AI 系統 · 冶金、法規文件
GOST 圖譜與鋼材要求的 RAG
EVRAZ · 2025 · AI 系統 · Python 3.11, LangChain
從一組 PDF 標準到互相連結的知識庫：GOST 之間的連結、附來源的搜尋、將鋼材強度等級要求匯出為 JSON
為 EVRAZ 打造的一系列原型。EVRAZ 的 GOST 文件庫是一批 PDF，文件之間沒有任何連結。系統將標準（PDF/DOC）轉換為含表格與圖片的 Markdown，自動找出對其他 GOST 的引用（規範性與資訊性），下載「子」標準，並在其上建立附來源的 RAG 搜尋與結構化資料擷取。測試任務是 GOST 27772-2021 中的 C235 強度等級：將化學成分與機械性質匯出為 JSON。在一週內（2025 年 10 月 30 日至 11 月 6 日）平行嘗試了五種實作方案。
任務
文件內對其他 GOST 的引用無法點擊。要蒐集 C235 鋼材的所有要求，專家必須手動找到主標準，再逐一翻閱它提到的每份標準，既耗時又容易遺漏。
核心功能
- 將 GOST 從 DOC/DOCX/PDF 轉換為 Markdown、表格（XLSX）與圖片
- 自動擷取並分類為「規範性 / 資訊性」的引用；在 GOST 27772-2021 中找到 95 個不重複的引用（71 個規範性、24 個資訊性），並插入了 232 個可點擊的超連結
- 自動搜尋並下載「子」GOST（allgosts.ru，以 Yandex XML API 作為備援）：語料庫共有 60 份 .doc 文件
- 附來源的 RAG 回答（Claude 4.5 Sonnet / Gemini 2.5 Pro 經由 OpenRouter，FAISS 向量索引）
- 將 C235 強度等級的結構化資料（8 種化學成分元素、3 項機械性質）擷取為 JSON，並進行驗證
- 多種變體：基於 React/tRPC 的網頁知識庫、以 Neo4j 建立並支援圖譜感知回答的標準圖譜、不依賴 Docker 且使用 k-NN 的 RAGFlow + OpenSearch、附爬蟲的 FastAPI + HTMX 網頁服務，以及高精度 OCR 模組的規格書
機器翻譯，校對中。