Sistema de IA · metalurgia, documentação normativa
Grafo de normas GOST e RAG sobre requisitos do aço
EVRAZ · 2025 · Sistema de IA · Python 3.11, LangChain
De um conjunto de normas em PDF a uma base de conhecimento interligada: links entre normas GOST, busca com fontes, exportação dos requisitos por classe de aço para JSON
Uma série de protótipos para a EVRAZ, cuja biblioteca de normas GOST é um conjunto de PDFs sem ligações entre os documentos. As normas (PDF/DOC) são convertidas para Markdown com tabelas e imagens, as referências a outras normas GOST (normativas e informativas) são encontradas automaticamente, as normas “filhas” são baixadas, e sobre isso são construídas a busca RAG com fontes e a extração de dados estruturados. A tarefa de teste é a classe de resistência C235 segundo a GOST 27772-2021: a composição química e as propriedades mecânicas são exportadas para JSON. Em uma semana (30 de outubro a 6 de novembro de 2025), cinco opções de implementação foram testadas em paralelo.
O desafio
As referências a outras normas GOST dentro dos documentos não são clicáveis. Para reunir todos os requisitos do aço C235, um especialista precisa encontrar à mão a norma principal e depois percorrer, uma a uma, todas as normas que ela menciona — o que leva muito tempo e deixa margem para omissões.
O que há por dentro
- Conversão de normas GOST de DOC/DOCX/PDF para Markdown, tabelas (XLSX) e imagens
- Extração automática de referências classificadas como “normativas / informativas”; na GOST 27772-2021 foram encontradas 95 referências únicas (71 normativas, 24 informativas) e inseridos 232 hiperlinks clicáveis
- Busca e download automáticos de normas GOST “filhas” (allgosts.ru, com a Yandex XML API como alternativa): o corpus contém 60 documentos .doc
- Respostas RAG com fontes (Claude 4.5 Sonnet / Gemini 2.5 Pro via OpenRouter, índice vetorial FAISS)
- Extração de dados estruturados para a classe de resistência C235 (8 elementos da composição química, 3 propriedades mecânicas) para JSON com validação
- Variantes: uma base de conhecimento web em React/tRPC, um grafo de normas no Neo4j com respostas graph-aware, RAGFlow + OpenSearch com k-NN sem Docker, um serviço web FastAPI + HTMX com crawler, uma especificação para um módulo de OCR de alta precisão
Tradução automática — em revisão.