AI 系統 · 公部門：標準化與度量衡
RAG 知識庫與 AI 策略
Rosstandart · 2025 · AI 系統 · Python 3.11, LangChain
針對 Rosstandart 文件與「RST 2.0」專案的 RAG 展示、五個下屬機構的分析，以及從 GOST 標準中擷取要求的規格書
兩條相關的工作主線。第一條是針對 Rosstandart 文件與「RST 2.0」數位轉型專案（15 份文件、954 個區塊）的 RAG 展示系統：以自然語言回答並附上來源連結；它歷經三次迭代（本地 FAISS、增量式向量資料庫管理，再遷移到 Milvus）以及一次程式碼審查。第二條是針對五個下屬機構（30 多份文件，約 600 頁）的分析套件，附有 AI 最佳化策略，並審閱了標準化研究院為一套系統所撰寫的技術規格書——該系統負責從 GOST 標準中擷取機器可讀的要求，並傳遞給客戶的系統。
任務
機關及其下屬機構的資訊分散，且需要一套導入 AI 的策略；對標準化研究院而言，則是要把法規文件轉換成適合機器處理、並能整合進 AI、MDM 與 MES 系統的要求。
核心功能
- 以 Claude 4.5 Sonnet（經由 OpenRouter）搭配 paraphrase-multilingual-MiniLM-L12-v2 多語嵌入向量實作 RAG；每個回答都會引用來源
- 版本 A：在向量資料庫中增量新增與移除檔案，無需完整重新建立索引，並提供 CLI 管理與完整性驗證
- 版本 B：以 Milvus 取代 FAISS，防範提示詞注入與 DoS，所有模型請求皆設有 60 秒逾時
- 為 5 個機構各自提供的分析套件：完整報告、AI 策略（8 個方向、2026–2028 年路線圖）、含 SWOT 的簡要評述、工作報告
- 標準化研究院的規格書：本體模型（OWL 2、SHACL、Apache Jena）、實體與關係擷取（ruRoBERTa-large）、以 Java Spring Boot 實作的 REST API、轉換為 AI/MDM/MES 的轉換器，以及「自主啟動」階段
機器翻譯，校對中。