AI-system · metallurgi, regelverksdokumentation
GOST-graf och RAG för stålkrav
EVRAZ · 2025 · AI-system · Python 3.11, LangChain
Från en samling PDF-standarder till en sammanlänkad kunskapsbas: länkar mellan GOST-standarder, sökning med källor, export av krav för stålklasser till JSON
En serie prototyper för EVRAZ, vars GOST-bibliotek är en samling PDF-filer utan länkar mellan dokumenten. Standarder (PDF/DOC) konverteras till Markdown med tabeller och bilder, hänvisningar till andra GOST-standarder (normativa och informativa) hittas automatiskt, ”underordnade” standarder laddas ned, och RAG-sökning med källor och strukturerad datautvinning byggs ovanpå. Testuppgiften är hållfasthetsklass C235 enligt GOST 27772-2021: den kemiska sammansättningen och de mekaniska egenskaperna exporteras till JSON. Under en vecka (30 oktober – 6 november 2025) prövades fem implementeringsalternativ parallellt.
Uppdraget
Hänvisningarna till andra GOST-standarder i dokumenten går inte att klicka på. För att samla alla krav för stål C235 måste en specialist hitta huvudstandarden för hand och sedan gå igenom varje standard den nämner, en efter en, vilket tar lång tid och låter saker slinka igenom.
Vad som ingår
- Konvertering av GOST-standarder från DOC/DOCX/PDF till Markdown, tabeller (XLSX) och bilder
- Automatisk utvinning av hänvisningar klassificerade som ”normativa / informativa”; i GOST 27772-2021 hittades 95 unika hänvisningar (71 normativa, 24 informativa) och 232 klickbara hyperlänkar lades in
- Automatisk sökning och nedladdning av ”underordnade” GOST-standarder (allgosts.ru, med Yandex XML API som reserv): korpusen innehåller 60 .doc-dokument
- RAG-svar med källor (Claude 4.5 Sonnet / Gemini 2.5 Pro via OpenRouter, FAISS-vektorindex)
- Utvinning av strukturerade data för hållfasthetsklass C235 (8 element i den kemiska sammansättningen, 3 mekaniska egenskaper) till JSON med validering
- Varianter: en webbaserad kunskapsbas på React/tRPC, en standardgraf i Neo4j med grafmedvetna svar, RAGFlow + OpenSearch med k-NN utan Docker, en FastAPI + HTMX-webbtjänst med en crawler, en specifikation för en OCR-modul med hög noggrannhet
Maskinöversättning — granskas.