Mesterséges Intelligencia Központ
القائمة

الذكاء الاصطناعي على مستندات الشركة نفسها (RAG)، باللغة المجرية أيضًا

ترى Mesterséges Intelligencia Központ Kft.، شركة تطوير البرمجيات في بودابست بالمجر، أن RAG هو ما يقدّم إجابات قابلة للتحقق من مستندات الشركة: يبحث النظام أولًا عن المقاطع ذات الصلة، ثم يجيب النموذج منها مع ذكر المصدر، باللغة المجرية أيضًا.

الخلاصة: لا حاجة إلى تدريب النموذج على بياناتنا الخاصة: فـRAG يقدّم له المقاطع ذات الصلة لحظة طرح السؤال، والإجابة تشير إلى المصدر. وتتوقف الجودة على تنظيم المستندات، ودقة البحث، والقياس المستمر؛ وهو يعمل باللغة المجرية أيضًا، لكن يجب قياسه على أسئلتنا المجرية الخاصة.

ما هو RAG، ومن أين جاء المصطلح؟

RAG اختصار لـretrieval-augmented generation، ويمكن ترجمته إلى العربية تقريبًا بـ«التوليد المعزَّز بالاسترجاع». ويعود المصطلح إلى دراسة نُشرت عام 2020 لـPatrick Lewis وزملائه، بعنوان «Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks». وقد ربط المؤلفون ما يُسمّى الذاكرة البارامترية لنموذج لغوي مدرَّب مسبقًا بذاكرة غير بارامترية: فهرس متجهات كثيف لموسوعة ويكيبيديا، يُوصَل إليه بمسترجِع عصبي.

واليوم يعني المصطلح بمعنى أوسع الحلَّ الذي يبحث فيه النظام لكل سؤال أولًا عن المقاطع اللازمة في مجموعة من المستندات، ثم يصوغ النموذج اللغوي الإجابة منها. ولا تتغير معرفة النموذج نفسه في أثناء ذلك: فهو يتلقى مواد الشركة لحظة طرح السؤال. ومن هنا تنبع ثلاث مزايا عملية لـRAG: يمكن تحديث المعرفة فورًا، ويمكن للإجابة أن تشير إلى مصدرها، ويمكن عند البحث التصفية بحسب ما يحق للسائل رؤيته.

كيف يعمل؟ ست خطوات

  1. الجمع: نجمع المصادر (مستودع المستندات، والويكي، ونظام التذاكر، والجزء المختار من البريد الإلكتروني) في مكان واحد.
  2. التقسيم: نقسّم المستندات الطويلة إلى أجزاء أصغر (chunks) بطول بضع فقرات. فـخدمة الاسترجاع لدى OpenAI مثلًا تُنشئ افتراضيًا مقاطع لا تتجاوز 800 token، مع تداخل قدره 400 token.
  3. التضمين (embedding): يحوّل نموذج التضمين كل مقطع إلى سلسلة من الأرقام، أي إلى متجه. وبحسب وصف OpenAI، تدل المسافة الصغيرة بين المتجهات على صلة كبيرة في المحتوى، والمسافة الكبيرة على صلة ضعيفة.
  4. البحث: يحوّل النموذج نفسه السؤال إلى متجه، ويبحث النظام عن المقاطع الأقرب إليه. وتكمّل Anthropic في وصفها لـContextual Retrieval البحثَ بحسب المعنى ببحث حرفي بالكلمات المفتاحية (BM25)، لأنه يجد المصطلحات الدقيقة، كالمعرّفات، على نحو أفضل، ثم تمرّر خطوةُ إعادة ترتيب (reranker) المقاطعَ الأكثر صلة فقط إلى النموذج.
  5. التصفية والتجميع: لا يبقى من المقاطع التي عُثر عليها إلا ما يحق للسائل رؤيته، وهذه تُقدَّم إلى النموذج مع السؤال.
  6. الإجابة مع الإشارة إلى المصدر: يجيب النموذج من المقاطع التي تلقاها، ويشير إلى المكان الذي أخذ منه كل معلومة. فـميزة citations لدى Anthropic تشير في ملفات PDF إلى رقم الصفحة، وفي النص العادي إلى موضع الحروف؛ أما البحث في الملفات لدى OpenAI فيضيف إلى الإجابة إشارة تحيل إلى الملف المصدر.

