AI 系统 · 公共部门：标准化与计量
RAG 知识库与 AI 战略
Rosstandart · 2025 · AI 系统 · Python 3.11, LangChain
基于 Rosstandart 文档和“RST 2.0”项目的 RAG 演示、对五家下属机构的分析，以及从 GOST 标准中提取要求的技术规格
两条相互关联的工作线。第一条是基于 Rosstandart 文档和“RST 2.0”数字化转型项目（15 份文档、954 个文本块）的 RAG 系统演示：以自然语言作答并附来源链接；系统经历了三轮迭代（本地 FAISS，随后是增量式向量库管理，再迁移到 Milvus）和一次代码评审。第二条是针对五家下属机构（30 多份文档、约 600 页）的分析资料包，包含 AI 优化战略，以及对一家标准化研究所技术规格的评审——该规格描述了一套从 GOST 标准中提取机器可读要求并传递给客户系统的方案。
任务
该机构及其下属机构的信息分散，且需要一套 AI 引入战略；对标准化研究所而言，则要把规范性文件转化为适合机器处理、并可集成到 AI、MDM 和 MES 系统中的要求。
核心功能
- 基于 Claude 4.5 Sonnet（经 OpenRouter）和 paraphrase-multilingual-MiniLM-L12-v2 多语言嵌入的 RAG；每个回答都标明来源
- 方案 A：无需完整重建索引即可在向量库中增量添加和删除文件，CLI 管理及完整性校验
- 方案 B：用 Milvus 取代 FAISS，防范提示词注入和 DoS，所有模型请求设有 60 秒超时
- 针对 5 家机构各自的分析资料包：综合报告、AI 战略（8 个方向、2026–2028 年路线图）、带 SWOT 的简报、工作报告
- 标准化研究所的技术规格：本体模型（OWL 2、SHACL、Apache Jena）、实体与关系抽取（ruRoBERTa-large）、基于 Java Spring Boot 的 REST API、面向 AI/MDM/MES 的转换器，以及“自主启动”阶段
机器翻译，正在校对中。