AI systém · metalurgia, normatívna dokumentácia
Graf noriem GOST a RAG pre požiadavky na oceľ
EVRAZ · 2025 · AI systém · Python 3.11, LangChain
Od sady noriem v PDF k prepojenej znalostnej báze: odkazy medzi normami GOST, vyhľadávanie so zdrojmi, export požiadaviek na triedu ocele do JSON
Séria prototypov pre EVRAZ, ktorého knižnica noriem GOST je sada PDF bez prepojení medzi dokumentmi. Normy (PDF/DOC) sa prevedú do Markdownu s tabuľkami a obrázkami, odkazy na iné normy GOST (normatívne a informatívne) sa nájdu automaticky, „podriadené“ normy sa stiahnu a nad nimi sa postaví vyhľadávanie RAG so zdrojmi a extrakcia štruktúrovaných údajov. Testovacou úlohou je trieda pevnosti C235 podľa GOST 27772-2021: chemické zloženie a mechanické vlastnosti sa exportujú do JSON. Za jeden týždeň (30. októbra – 6. novembra 2025) sa paralelne vyskúšalo päť variantov implementácie.
Zadanie
Odkazy na iné normy GOST vnútri dokumentov nie sú klikateľné. Na zhromaždenie všetkých požiadaviek na oceľ C235 musí špecialista ručne nájsť hlavnú normu a potom prejsť jednu po druhej všetky normy, ktoré spomína, čo trvá dlho a niečo sa pritom ľahko prehliadne.
Čo obsahuje
- Konverzia noriem GOST z DOC/DOCX/PDF do Markdownu, tabuliek (XLSX) a obrázkov
- Automatická extrakcia odkazov klasifikovaných ako „normatívne / informatívne“; v GOST 27772-2021 sa našlo 95 unikátnych odkazov (71 normatívnych, 24 informatívnych) a vložilo sa 232 klikateľných hypertextových odkazov
- Automatické vyhľadanie a stiahnutie „podriadených“ noriem GOST (allgosts.ru, s Yandex XML API ako zálohou): korpus obsahuje 60 dokumentov .doc
- Odpovede RAG so zdrojmi (Claude 4.5 Sonnet / Gemini 2.5 Pro cez OpenRouter, vektorový index FAISS)
- Extrakcia štruktúrovaných údajov pre triedu pevnosti C235 (8 prvkov chemického zloženia, 3 mechanické vlastnosti) do JSON s validáciou
- Varianty: webová znalostná báza na React/tRPC, graf noriem v Neo4j s odpoveďami s ohľadom na graf, RAGFlow + OpenSearch s k-NN bez Dockeru, webová služba FastAPI + HTMX s crawlerom, špecifikácia modulu OCR s vysokou presnosťou
Strojový preklad – prechádza korektúrou.