تعرف نماذج اللغة الكبيرة الكثير عن العالم، لكنها لا تعرف قائمة أسعار شركتك أو سياسة الإرجاع أو دليل الهندسة أو تذاكر الدعم السابقة. يسد التوليد المعزز بالاسترجاع، المعروف اختصارًا بـRAG، هذه الفجوة: يبحث النظام في الوثائق عن المقاطع المناسبة ثم يمررها إلى النموذج مع السؤال. نشرح هنا مكوناته والأخطاء التي تتكرر في المشاريع.
كيف يعمل RAG في أربع خطوات
تتبع أنظمة RAG نمطًا أساسيًا واحدًا مهما اختلفت درجة تعقيدها:
- التجهيز: تنظف الوثائق وتقسم إلى مقاطع تسمى أحيانًا chunks.
- الفهرسة: تحفظ المقاطع في فهرس بحث، غالبًا مع تمثيل رقمي لمعناها يسمى embedding، والنص الأصلي وبيانات المصدر والتاريخ والمالك.
- الاسترجاع: يبحث النظام عند ورود السؤال ويعيد المقاطع الأوثق صلة.
- التوليد: يصوغ النموذج جوابًا اعتمادًا على المقاطع، ويفضل أن يشير إلى مصادره.
النموذج هو الخطوة الأخيرة؛ بينما تتحدد معظم الجودة قبله.
الإجابات الجيدة تبدأ بوثائق وبحث جيدين
نظف المصدر قبل فهرسته
تؤدي الملفات المكررة والسياسات القديمة والنسخ المتعارضة إلى إجابات مرتبكة. حدد الوثائق المعتمدة، وأرشف غيرها، وعيّن مالكًا لكل موضوع. تكتشف فرق أن أسبوعًا من تنظيف المحتوى يحسن النتائج أكثر من تغيير النموذج.
قسّم المحتوى وفق معناه
قطع النص كل بضع مئات من الكلمات دون مراعاة بنيته يفصل الجداول والقوائم والجمل في مواضع سيئة. اتبع العناوين والفقرات، واترك تداخلًا محدودًا، واحفظ مسار العناوين مع المقطع لئلا ينفصل موضوع «المرتجعات» عن خط المنتج الذي يخصه.
تعامل مع العربية والمحتوى المختلط
إذا مزجت الوثائق العربية والإنجليزية، اختبر embedding على اللغتين وعلى الاستفسارات المختلطة. تتفاوت جودة البحث العربي بين النماذج؛ لذا استخدم أسئلة حقيقية باللهجة والتهجئة التي يكتب بها الموظفون والعملاء.
الاسترجاع مسألة بحث
إذا لم يصل المقطع الصحيح إلى النموذج فلن يصح جوابه مهما بلغت قدرته. حسّن الاسترجاع أولًا:
- اجمع البحث الدلالي والبحث بالكلمات المفتاحية لالتقاط رموز المنتجات والأسماء والأرقام الدقيقة.
- صفِّ النتائج ببيانات مثل المنتج والفرع واللغة والتاريخ قبل ترتيبها.
- استرجع مقاطع إضافية ثم أعد ترتيبها واحتفظ بالأفضل.
- أعد صياغة أسئلة المتابعة الغامضة باستخدام سجل المحادثة.
أجب باستشهادات واعرف متى تمتنع
اطلب من النموذج أن يجيب من المقاطع المقدمة فقط، وأن يصرح بوضوح إذا لم تتضمن الجواب. اعرض الوثائق المستخدمة مع روابط إن أمكن. تبني الإحالات الثقة وتسهل اكتشاف الخطأ والتحقق قبل التصرف.
الامتناع ميزة: قول المساعد «لم أجد ذلك في وثائقنا» أفضل من اختلاق جواب واثق. نطبق المبدأ نفسه على مساعد موقعنا، الذي يستند إلى محتوى نارمار المنشور ويذكر الصفحة التي استخدمها.
احترم صلاحيات الوصول
قد تضم قاعدة المعرفة رواتب وعقودًا وبيانات عملاء لا يحق للجميع رؤيتها. طبّق الصلاحيات عند الاسترجاع لا في الواجهة فقط. خزّن معلومات الوصول مع كل مقطع، وفلتر النتائج وفق المستخدم المسجل، ولا تضع نصًا مقيدًا في prompt لمستخدم لا يستطيع فتح الوثيقة الأصلية.
قِس الأداء كمنتج
أنشئ مجموعة اختبار مبكرًا
اجمع خمسين إلى مئة سؤال حقيقي مع أجوبته الصحيحة والوثائق ذات الصلة. أعد الاختبار بعد كل تغيير في التقسيم أو إعدادات البحث أو prompts؛ فبدون مجموعة اختبار يصبح كل تحسين تخمينًا.
افحص الاسترجاع والإجابة كلًا على حدة
عند خطأ الإجابة، تحقق أولًا من وصول المقطع الصحيح. إن لم يصل، أصلح البحث أو المصدر؛ وإن وصل، راجع تعليمات النموذج. الفصل بين المرحلتين يوفر وقتًا من الالتباس.
أبقِ الفهرس محدثًا
تتغير الوثائق؛ لذلك خطط لإيصال التحديثات والحذف والملفات الجديدة إلى الفهرس عبر مزامنة مجدولة أو أحداث أو تشغيل يدوي. نستخدم في منصاتنا قوائم Laravel والمجدول لهذه المزامنة الخلفية، بحيث يؤدي نشر صفحة إلى تحديث معرفة المساعد دون تذكر تنفيذ الخطوة ثانية.
أين يناسب RAG المشاريع الفعلية؟
تشمل الاستخدامات الأولى مساعدة الموظفين ودعم العملاء وتمكين المبيعات وأدلة التهيئة. أضفنا مساعدات إلى منصة نارمار إكسبريس للشحن لمساندة المشغلين، وإلى موقع NoLimit Tech. لم تكن الفائدة في النموذج وحده، بل في ربطه المتقن بمعلومات المؤسسة.
RAG ليس حلًا لكل شيء. إذا كان النظام يحتاج إلى تنفيذ أفعال أو حساب أرقام أو اتباع إجراء صارم، فاجمع الاسترجاع مع الأدوات وقواعد العمل وأبقِ الإنسان مشاركًا في القرارات المهمة.
ابدأ صغيرًا
اختر مجال معرفة واحدًا بمالك واضح، كدعم المنتجات أو سياسة الموارد البشرية. اجمع وثائقه وأنشئ مجموعة اختبار وأطلق لمجموعة داخلية صغيرة وراجع المحادثات أسبوعيًا. لا تتوسع إلا بعد استقرار الجودة.
يساعدك فريق نارمار على تحديد حالة الاستخدام الأولى وبناء مساعد موثوق. اطلع على خدمات AI أو تواصل معنا.