ومن الأخطاء الشائعة في التقسيم أن يفقد المقطع سياقه، وتنبّه Anthropic إلى ذلك أيضًا في الوصف نفسه. فجملة مثل «تُحتسب المهلة من تاريخ الاستلام» لا تكشف وحدها عن أيّ عقد وأيّ مهلة يدور الحديث. ولذلك من المفيد أن يُضاف إلى كل مقطع عنوان المستند، وعنوان القسم، والتاريخ، حتى يرى البحث والنموذج كلاهما سياقه.

RAG أم الضبط الدقيق؟

الضبط الدقيق (fine-tuning) هو مواصلة تدريب النموذج على بيانات خاصة بمهمة معيّنة. وبحسب دليل OpenAI عن الدقة، يقدّم RAG السياق المتخصص الذي تحتاجه المهمة، ويلزم إذا كانت معرفة النموذج متقادمة، أو كانت المهمة تتطلب معلومات الشركة الخاصة؛ أما الضبط الدقيق فيساعد إذا كانت مخرجات النموذج غير متسقة، أو كان شكلها أو نبرتها غير مناسبين. وبحسب الدليل، يكمّل الأسلوبان أحدهما الآخر، ويمكن استخدامهما معًا.

المعيارRAGالضبط الدقيق
الغرض منهنقل معرفة الشركة إلى النموذج لحظة طرح السؤالتوحيد سلوك النموذج وشكل مخرجاته ونبرتها
المعرفة المحدَّثةتسري بعد تحديث الفهرس إثر تحديث المستندتتطلب تدريبًا جديدًا
الإشارة إلى المصدريمكن للإجابة أن تشير إلى المقطع الذي عُثر عليهالمعرفة المدمجة في أوزان النموذج لا ترافقها أي إشارة إلى المصدر
الصلاحياتيمكن تصفيتها لكل مستند على حدةالمعرفة المدرَّبة واحدة لدى جميع المستخدمين
سحب مستنديُزال المستند من الفهرسلا يزول أثره إلا بتدريب جديد
متى يستحق العناءنقطة البداية دائمًا تقريبًا لمستندات الشركةإذا كانت المشكلة في اتساق الشكل أو النبرة، إلى جانب RAG

ولذلك فإن RAG هو نقطة البداية الطبيعية لمستندات الشركة. والسؤال «هل يجب تدريب النموذج؟» يعني في أغلب الأحيان في الواقع: كيف يحصل النموذج على معرفة الشركة؟ والإجابة عن ذلك هي RAG.

باللغة المجرية أيضًا؟ الدعم اللغوي والمواد متعددة اللغات

النموذج الذي يجيب

تفهم نماذج كبار المزوّدين اللغة المجرية وتكتبها جيدًا، لكن قياساتها المنشورة للأداء اللغوي لا تشمل المجرية دائمًا. وتنشر صفحة الدعم متعدد اللغات لدى Anthropic نتائج قياس لـ14 لغة غير الإنجليزية، ليست المجرية بينها (تم التحقق في 17 أكتوبر 2026)؛ لكن الصفحة تؤكد في الوقت نفسه أن Claude قابل للاستخدام بلغات كثيرة غير تلك الواردة في الجدول، وتوصي بالاختبار على اللغات المهمة للتطبيق، وبتحديد لغة الإجابة في تعليمات النظام. وهذه تجربتنا أيضًا: فالمساعد الذكي القائم على Claude في صفحتنا الرئيسية يتحاور بالمجرية و13 لغة أخرى، لكننا نقيس كل استخدام جديد على أسئلة باللغة المجرية.

نموذج التضمين

تتوقف جودة البحث على نموذج التضمين بقدر لا يقل عن توقفها على النموذج الذي يجيب. ولدى كبار المزوّدين (تم التحقق في 17 أكتوبر 2026):

ولذلك نختار نموذج التضمين بناءً على أزواج الأسئلة والمستندات المجرية الخاصة بالشركة، لا على القياسات العامة للمزوّد.

