ระบบ AI · ภาครัฐ: มาตรฐานและมาตรวิทยา
ฐานความรู้ RAG และกลยุทธ์ AI
Rosstandart · 2025 · ระบบ AI · Python 3.11, LangChain
เดโม RAG บนเอกสารของ Rosstandart และโปรเจกต์ “RST 2.0” การวิเคราะห์องค์กรในสังกัดห้าแห่ง และสเปกสำหรับดึงข้อกำหนดจากมาตรฐาน GOST
งานสองสายที่เกี่ยวข้องกัน สายแรกคือระบบ RAG สาธิตบนเอกสารของ Rosstandart และโปรเจกต์การเปลี่ยนผ่านสู่ดิจิทัล “RST 2.0” (15 เอกสาร, 954 chunk) ให้คำตอบด้วยภาษาธรรมชาติพร้อมลิงก์ไปยังแหล่งที่มา ผ่านมาสามรอบ (FAISS ในเครื่อง ต่อด้วยการจัดการ vector DB แบบเพิ่มทีละส่วน แล้วย้ายไป Milvus) และการทำ code review สายที่สองคือชุดวิเคราะห์องค์กรในสังกัดห้าแห่ง (30+ เอกสาร ราว 600 หน้า) พร้อมกลยุทธ์ปรับให้เหมาะสมด้วย AI และการทบทวนข้อกำหนดทางเทคนิคของสถาบันมาตรฐานสำหรับระบบที่ดึงข้อกำหนดที่เครื่องอ่านได้จากมาตรฐาน GOST แล้วส่งต่อให้ระบบของลูกค้า
โจทย์
ข้อมูลเกี่ยวกับหน่วยงานและองค์กรในสังกัดกระจัดกระจาย และต้องมีกลยุทธ์การนำ AI มาใช้ ส่วนสถาบันมาตรฐานต้องการแปลงเอกสารเชิงกฎเกณฑ์ให้เป็นข้อกำหนดที่เครื่องประมวลผลได้และเชื่อมต่อกับระบบ AI, MDM และ MES
มีอะไรอยู่ข้างใน
- RAG บน Claude 4.5 Sonnet (ผ่าน OpenRouter) พร้อม embedding หลายภาษา paraphrase-multilingual-MiniLM-L12-v2 ทุกคำตอบอ้างอิงแหล่งที่มา
- Edition A: เพิ่มและลบไฟล์ใน vector DB แบบเพิ่มทีละส่วนโดยไม่ต้องทำดัชนีใหม่ทั้งหมด จัดการด้วย CLI และตรวจสอบความสมบูรณ์
- Edition B: ใช้ Milvus แทน FAISS ป้องกัน prompt injection และ DoS กำหนด timeout 60 วินาทีให้ทุกคำขอไปยังโมเดล
- ชุดวิเคราะห์ของแต่ละองค์กรจาก 5 องค์กร: รายงานฉบับสมบูรณ์, กลยุทธ์ AI (8 ด้าน, โรดแมปปี 2026–2028), รายงานสรุปพร้อม SWOT, รายงานการทำงาน
- สเปกของสถาบันมาตรฐาน: แบบจำลอง ontology (OWL 2, SHACL, Apache Jena), การดึงเอนทิตีและความสัมพันธ์ (ruRoBERTa-large), REST API บน Java Spring Boot, ตัวแปลงไปยัง AI/MDM/MES, ขั้น “เริ่มต้นอัตโนมัติ”
แปลโดยเครื่อง อยู่ระหว่างตรวจทาน