Если сам себя не похвалишь... это за тебя сделает ИИ!!(Спасибо SUNO AI за песню🤩) Вот ссылка, если вам тоже хочется, чтобы про вас спели:

https://suno.com/ 🤩

Я торопыга🤪 Так спешила продемонстрировать работу новой функции отображения правил проверки ЦИМ в Подсистеме требований NSR Specification, что снимала ролик на одном дубле и забыла попрощаться🧑‍🚀Надеюсь, вы простите эту оплошность!
Самое главное: в скором будущем мы сможем начать публиковать базы профилей проверок ЦИМ для наших пользователей!🔥

Рубрика: NSR любит усложнять🔥

📍ЗАДАЧА:

Подготовить векторную базу фрагментов из пользовательских документов. Это нужно для реализации RAG-системы — движка, на котором будет работать наш QA-чат (мы уже активно его готовим к релизу).
🟡🟡🟡
Зачем❔
Чтобы чат мог не просто «искать по PDF-ке», а по-настоящему понимать документы, анализировать их, отвечать на вопросы, выявлять противоречия, несоответствия и прочие радости технической документации.

Кажется, всё уже придумали: передал документ в LLM — и готово.
❕Но, как обычно, не всё так просто.

Сегодня активно обсуждается end-to-end подход: загружаем в мультимодальную языковую модель весь PDF целиком, и она сама всё делает — определяет, где заголовки, где таблицы, где просто текст, и возвращает идеально структурированный результат✔️

Звучит как магия🔶
А по сути:
➡️один пайплайн,
➡️минимум ручной настройки,
➡️гибкость под любые форматы.

📎Но реальность вносит коррективы:
➡️стоит дорого,
➡️работает медленно,
➡️не всегда понятно, что модель сделала внутри (а сделала ли?),
➡️и, самое неприятное — возможны «галлюцинации»: модель может сгенерировать текст, которого в документе никогда не было. Даже если очень попросить — не делать🙃

Такой подход действительно выглядит как самое очевидное и желанное решение.
❕Но внедрять его в прод — рискованно. Особенно если важна точность.
⚫️⚫️⚫️
Поэтому вот другие, не менее крутые (а местами и надёжнее) варианты извлечения данных из PDF⬇️:

1️⃣▶️Извлечение текстового слоя (GetText)
Если в PDF документе текст сохранён как текст, а не как изображение, его можно извлекать напрямую — символы, строки, абзацы.
➕ высокая точность, «чистый» текст, без искажений и опечаток.
➖ структура PDF может быть нестандартной — текст часто хранится как фрагменты с координатами, а не логически связанные абзацы. В итоге порядок строк может нарушаться. Метод неприменим к сканированным страницам✉️

2️⃣▶️OCR (оптическое распознавание символов)
Если PDF — это скан или изображение, каждую страницу можно конвертировать в картинку (например, PNG) и передать в OCR✔️
На выходе — текст с координатами. Но возможны искажения, «битые» токены, проблемы с кодировкой.
Для повышения читаемости можно дополнительно применять языковые модели👤

3️⃣▶️OCR + LLM
Сочетание OCR и LLM позволяет восстановить логическую структуру текста — используя координаты и контекст, модель делает текст более читаемым и структурированным.
➖Но есть недостатки:
⏹️повышенная нагрузка на вычисления,
⏹️увеличение времени обработки,
⏹️и опять же — риск генерации лишнего текста (галлюцинации).

4️⃣▶️Гибридный подход (GetText + OCR + LLM)
Наиболее сбалансированное решение:
✔️если в документе есть текстовый слой — используем GetText,
✔️если это скан — подключаем OCR,
✔️затем применяем LLM для очистки и структурирования результата.

📍Вывод
По хорошему нам надо заморочиться и реализовать интерактивный сервис распознания, где, в зависимости от документа можно выбирать сценарий парсинга текста✨

Мы, как пионеры, не боимся трудностей, сами их находим и с честью преодолеваем 🔥

🔘🔘🔘
🗣Наконец-то заработал режим диалога в нашем QA-чате!

Зачем он нужен❓

Чтобы LLM при обработке запроса пользователя смогла задать уточняющие вопросы и найти более подходящие фрагменты требований для ответа📍

📱На скринах видно, как модель переспросила, что именно интересует пользователя, и на основе уточнённого запроса нашла нужную выдержку из СП 106.13330.2012 — да-да, даже про зелёного попугая 🦜

Это тоже осознанно сделано из экономии ресурсов: сейчас ограничено одним уточняющим ответом от LLM❓
Но в перспективе можно будет расширить: например, до 3–5 шагов, а может и вовсе без ограничений🔴

➕Историю диалога тоже можно учитывать полностью, например, суммаризируя, но пока решили не включать — опять же, баланс между качеством и необходимостью экономить.

