AI-систем · Металургија, регулаторна документација
GOST-граф и RAG врз барањата за челик
EVRAZ · 2025 · AI-систем · Python 3.11, LangChain
Од збир на PDF-стандарди до поврзана база на знаење: врски меѓу GOST-ите, пребарување со извори, извоз на барањата за класа на челик во JSON
Серија прототипи за EVRAZ, чија GOST-библиотека е збир од PDF-датотеки без врски меѓу документите. Стандардите (PDF/DOC) се претвораат во Markdown со табели и слики, упатувањата кон други GOST-и (нормативни и информативни) се наоѓаат автоматски, „подредените“ стандарди се преземаат, а врз тоа се градат RAG-пребарување со извори и извлекување структуирани податоци. Тест-задачата е класата на цврстина C235 според GOST 27772-2021: хемискиот состав и механичките својства се извезуваат во JSON. За една недела (30 октомври – 6 ноември 2025) паралелно беа испробани пет варианти на реализација.
Задачата
Упатувањата кон други GOST-и во документите не се кликнуваат. За да ги собере сите барања за челикот C235, специјалистот мора рачно да го најде главниот стандард, а потоа еден по еден да ги помине сите стандарди што тој ги споменува, што одзема многу време и допушта пропусти.
Што има внатре
- Претворање на GOST-ите од DOC/DOCX/PDF во Markdown, табели (XLSX) и слики
- Автоматско извлекување упатувања класифицирани како „нормативни / информативни“; во GOST 27772-2021 се пронајдени 95 уникатни упатувања (71 нормативно, 24 информативни) и вметнати 232 кликливи хиперврски
- Автоматско пребарување и преземање „подредени“ GOST-и (allgosts.ru, со Yandex XML API како резерва): корпусот содржи 60 .doc-документи
- RAG-одговори со извори (Claude 4.5 Sonnet / Gemini 2.5 Pro преку OpenRouter, векторски индекс FAISS)
- Извлекување структуирани податоци за класата C235 (8 елементи на хемискиот состав, 3 механички својства) во JSON со валидација
- Варијанти: веб-база на знаење на React/tRPC, граф на стандарди во Neo4j со одговори свесни за графот, RAGFlow + OpenSearch со k-NN без Docker, веб-услуга FastAPI + HTMX со crawler, спецификација за OCR-модул со висока точност
Машински превод — во тек е лекторирање.