Sistem AI · metalurgi, dokumentasi kawal selia
Graf GOST dan RAG pada keperluan keluli
EVRAZ · 2025 · Sistem AI · Python 3.11, LangChain
Daripada set piawaian PDF kepada pangkalan pengetahuan yang berpaut: pautan antara GOST, carian dengan sumber, eksport keperluan kelas keluli ke JSON
Siri prototaip untuk EVRAZ, yang pustaka GOST-nya ialah set PDF tanpa pautan antara dokumen. Piawaian (PDF/DOC) ditukar kepada Markdown dengan jadual dan imej, rujukan kepada GOST lain (normatif dan bermaklumat) dikesan secara automatik, piawaian “anak” dimuat turun, dan carian RAG dengan sumber serta pengekstrakan data berstruktur dibina di atasnya. Tugas ujian ialah kelas kekuatan C235 di bawah GOST 27772-2021: komposisi kimia dan sifat mekanikal dieksport ke JSON. Dalam tempoh seminggu (30 Oktober – 6 November 2025), lima pilihan pelaksanaan dicuba secara selari.
Tugasan
Rujukan kepada GOST lain di dalam dokumen tidak boleh diklik. Untuk mengumpul semua keperluan bagi keluli C235, pakar perlu mencari piawaian utama secara manual, kemudian menyemak setiap piawaian yang disebutnya satu demi satu, yang memakan masa lama dan membolehkan sesuatu terlepas.
Apa yang ada di dalamnya
- Penukaran GOST daripada DOC/DOCX/PDF kepada Markdown, jadual (XLSX) dan imej
- Pengekstrakan automatik rujukan yang dikelaskan sebagai “normatif / bermaklumat”; dalam GOST 27772-2021, 95 rujukan unik ditemui (71 normatif, 24 bermaklumat) dan 232 hiperpautan boleh klik dimasukkan
- Carian dan muat turun automatik GOST “anak” (allgosts.ru, dengan Yandex XML API sebagai sandaran): korpus mengandungi 60 dokumen .doc
- Jawapan RAG dengan sumber (Claude 4.5 Sonnet / Gemini 2.5 Pro melalui OpenRouter, indeks vektor FAISS)
- Pengekstrakan data berstruktur untuk kelas kekuatan C235 (8 unsur komposisi kimia, 3 sifat mekanikal) ke JSON dengan pengesahan
- Varian: pangkalan pengetahuan web pada React/tRPC, graf piawaian dalam Neo4j dengan jawapan sedar graf, RAGFlow + OpenSearch dengan k-NN tanpa Docker, perkhidmatan web FastAPI + HTMX dengan perangkak, spesifikasi untuk modul OCR berketepatan tinggi
Terjemahan mesin — sedang disemak.