RAG

ما هو RAG؟

Retrieval-Augmented Generation (RAG) هو بنية ذكاء اصطناعي مصممة لحل نقطة الضعف الرئيسية في نماذج اللغة الكبيرة (LLM)، وهي محدودية بيانات التدريب الثابتة. قبل الإجابة على استعلام المستخدم، تسترجع أنظمة RAG في الوقت الفعلي المستندات أو أجزاء البيانات ذات الصلة من قاعدة معرفة، وتنقل هذا السياق إلى نموذج اللغة الكبير. يُنشئ النموذج إجابته بناء على البيانات المحدثة المقدمة، وليس على "ذاكرته" الخاصة.

المزايا الأساسية لهذا النهج: تقليل الهلوسة: لم يعد النموذج بحاجة إلى التخمين بشأن المعلومات خارج بيانات تدريبه. معرفة محدثة: يمكن تحديث قاعدة المعرفة دون الحاجة لإعادة تدريب النموذج. التخصص بمجال معين: يمكن دمج بيانات الشركة الداخلية والمستندات الخاصة وكتالوجات المنتجات مباشرة. شفافية المصدر: يمكن عرض مصدر الإجابة للمستخدم.

مكونات بنية RAG

في مشاريع RAG لدى Detartech، نستخدم المكونات التالية: Document Ingestion: تتم معالجة مصادر مثل PDF وWord وHTML وسجلات قواعد البيانات وتقسيمها إلى أجزاء نصية (chunks). Embedding & Vector Store: تُحوّل الأجزاء إلى تمثيلات متجهية وتُحفظ في قاعدة بيانات متجهية (pgvector أو Pinecone أو Qdrant). Semantic Retrieval: يُحوّل استعلام المستخدم إلى متجه، وتُوجد الأجزاء الأكثر صلة عبر البحث بالتشابه الدلالي. Generation: يُنقل السياق المسترجع إلى نموذج اللغة الكبير مع موجه النظام، ويُنشأ الرد.