Sistem AI · Metalurgji, dokumentacion rregullator
Grafi GOST dhe RAG mbi kërkesat për çelikun
EVRAZ · 2025 · Sistem AI · Python 3.11, LangChain
Nga një set standardesh PDF te një bazë njohurish e lidhur: lidhje mes GOST-eve, kërkim me burime, eksport i kërkesave të klasës së çelikut në JSON
Një seri prototipesh për EVRAZ, biblioteka GOST e të cilit është një set PDF-sh pa lidhje mes dokumenteve. Standardet (PDF/DOC) konvertohen në Markdown me tabela dhe imazhe, referencat te GOST-et e tjera (normative dhe informuese) gjenden automatikisht, standardet «fëmijë» shkarkohen, dhe mbi to ndërtohen kërkimi RAG me burime dhe nxjerrja e të dhënave të strukturuara. Detyra provë është klasa e rezistencës C235 sipas GOST 27772-2021: përbërja kimike dhe vetitë mekanike eksportohen në JSON. Brenda një jave (30 tetor – 6 nëntor 2025) u provuan paralelisht pesë opsione zbatimi.
Detyra
Referencat te GOST-et e tjera brenda dokumenteve nuk klikohen. Për të mbledhur të gjitha kërkesat për çelikun C235, një specialist duhet ta gjejë me dorë standardin kryesor e pastaj t’i kalojë një nga një të gjithë standardet që ai përmend, gjë që merr shumë kohë dhe lë gjëra të shpëtojnë.
Çfarë përmban
- Konvertim i GOST-eve nga DOC/DOCX/PDF në Markdown, tabela (XLSX) dhe imazhe
- Nxjerrje automatike e referencave të klasifikuara si «normative / informuese»; në GOST 27772-2021 u gjetën 95 referenca unike (71 normative, 24 informuese) dhe u futën 232 hiperlidhje të klikueshme
- Kërkim dhe shkarkim automatik i GOST-eve «fëmijë» (allgosts.ru, me Yandex XML API si rezervë): korpusi përmban 60 dokumente .doc
- Përgjigje RAG me burime (Claude 4.5 Sonnet / Gemini 2.5 Pro përmes OpenRouter, indeks vektorial FAISS)
- Nxjerrje e të dhënave të strukturuara për klasën C235 (8 elemente të përbërjes kimike, 3 veti mekanike) në JSON me validim
- Variante: një bazë njohurish web në React/tRPC, një graf standardesh në Neo4j me përgjigje të ndërgjegjshme për grafin, RAGFlow + OpenSearch me k-NN pa Docker, një shërbim web FastAPI + HTMX me crawler, një specifikim për një modul OCR me saktësi të lartë
Përkthim automatik — po korrigjohet.