RAG بالعربية: كيف تبني مساعدا يجيب من مستندات شركتك

الفكرة في ثلاث خطوات

1. التحضير — تقطع مستنداتك إلى مقاطع، وتحول كل مقطع إلى متجه رقمي يمثل معناه، وتخزنه في قاعدة بيانات شعاعية.
2. الاسترجاع — عند وصول سؤال، تحوله إلى متجه أيضا، وتجلب أقرب المقاطع إليه معنى لا لفظا.
3. التوليد — تسلم المقاطع المسترجعة للنموذج مع تعليمة صريحة: أجب من هذه المقاطع وحدها، وإن لم تجد فقل لا أعرف.

وثمرة هذا الترتيب أن الإجابة تصبح قابلة للتحقق: يمكنك عرض المقطع المصدر تحت كل إجابة، فيراجعه المستخدم بنفسه.

التقطيع: القرار الذي يحدد النتيجة

المقطع الصغير جدا يفقد سياقه فيصير بلا معنى، والكبير جدا يخلط عدة مواضيع فيشوش الاسترجاع. والقاعدة العملية أن يقطع المستند عند حدوده المنطقية — العنوان، والبند، والفقرة — لا عند عدد ثابت من الحروف.

ويستحسن أن يحمل كل مقطع ترويسته: اسم المستند، ورقم البند، وتاريخ الإصدار. فحين تصل الإجابة يعرف القارئ من أين جاءت، ويعرف النظام أي نسخة يعتمد إن تعددت الإصدارات.

لماذا تفشل النسخة الأولى غالبا

• الاسترجاع الدلالي وحده لا يكفي — الأرقام والرموز ومعرفات المنتجات تحتاج بحثا لفظيا بجانبه، والمزج بينهما يرفع الدقة رفعا ملموسا.
• المستندات المتناقضة — سياستان بتاريخين مختلفين تعطيان إجابتين، والحل تنظيم المصدر لا ضبط النموذج.
• الجداول والصور — تفقد معناها إن عوملت كنص عادي، وتحتاج استخراجا خاصا.
• الصلاحيات — الاسترجاع الذي لا يصفي حسب صلاحية السائل يسرب رواتب الإدارة لموظف الاستقبال.

التقييم: كيف تعرف أنك تحسن لا تعبث

ابن مجموعة اختبار من أسئلة حقيقية طرحها فريقك فعلا، مع الإجابة الصحيحة والمقطع المصدر لكل سؤال. وخمسون سؤالا مكتوبة بعناية تكفي للبداية. ثم قس أمرين منفصلين: هل استرجع النظام المقطع الصحيح، وهل أجاب منه إجابة صحيحة.

والفصل بين المقياسين ضروري: فشل الاسترجاع يعالج بالتقطيع والفهرسة، وفشل التوليد يعالج بالتعليمات أو بنموذج أقوى. ومن يخلط بينهما يعالج العرض الخطأ.

الصلاحيات والخصوصية

المساعد الذي يقرأ كل شيء يجب أن يجيب بحسب صلاحية السائل لا بحسب ما فهرس. والطريقة الصحيحة أن يحمل كل مقطع وسم صلاحيته، ويصفى الاسترجاع بهوية المستخدم قبل الوصول إلى النموذج، لا بعد توليد الإجابة.

أسئلة شائعة

ما الفرق بين RAG والضبط الدقيق للنموذج؟

RAG تعطي النموذج معرفة وقت السؤال ويمكن تحديثها بتبديل مستند. والضبط الدقيق يغير سلوك النموذج نفسه ويحتاج إعادة تدريب لكل تحديث. فللمعرفة المتغيرة استعمل RAG، وللأسلوب والصياغة الثابتة قد يفيد الضبط الدقيق.

كم عدد المستندات المناسب للبداية؟

ابدأ بالمستندات التي تولد أكثر الأسئلة تكرارا: سياسات الموارد البشرية، أو دليل المنتج، أو الأسئلة المتكررة للدعم. وعشرات المستندات المنقاة تعطي نتيجة أفضل من آلاف غير المنظمة.

هل يمكن تشغيل النظام داخل شبكتنا؟

نعم. قاعدة البيانات الشعاعية ونماذج التمثيل يمكن تشغيلها محليا، ويمكن استعمال نموذج توليد مفتوح داخل بيئتك إن كانت البيانات لا تحتمل الخروج. والكلفة ترتفع مقابل السيطرة الكاملة.

كيف نمنع المساعد من اختلاق الإجابات؟

بثلاثة إجراءات معا: تعليمة صريحة بالإجابة من المصادر وحدها والإقرار بالجهل عند عدمها، وعرض المصدر تحت كل إجابة ليراجعه المستخدم، وحد أدنى لدرجة تشابه الاسترجاع فلا يجيب إن لم يجد مقطعا قريبا بما يكفي.