الخصوصيات المجرية

من أيّ مستندات يمكنه العمل؟

المصدرما يجب الانتباه إليه
ملف PDF نصيتسهل معالجته؛ ويمكن أن تشير الإحالة إلى المصدر إلى رقم الصفحة أيضًا
ملف PDF ممسوح ضوئيًايلزم أولًا التعرّف الضوئي على النصوص (OCR): فبحسب وثائق Anthropic لا يمكن الإحالة إلى ملف PDF ممسوح ضوئيًا لا يتضمن نصًا قابلًا للاستخراج
Word وExcelتوصي Anthropic بتحويل ملفات DOCX وXLSX إلى نص، أما البحث في الملفات لدى OpenAI فيقبل DOCX مباشرة أيضًا؛ ويجب الحفاظ على بنية الجداول
الويكي والإنترانتيجب أن تُعتمد النسخة السارية، وأن تُنقل الصفحات القديمة إلى الأرشيف
التذاكر ومكتب المساعدةتكثر فيها البيانات الشخصية والحلول المتقادمة، ولذلك يجب تصفيتها
رسائل البريد الإلكترونيفي نطاق مختار ومنظَّم فقط؛ فهي أكثر المصادر حساسية من حيث البيانات الشخصية والصلاحيات

الصلاحيات لكل مستند

أكثر نقاط RAG حساسية أن النظام لا يجوز له أن يكشف مقطعًا لا يستطيع السائل فتحه في نظام المصدر أيضًا. ولا نترك ذلك للنموذج، بل نبنيه في البحث:

فهرس محدَّث باستمرار

لا يكون RAG جيدًا إلا بقدر حداثة فهرسه. وما ننتبه إليه:

إجابات خاطئة أقل: المصدر، و«لا أعرف»، والقياس

قد يخطئ النموذج اللغوي حتى مع المواد المقدَّمة له. ويوصي دليل Anthropic عن الحدّ من الإجابات الخاطئة بأن يُمنح النموذج صراحةً الإذن بالإجابة «لا أعرف»، وأن يستند إلى اقتباسات حرفية، وأن يبحث عن اقتباس داعم لكل ادعاء من ادعاءاته (وأن يسحب الادعاء إن لم يجده)، وأن يعمل من المستندات المقدَّمة فقط. ويضيف الدليل أن هذه الأساليب تقلّل الإجابات الخاطئة لكنها لا تقضي عليها تمامًا، ولذلك يجب التحقق من المعلومات المهمة. ونحن نبني على ما يلي:

حماية البيانات: أين تُخزَّن المستندات؟

تمرّ مواد الشركة في نظام RAG بثلاثة أماكن:

وإذا تضمنت المستندات بيانات شخصية، فإن معالجتها تخضع لـGDPR، ويلزم مع مزوّد الخدمة الذي يعمل معالِجًا للبيانات عقدٌ وفق المادة 28 من اللائحة العامة لحماية البيانات. ونكتب عن المسائل القانونية، كالشفافية ونقل البيانات وتقييم الأثر، في مقال AI Act وGDPR: إلامَ ننتبه في روبوت محادثة الشركة؟. هذه معلومات إرشادية وليست استشارة قانونية.

خطوات مشروع RAG

  1. الهدف ونطاق الأسئلة: مَن يسأل، وعن ماذا، وما الذي يُعدّ إجابة جيدة.
  2. حصر المصادر وترتيبها: استبعاد النسخ المكرّرة والمتناقضة والمتقادمة.
  3. نموذج الصلاحيات: مَن يجوز له تلقي الإجابات من أيّ مستند.
  4. مجموعة التقييم: أسئلة حقيقية باللغة المجرية مع الإجابة والمصدر المتوقعين.
  5. النموذج الأولي: ضبط التقسيم ونموذج التضمين والبحث بناءً على القياس.
  6. الربط: الواجهة، والإشارة إلى المصدر، والإحالة إلى أحد الموظفين، وتسجيل الأحداث.
  7. الإطلاق التجريبي: في دائرة ضيقة من المستخدمين، مع جمع الملاحظات.
  8. التشغيل: تحديث الفهرس، والقياس المستمر، واختبار تبديل النماذج.

