دليل مهني قصير

RAG في نظام قائم

RAG نهج يسترجع فيه النظام معلومات ذات صلة من مصادر داخلية أو خارجية قبل أن يجيب النموذج. وبذلك تستند الإجابة إلى معرفة النشاط التجاري، لا إلى الذاكرة العامة للنموذج فقط.

يكون RAG مفيدًا عندما يجب أن يجيب الذكاء الاصطناعي من مستندات أو إجراءات أو بيانات أو قاعدة معرفة تتغير مع الوقت.

مصادر رسمية: دليل Google لبدء تحسين محركات البحث · توثيق Google للبيانات المنظمة · توثيق OpenAI Agents SDK · توثيق Supabase لنقل البيانات · ورقة Retrieval-Augmented Generation

ما المشكلة التي يحلها RAG؟

يستطيع النموذج اللغوي صياغة إجابة، لكنه لا يعرف تلقائيًا ما في مستندات شركتك. يضيف RAG خطوة استرجاع: يجد النظام المقاطع ذات الصلة، ويرسلها إلى النموذج، فيجيب النموذج بناءً على هذا السياق.

وهو مفيد لدعم العملاء، وأسئلة الموظفين، والبحث في المستندات، وأنظمة التدريب، وإعداد عروض الأسعار، وتحليل العقود، وأي سير عمل تتغير فيه معرفة النشاط مع الوقت.

ما الذي يجب تجهيزه قبل إضافة RAG؟

يجب حصر مصادر المعرفة، وتنظيف المستندات، وتقسيم المحتوى إلى أجزاء منطقية، وإعداد الاسترجاع، واختبار الإجابات بأسئلة حقيقية. غالبًا ما تنتج المستندات الطويلة غير المقسّمة جيدًا إجابات ضعيفة حتى مع نموذج قوي.

الصلاحيات مهمة أيضًا. لا ينبغي لكل مستخدم رؤية كل مستند. يجب أن يحترم RAG داخل نظام الأعمال ضوابط الوصول والخصوصية والفصل بين العملاء أو الفرق.

ما الذي يصنع الفرق في جودة الإجابات؟

ثلاثة أمور. التقسيم حسب بنية المستند، بالعناوين والفقرات، لا بعدد ثابت من الأحرف. البحث الهجين: بحث دلالي يفهم القصد، مع بحث بالكلمات المفتاحية يلتقط رموز المنتجات والأسماء والبنود. وفي العبرية يجب أن يتعامل البحث بالكلمات المفتاحية مع البادئات مثل ו، ב، ל، מ، ש، وإلا فاتته تطابقات بسيطة.

تُصفّى الصلاحيات قبل أن تصل المعلومات إلى النموذج، لا بعده. إذا دخل مستند لا يحق للمستخدم رؤيته إلى سياق النموذج، فإن تعليمات النموذج لن تُبقيه دائمًا خارج الإجابة. ويُقاس ذلك: مجموعة من عشرات الأسئلة الحقيقية مع إجاباتها الصحيحة، تُشغَّل بعد كل تغيير، وتتحقق مما إذا كانت الإجابات مستندة إلى المصادر وتجيب فعلًا عن السؤال.

كيف يطبّق Itay Karkason تقنية RAG؟

يربط Itay Karkason تقنية RAG بالأنظمة القائمة على مراحل: رسم خريطة المعرفة، والفهرسة، والربط بالواجهة، واختبار الإجابات، وضبط الصلاحيات، والمراقبة. الهدف إجابات مفيدة مبنية على معرفة العمل.

مكوّنات يجب التخطيط لها

مصادر المعرفة

ملفات PDF، أو مستندات، أو صفحات الموقع، أو جداول، أو سجلات من نظام قائم.

التقسيم

تقسيم المعلومات إلى أجزاء قابلة للاسترجاع مع سياق كافٍ.

الصلاحيات

الفصل بين المستخدمين والعملاء والمستندات والبيانات الحساسة.

اختبارات الجودة

أسئلة حقيقية، وإجابات ناقصة، وتناقضات، وحالات يجب أن يقول فيها النظام إنه لا يملك المعلومة.

الأسئلة الشائعة

هل يحل RAG محل قاعدة البيانات؟

لا. RAG طبقة استرجاع وسياق فوق المعلومات الموجودة. وتبقى قاعدة البيانات هي التي تدير البيانات.

هل يعمل RAG باللغة العربية؟

نعم، لكن يجب اختبار جودة الاسترجاع وتقسيم المستندات والإجابات بالعربية باستخدام بيانات حقيقية.

مصادر البحث

أُعدّت هذه الصفحة كدليل مرجعي قصير استنادًا إلى بحث في NotebookLM ومصادر مهنية. أبرز المصادر:

تريد ربط الذكاء الاصطناعي بمعرفة نشاطك التجاري؟

ابدأ بمراجعة المستندات وسير العمل الحالي.

تواصل