🎙Появление диалогового режима — это важный шаг вперёд. Модель уже учится уточнять и лучше понимать запросы, а впереди — ещё больше гибкости и «осознанности» в ответах. Улучшаем качество, не забывая про эффективность⭐

👨NSR Specification смогли проверить работоспособность своих инструментов обработки требований в рамках пилотного проекта с РЖД!👩

🟢Мы очень хотим выпустить универсальный инструмент, который действительно будет работать на практике. Именно поэтому нам важны пилотные проекты, в ходе которых мы дорабатываем свой функционал.

🟢Вторая наша цель - весьма прозаическая.
Давайте смотреть правде в глаза: мы занимаемся разработкой решения, пока не имеющего аналогов. И, соответственно, сталкиваемся с необходимостью доказывать свою эффективность.

↗️В теории, конечно, возможность создания цифровых требований, которые смогут программировать ПО проектировать без ошибок, в соответствии со стандартами- это очень круто.

🌐А на практике - никто не знает,  будет ли это работать.

Поэтому, нам надо показывать и доказывать🔈Форсировать интерес, создавать спрос. И когда РЖД согласились показать нам свою ЦИМ, чтобы мы смогли попробовать применить наши сценарии проверки - это была фантастическая возможность🪄

Спасибо коллегам!
🟢🟢🟢
Подобных пилотных проектов мы провели уже больше десяти. Каждый раз рождались на свет новые фичи.
И ... каждый раз нам казалось, что мы готовы к промышленной эксплуатации. 

Наивные мы.
Итак, к делу.

➡️Укрупненный список вызовов:

1️⃣ РЖД использует свой отраслевой классификатор для описания элементов ЦИМ.  И он прекрасен, потому что позволяет обеспечить настоящую информационную полноту модели.
Решено было использовать только его и не добавлять новых атрибутов (обычно мы добавляем характеристики элементам, значения которых задаём на основе визуального осмотра, расчёта на основе других значений или запрашиваем информацию у Заказчика)

2️⃣ ЦИМ была передана в формате ifc. А проверки решено было запускать в CADLIB Модель и Архив. Из-за данных факторов мы не смогли использовать некоторые структурные связи элементов.

3️⃣ Требований для пилота было отобрано немного. Всего четыре. Зато каких! Тут тебе и табличный формат, и заковыристые формулировки, и расчётные значения которые нам надо было преобразовывать в формулы...

4️⃣ Одно из требований устанавливало минимальные расстояния в свету. Специально для таких случаев у CADLIB МиА есть функционал проверки минимального расстояния в плане. А вот у нас в Модуле семантического анализа требований не оказалось нужного инструмента для передачи данной особенности. Пришлось реализовывать!👦

И вот, счастливый финал, мы показываем коллегам из РЖД результаты наших экспериментов... 🚆

🚅И слышим в ответ, что мы не учли важный момент:

нормативное требование устанавливает минимальное расстояние между осями трубопроводов, а CADLIB МиА измеряет расстояние между стенками труб. В самом требовании этот нюанс прямым текстом не озвучен.
Но, специалисты то знают!

В общем, нужно пересчитать.

О, счастье,  у нас получилось и это👍
С костылями и молитвами (ибо прямого указания нет).
Но, получилось!
В, общем, смотрите видео:

💡 ИИ в nanoCad. Максим Журавлёв о сценариях использования ИИ в отечественном ПО

В этом видео:
00:30 - процесс цифровизации стандартов проектирования
01:40 - перевод документов в машиночитаемый вид (модуль семантической разметки)
02:27 - база машиночитаемых требований
03:48 - почему нужно проверять ЦИМ, а не чертежи
05:00 - как выглядят машиночитаемые требования
05:28 - как создавать машиночитаемые требования
06:28 - модуль семантического анализа от nanoSoft
06:57 - настройка правил на основе результатов семантического анализа
09:42 - анализ модели на основании правил
11:09 - требования к BIM-агрегаторам, выполняющим проверку
12:06 - панель проверки моделей в nanoCAD
12:55 - предпосылки разработки инструментов
14:04 - анализ технических текстов с помощью ИИ
16:25 - схема связи модулей NSR Specification