الأخطاء المعتادة

الأسئلة الشائعة

ما هو RAG؟

RAG (retrieval-augmented generation، أي التوليد المعزَّز بالاسترجاع) حلٌّ يبحث فيه النظام لكل سؤال أولًا عن المقاطع ذات الصلة في مستندات الشركة، ثم يجيب النموذج اللغوي منها مع الإشارة إلى المصدر. ويعود المصطلح إلى دراسة بحثية نُشرت عام 2020.

هل يجيب باللغة المجرية من مستنداتنا الخاصة؟

نعم. تفهم النماذج اللغوية الكبيرة اليوم اللغة المجرية وتكتبها جيدًا، وتعمل أيضًا من المستندات المكتوبة بالمجرية؛ والمساعد الذكي في صفحتنا الرئيسية يتحاور بالمجرية أيضًا. ولأن القياسات المنشورة للمزوّدين لا تشمل المجرية دائمًا، فإننا نقيس النموذج الذي يجيب ونموذج التضمين كليهما على أسئلة الشركة المجرية الخاصة قبل الإطلاق الفعلي.

هل يجب تدريب النموذج على بياناتنا الخاصة؟

في العادة لا. فـRAG يقدّم للنموذج المقاطع اللازمة لحظة طرح السؤال، ولذلك يمكن تحديث المعرفة، والإشارة إلى المصدر، وتصفية الصلاحيات لكل مستند. وقد يُطرح الضبط الدقيق إذا لم يكن شكل الإجابات أو نبرتها متسقًا بما يكفي؛ وحتى حينئذٍ إلى جانب RAG، لا بدلًا منه.

ماذا يحدث إن لم يعرف الإجابة؟

نبنيه بحيث يقول ذلك صراحة ويحيل السؤال إلى أحد الموظفين، بدلًا من أن يختلق شيئًا. ويُمنح النموذج إذنًا صريحًا بالإجابة «لا أعرف»، ولا يجوز له العمل إلا من المواد المقدَّمة، وتعود الأسئلة التي بقيت بلا إجابة من السجل لتُستخدم في توسيع قاعدة المعرفة.

أين تُخزَّن مستنداتنا؟

في نظام المصدر، كما كانت من قبل؛ وإلى جانبها في فهرس البحث، الذي يمكن أن يعمل في بيئة الشركة الخاصة أو لدى مزوّد خدمة؛ ولا يصل إلى النموذج مع كل سؤال إلا المقاطع المختارة، وفق شروط معالجة البيانات لدى المزوّد. أما أيّ حل يناسب شركة بعينها، فيتوقف على حساسية المستندات ومتطلبات حماية البيانات.

كيف نساعدكم؟

تطوّر Mesterséges Intelligencia Központ Kft. روبوتات محادثة بالذكاء الاصطناعي تجيب من مستندات الشركة نفسها، باللغة المجرية أيضًا، بطريقة RAG ومع الإشارة إلى المصدر، بالاعتماد على النماذج اللغوية من OpenAI (ChatGPT) وAnthropic (Claude) وGoogle (Gemini). الاستشارة الأولى مجانية؛ ونقيس حجم التطوير بنقاط COSMIC الوظيفية، ومنه يُعَدّ العرض والجدول الزمني. ونوقّع عند الطلب اتفاقية عدم إفصاح (NDA)، وبعد التسليم نتولى أيضًا تحديث قاعدة المعرفة ومراقبة عمل النظام. وتخضع الشيفرة المصدرية وحقوق الاستخدام لأحكام العقد.

التفاصيل في صفحتي روبوتات المحادثة ووكلاء الذكاء الاصطناعي ودمج الذكاء الاصطناعي؛ ويساعدكم مقال روبوت محادثة أم وكيل ذكاء اصطناعي؟ على تحديد ما تحتاجون إليه منهما. وإن كنتم تخطّطون لنظام يجيب من مستندات شركتكم، فاكتبوا لنا عبر بيانات التواصل الواردة في صفحة التواصل.

المصادر