図面解析 — VLM / OCR による構造化

課題

図面は、書かれている情報は多いが、そのままでは機械が扱えない。検索や生成の対象にする前に、まず読み取って構造化する段階が要る。ここは文書検索とは性質が違い、画像として何が描かれているかを解く問題になる。

設計判断

• 検索と生成を組み合わせる構成ではなく、視覚情報の読み取りと構造化を主眼に置いた
• PDF の変換には外部のバイナリに依存する箇所があるため、実行環境を宣言的に固定し、手元と実行環境で同じ結果になる状態を作った
• CI を先に導入し、変更のたびに検証が走る状態にしてから機能を足していった
• 顧客環境との疎通が通らない場合に、どの層で止まっているのかを切り分け、こちらの担当範囲と相手側の範囲を明確にした

進め方

• 検索・生成ではなく、視覚情報の読み取りと構造化を主眼に置いた構成にした
• PDF の変換には外部バイナリへの依存があるため、実行環境を宣言的に固定して再現性を確保した
• CI を導入し、変更のたびに検証が走る状態にしてから機能追加を進めた
• 顧客環境との疎通が通らない場合に、どの層で止まっているかを切り分けて責任範囲を明確にした