LLM 用于解析 GOSTs：从 2 小时到 5 分钟

利用大语言模型自动化提取GOST参数：效率提升24倍的案例研究

在一家拥有4500个库存项目和200多份监管文件（主要是苏联时期GOST和OST标准的扫描件）的全流程冶金工厂，编制一份控制表过去需要2个多小时。技术人员需要从40多个指标的表格、注释和文本中手动提取参数。基于大语言模型的解决方案将这一时间缩短至3-5分钟——效率提升了24倍。

核心挑战：根据库存特性（钢种、坯料直径、组别）和GOST PDF文件，生成包含控制参数、来源（章节/表格）和数值的表格。

为什么传统解析器不够用

基于模板的解析器因格式多样性而失败：在某些GOST标准中，参数位于表格中；在其他标准中，它们出现在注释或引用章节中。这需要语义理解，而不仅仅是结构解析。

大语言模型充当“虚拟技术专家”：

• 输入：GOST PDF文件 + 库存参数
• 提示：包含搜索算法的参数列表
• 输出：“参数 — 数值 — 来源”表格

通用提示的局限性

在Perplexity平台测试显示：Claude Sonnet 4.6在第一个GOST标准上达到85%准确率，GPT 5.4（思考模式下）达到72%。但由于结构差异——嵌套表格、常数、范围值——后续文档中错误反复出现。

通用方法无法扩展。转向针对特定GOST标准定制的提示。

基于帕累托原则的工作架构

80%的库存由18%的GOST标准覆盖（试点阶段20个关键文档）。

为每个标准制定定制提示规则：

• 参数位置（表格/章节）
• 边界情况解释（“不小于”、范围值）
• 表格处理方式

处理流程：

• 将GOST PDF和参数输入提示
• 接收结果表格
• 如果出现错误——在Perplexity中使用“更新规则XX”命令分析

14天内经过9次迭代，确保试点GOST标准达到100%准确率。

当前实施与扩展方案

规则导出至Excel表格供技术人员编辑。提示加载表格+输入数据，为企业系统输出就绪表格。

添加新GOST标准：复制模板规则，1-2次迭代调试完成。

关键收获：

• 现代大语言模型（Claude Sonnet）能可靠解析包含任意复杂度表格的PDF扫描件
• 应用帕累托原则：从最重要的20%文档开始
• 按文档定制提示比通用提示更有效
• 迭代调试消除系统错误（嵌套表格问题）

给IT专业人士的启示

这种方法适用于拥有监管文档的行业：

• 冶金、机械制造
• 化工、建筑、能源
• 制药（不含机密数据）

成功条件：

• 需要从异构PDF手动传输数据
• 无严格保密要求
• 具备迭代优化提示的能力

— Editorial Team