الانتقال إلى المحتوى الرئيسي

ابحث في النماذج والأدوات والخدمات والشركات والمزودين وواجهات API والخطط والمقالات والأخبار.

RAG والمعرفةمتقدم 20 دقيقة

بناء أول نظام RAG لمعرفة مؤسستك

من خط الأنابيب ذي المراحل الخمس ومزالق التقسيم إلى الاسترجاع الهجين والتقييم المستمر — خارطة طريق عملية لربط نموذج لغوي بمستندات شركتك الحقيقية.

بناء أول نظام RAG لمعرفة مؤسستك

أي مشكلة يحلها RAG؟

النموذج اللغوي لا يعرف إلا ما رآه في التدريب — لا مستنداتك الداخلية ولا أسعار اليوم ولا سياسات شركتك. يسد RAG هذه الفجوة بفكرة بسيطة: قبل الإجابة، يُسترجع المقاطع ذات الصلة من مصادرك وتوضع داخل الأمر، فيصبح الجواب مبنياً على مستندات حقيقية بدل الذاكرة، وتأتي المراجع مجانًا.

  • ثلاث فوائد جوهرية: حداثة البيانات، وهلوسة أقل، وإجابات قابلة للإسناد إلى مصدر.
  • ليس بديلًا عن الضبط الدقيق؛ فالمعرفة النصية المتغيرة تُدار بـ RAG أسرع وأرخص من إعادة التدريب.

خط الأنابيب بخمس مراحل

كل RAG عملي — بغض النظر عن الأدوات — يمر بخمس مراحل: استيعاب المستندات وتنظيفها؛ وتقسيمها إلى مقاطع ذات معنى؛ وتحويل كل مقطع إلى تضمين وتخزينه في قاعدة متجهية؛ واسترجاع المقاطع الأكثر صلة بالسؤال؛ وتوليد الجواب مع الاستشهاد بتلك المقاطع. المراحل 1–3 تجري مرة عند الإدخال، و4–5 مع كل سؤال.

  • احفظ البيانات الوصفية من اليوم الأول: المؤلف، والتاريخ، والقسم، ورابط المستند.
  • للمحتوى العربي/الإنجليزي المختلط اختر تضمينًا متعدد اللغات.
  • خزّن كل مقطع مع عناوينه العليا كي لا يضيع السياق.

التقسيم: حيث تنكسر معظم الأنظمة

النسخة الأولى من RAG عادةً تُجيب بشكل سيئ بسبب تقسيم رديء لا بسبب نموذج ضعيف. المقطع الصغير جدًا يفقد السياق، والكبير جدًا يجرّ غير ذي الصلة إلى الاسترجاع. بداية معقولة للنصوص: مقاطع من 300 إلى 500 رمز مع تداخل 10–20% — ثم اضبطها على بياناتك.

  • اقطع عند الحدود الطبيعية (فقرات/عناوين) لا في وسط الجملة.
  • اجعل الجداول والأكواد مقاطع مستقلة بصيغتها الأصلية.
  • الاسترجاع الهجين (كلمات مفتاحية + متجهي) يتفوق تقريبًا دائمًا على المتجهي الخالص.
  • مرتبٌ خفيف فوق نتائج الاسترجاع يرفع الدقة درجة إضافية.

التقييم: بدونه تطور في العتمة

قبل من أي تغيير معماري ابنِ مجموعة ذهبية: 30–50 سؤالًا حقيقيًا بأجوبة صحيحة موثقة. ثم قِس كل تغيير (حجم المقطع، نموذج التضمين، قيمة k) برقمين: نسبة إصابة المصدر الصحيح في الاسترجاع، وإخلاص الجواب للمصادر. هذان الرقمان يوفران عشرات الساعات من التخمين.

  • سجّل أسئلة المستخدمين الحقيقية — أفضل مادة لمجموعتك الذهبية.
  • صنّف الإخفاقات: استرجاع سيئ أم توليد سيئ؟ الإصلاح مختلف.