ระบบ AI · โลหกรรม, เอกสารกำกับมาตรฐาน
กราฟ GOST และ RAG สำหรับข้อกำหนดเหล็ก
EVRAZ · 2025 · ระบบ AI · Python 3.11, LangChain
จากชุดมาตรฐาน PDF สู่ฐานความรู้ที่เชื่อมโยงกัน: ลิงก์ระหว่าง GOST, ค้นหาพร้อมแหล่งที่มา, ส่งออกข้อกำหนดตามเกรดเหล็กเป็น JSON
ชุดต้นแบบสำหรับ EVRAZ ซึ่งคลัง GOST เป็นชุดไฟล์ PDF ที่ไม่มีลิงก์ระหว่างเอกสาร มาตรฐาน (PDF/DOC) ถูกแปลงเป็น Markdown พร้อมตารางและรูปภาพ ระบบค้นพบการอ้างอิงถึง GOST อื่น (เชิงบังคับและเชิงให้ข้อมูล) โดยอัตโนมัติ ดาวน์โหลดมาตรฐาน “ลูก” แล้วสร้างการค้นหา RAG พร้อมแหล่งที่มาและการดึงข้อมูลเชิงโครงสร้างบนพื้นฐานนั้น โจทย์ทดสอบคือชั้นความแข็งแรง C235 ตาม GOST 27772-2021 โดยส่งออกองค์ประกอบทางเคมีและสมบัติเชิงกลเป็น JSON ภายในหนึ่งสัปดาห์ (30 ตุลาคม – 6 พฤศจิกายน 2025) ได้ลองแนวทางการพัฒนาห้าแบบควบคู่กัน
โจทย์
การอ้างอิงถึง GOST อื่นภายในเอกสารคลิกไม่ได้ การรวบรวมข้อกำหนดทั้งหมดสำหรับเหล็ก C235 ผู้เชี่ยวชาญต้องหามาตรฐานหลักด้วยมือ แล้วไล่เปิดทีละมาตรฐานที่อ้างถึง ซึ่งใช้เวลานานและตกหล่นง่าย
มีอะไรอยู่ข้างใน
- แปลง GOST จาก DOC/DOCX/PDF เป็น Markdown, ตาราง (XLSX) และรูปภาพ
- ดึงการอ้างอิงและจัดประเภท “เชิงบังคับ / เชิงให้ข้อมูล” โดยอัตโนมัติ: ใน GOST 27772-2021 พบการอ้างอิงที่ไม่ซ้ำ 95 รายการ (เชิงบังคับ 71, เชิงให้ข้อมูล 24) และใส่ไฮเปอร์ลิงก์ที่คลิกได้ 232 ลิงก์
- ค้นหาและดาวน์โหลด GOST “ลูก” อัตโนมัติ (allgosts.ru โดยมี Yandex XML API เป็นตัวสำรอง): คลังเอกสารมีไฟล์ .doc 60 ไฟล์
- คำตอบ RAG พร้อมแหล่งที่มา (Claude 4.5 Sonnet / Gemini 2.5 Pro ผ่าน OpenRouter, ดัชนีเวกเตอร์ FAISS)
- ดึงข้อมูลเชิงโครงสร้างสำหรับชั้นความแข็งแรง C235 (องค์ประกอบทางเคมี 8 ธาตุ, สมบัติเชิงกล 3 ค่า) เป็น JSON พร้อมการตรวจสอบความถูกต้อง
- ทางเลือกต่าง ๆ: ฐานความรู้เว็บบน React/tRPC, กราฟมาตรฐานใน Neo4j พร้อมคำตอบที่รู้จักกราฟ, RAGFlow + OpenSearch กับ k-NN โดยไม่ใช้ Docker, เว็บเซอร์วิส FastAPI + HTMX พร้อม crawler, สเปกสำหรับโมดูล OCR ความแม่นยำสูง
แปลโดยเครื่อง อยู่ระหว่างตรวจทาน