AI-system · metallurgi, regulatorisk dokumentasjon
GOST-graf og RAG for stålkrav
EVRAZ · 2025 · AI-system · Python 3.11, LangChain
Fra et sett PDF-standarder til en sammenkoblet kunnskapsbase: lenker mellom GOST-er, søk med kilder, eksport av krav til stålklasser til JSON
En serie prototyper for EVRAZ, hvis GOST-bibliotek er et sett PDF-er uten lenker mellom dokumentene. Standarder (PDF/DOC) konverteres til Markdown med tabeller og bilder, henvisninger til andre GOST-er (normative og informative) finnes automatisk, «underordnede» standarder lastes ned, og RAG-søk med kilder og uttrekk av strukturerte data bygges oppå. Testoppgaven er fasthetsklasse C235 etter GOST 27772-2021: den kjemiske sammensetningen og de mekaniske egenskapene eksporteres til JSON. I løpet av én uke (30. oktober – 6. november 2025) ble fem implementasjonsalternativer prøvd parallelt.
Oppgaven
Henvisningene til andre GOST-er inne i dokumentene er ikke klikkbare. For å samle alle kravene til C235-stål må en spesialist finne hovedstandarden for hånd og deretter gå gjennom hver standard den nevner, én etter én, noe som tar lang tid og lar ting slippe gjennom.
Hva som inngår
- Konvertering av GOST-er fra DOC/DOCX/PDF til Markdown, tabeller (XLSX) og bilder
- Automatisk uttrekk av henvisninger klassifisert som «normative / informative»; i GOST 27772-2021 ble 95 unike henvisninger funnet (71 normative, 24 informative), og 232 klikkbare hyperlenker ble satt inn
- Automatisk søk etter og nedlasting av «underordnede» GOST-er (allgosts.ru, med Yandex XML API som reserve): korpuset inneholder 60 .doc-dokumenter
- RAG-svar med kilder (Claude 4.5 Sonnet / Gemini 2.5 Pro via OpenRouter, FAISS-vektorindeks)
- Uttrekk av strukturerte data for fasthetsklasse C235 (8 elementer i den kjemiske sammensetningen, 3 mekaniske egenskaper) til JSON med validering
- Varianter: en nettbasert kunnskapsbase på React/tRPC, en standardgraf i Neo4j med grafbevisste svar, RAGFlow + OpenSearch med k-NN uten Docker, en nettjeneste i FastAPI + HTMX med en crawler, en spesifikasjon for en OCR-modul med høy nøyaktighet
Maskinoversettelse – korrekturlesing pågår.