Sistema de IA · setor público: normalização e metrologia
Base de conhecimento RAG e estratégias de IA
Rosstandart · 2025 · Sistema de IA · Python 3.11, LangChain
Uma demo de RAG com documentos da Rosstandart e do projeto “RST 2.0”, análise de cinco organizações subordinadas e uma especificação para extrair requisitos de normas GOST
Duas frentes de trabalho relacionadas. A primeira é um sistema RAG de demonstração com documentos da Rosstandart e do projeto de transformação digital “RST 2.0” (15 documentos, 954 chunks): respostas em linguagem natural com links para as fontes; passou por três iterações (FAISS local, depois gestão incremental da base vetorial, depois migração para Milvus) e por uma revisão de código. A segunda é um pacote analítico sobre cinco organizações subordinadas (mais de 30 documentos, cerca de 600 páginas) com estratégias de otimização por IA, além da análise da especificação técnica de um instituto de normalização para um sistema que extrai requisitos legíveis por máquina das normas GOST e os envia aos sistemas do cliente.
O desafio
Informações dispersas sobre a agência e as suas organizações subordinadas e a necessidade de uma estratégia de adoção de IA; para o instituto de normalização, transformar documentos normativos em requisitos adequados ao processamento por máquina e à integração em sistemas de IA, MDM e MES.
O que há por dentro
- RAG com Claude 4.5 Sonnet (via OpenRouter) e embeddings multilíngues paraphrase-multilingual-MiniLM-L12-v2; fontes citadas em cada resposta
- Edition A: adição e remoção incremental de arquivos na base vetorial sem reindexação completa, gestão via CLI e validação de integridade
- Edition B: Milvus em vez de FAISS, proteção contra prompt injection e DoS, timeout de 60 segundos em todas as requisições ao modelo
- Pacote analítico para cada uma das 5 organizações: um relatório abrangente, uma estratégia de IA (8 áreas, roadmap 2026–2028), uma análise resumida com SWOT, um relatório de trabalho
- A especificação do instituto de normalização: um modelo ontológico (OWL 2, SHACL, Apache Jena), extração de entidades e relações (ruRoBERTa-large), uma API REST em Java Spring Boot, conversores para IA/MDM/MES, uma etapa de “início autônomo”
Tradução automática — em revisão.