RAG Lokal untuk CAD API: Cara Mengatasi Kekurangan Pengetahuan pada Antarmuka Properti
Hexagon
Seorang insinyur menghadapi kebutuhan otomatisasi di Smart3D, tetapi pengetahuan API menjadi hambatan. Ia membangun pipeline RAG lokal: mendekompilasi pustaka, mengekstrak fakta, memperkayanya via LLM, membuat indeks embedding, dan mengimplementasikan agen dengan verifikasi — sehingga model menghasilkan kode yang hanya mengandalkan entitas API yang sebenarnya.
Seorang penulis yang bekerja dengan sistem CAD Hexagon's Smart3D (Intergraph Smart 3D) menghadapi tantangan otomatisasi: pengetahuan tentang API proprietary mahal dan sulit diakses, sementara LLM publik menghasilkan metode fiktif karena kelangkaan data. Ia memutuskan untuk membangun pipeline RAG lokal yang mengekstrak pengetahuan dari pustaka sistem itu sendiri. Pertama, ia mendekompilasi rakitan Smart3D yang telah dikompilasi dan menulis parser untuk mengekstrak tanda tangan, dokumentasi XML, dan fakta dari badan metode (panggilan, pengecualian, objek yang dibuat). Kemudian ia menggunakan model bahasa untuk memperkaya data ini: merumuskan skenario penggunaan dan petunjuk pencarian, dengan batasan ketat hanya pada fakta yang dikonfirmasi. Untuk embedding, ia memilih model multibahasa bge-m3, karena kueri teknisi bersifat bilingual (Rusia dan Inggris). Kartu entitas berfungsi sebagai potongan, berisi tanda tangan, deskripsi, fakta, dan petunjuk. Hasilnya adalah agen yang menemukan entitas relevan melalui pencarian vektor, menggunakannya sebagai konteks untuk menghasilkan kode C#, dan memverifikasi hasil dengan merujuk pada data sumber. Sistem ini sudah digunakan dalam proyek nyata untuk mempercepat otomatisasi.
Sumber: Habr — хаб NLP —
asli