➡️ Cмотреть на 💙 ВК | 📺 YouTube | 📺 Rutube | 📝 Дзене
➡️ Блог NSR Specification
➡️ Презентация

🟡Стать партнёром BIM Просвета

#BIMПросвет #BIMПросветAI #BIMSupport #AI #AIBIM #ИИ #ИИТИМ #нанософт

Два года мы собирались с мыслями, чтобы наконец-то опубликовать статью о работе Модуля семантического анализа NSR Specification, который преобразовывает нормативные требования в вид правил проверки ЦИМ (настоящий машинопонимаемый вид).

Спешим поделиться ❤️
https://habr.com/ru/companies/nanosoft/articles/936874/

Заработала новая фича в NSR Модуль семантического анализа (это сервис для перевода текста требований в правила проверки ЦИМ)🎆
Теперь у нас есть подсказки кодов Классификатора Строительной Информации от ИИ (работает BERT подобная модель) 🎊
Мы, уже набили много шишек с КСИ🤪, поэтому разграничили наборы классификационных таблиц для привязки к компонентам типа object/subject (используем все таблицы из категории Результат в паре с характеристикой Код класса/ Код типа класса) и к компонентам типа property/ feature (для них только коды из таблицы Prp).

В общем, смотрите сами⬆️

P.S. До релиза остался всего месяц 🚀

Команда NSR Specification активно готовит к релизу NSR Модуль семантического поиска - QA-чат для автоматизации анализа нормативных и технических текстов с помощью ИИ.❤️

Нам важно знать ваше мнение.🧑‍🚀

Какой формат работы предпочтителен для вашей компании?
Онлайн доступ / Локальная установка?

*Прежде всего, нам надо понять, какой будет спрос на онлайн доступ в человеко-клиентах. От этого зависит потребность в GPU и серверном оборудовании, необходимом для обеспечения комфортной работы пользователей.👩‍🚀

**Опрос проводим вот тут: https://ai.nanocad.ru/ в формате предзаказа. Пусть вас это не смущает, заявка ни к чему не обязывает.

🛩 Загрузка текста ПД с оформлением в штампе в ИИ-чат 📚

Недавно столкнулись с тем, что проектные документы со штампами неожиданно превращались в таблицу, и парсер не понимал текст 🥹

Но благодаря возможности предварительного просмотра наши внимательные глаза всё заметили 👍

💡 Задача была ясна: корректная обработка документов.

✅ Решение — обрезка полей.
Теперь документ превращается из запутанной «каши таблиц» в читаемый, структурированный текст, готовый к анализу ИИ 💻

✏ После обработки можно редактировать текст и делить его на фрагменты с настройкой чанкинга ✏

👍 Результат: даже самые хитрые штампы не ускользнут, а документация полностью под контролем.

Об NSR Specification рассказали на крупнейшей BIM-конференции,«JKR BIM DAY 2025» в Малайзии!✨✨✨

🔥 Новые модули NSR Specification: автоматизация проектирования с ИИ 🔥

В NSR Specification появились:

🔵 NSR Модуль семантического анализа

🔵 NSR Модуль семантического поиска

В коротком видео вы увидите, как они работают вместе с другими инструментами NSR — и почему это реально меняет подход к проектированию 🚀

А если хотите узнать больше — читайте новость и подключайтесь к нашему прямому эфиру

📆 23 октября в 11:00 мы покажем:

💟 Как превращать сложные требования в машинопонимаемый вид
💟 Как анализировать текст множества требований за секунды
💟 Какие ограничения есть у ИИ и как с ними бороться

🔗 Новость о релизе
💻 Регистрация на эфир

🔥Добрый день, друзья!

Команда NSR Specification будет ждать ВАС 16 октября на секции Технологии ИИ и SMART-стандарты в рамках конференции Сила Платформы! 🚀

➡️ В первой половине опытом применения Искусственно интеллекта в задачах строительной отрасли поделится институт AIRI,и гиганты рынка НЛМК, РЖД.

➡️ Во второй половине программы перейдем к автоматизации проверок цифрой информационной модели вместе с РУСАЛ ВАМИ, КОМПИ-Проект и Мосстройинформ, а также обсудим совместную работе с Самолет и Tangl Control!

🎁 По промокоду ➡️ nsr ⬅️
базовый билет обойдется вам всего в 500 руб. вместо 3000 руб. 🐱