG პასუხები წყაროებით (Claude 4.5 Sonnet / Gemini 2.5 Pro OpenRouter-ით, FAISS ვექტორული ინდექსი)
- სტრუქტურირებული მონაცემების ამოღება სიმტკიცის კლასისთვის C235 (ქიმიური შემადგენლობის 8 ელემენტი, 3 მექანიკური თვისება) JSON-ში ვალიდაციით
- ვარიანტები: ვებ-ცოდნის ბაზა React/tRPC-ზე, სტანდარტების გრაფი Neo4j-ში გრაფის გათვალისწინებით პასუხებით, RAGFlow + OpenSearch k-NN-ით Docker-ის გარეშე, FastAPI + HTMX ვებ-სერვისი კრაულერით, ტექნიკური დავალება მაღალი სიზუსტის OCR მოდულისთვის
მანქანური თარგმანი — კორექტირება მიმდინარეობს.