التوليد المعزز بالاسترجاع، المعروف اختصارًا باسم RAG، يربط نموذجًا لغويًا بمصادر معرفة تختارها المؤسسة. عند وصول سؤال، يبحث النظام عن مقاطع مرتبطة به ثم يرسلها، مع تعليمات محددة، إلى النموذج ليصوغ إجابة تستند إلى ذلك السياق. الفكرة لا تعني تدريب نموذج جديد على كل وثيقة، ولا تجعل الإجابة صحيحة تلقائيًا؛ جودة النتيجة تعتمد على المحتوى والصلاحيات والاسترجاع والتعليمات والتقييم.
يصبح RAG مفيدًا عندما تتغير المعرفة بانتظام أو يجب أن يرى المستخدم مصدر الإجابة: سياسات وإجراءات، أدلة منتجات، وثائق تشغيل، عقود، قاعدة معرفة دعم، أو محتوى فني داخلي. وهو يحتاج إلى تصميم مؤسسي لأن البحث قد يكشف معلومات لا يحق للمستخدم رؤيتها، ولأن الوثيقة القديمة قد تبدو مقنعة مثل الوثيقة المعتمدة.
متى يكون RAG خيارًا مناسبًا؟
استخدمه عندما تكون الإجابة مبنية على نصوص أو سجلات معرفة يمكن تحديدها، ويحتاج المستخدم إلى بحث سريع أو تلخيص أو مقارنة مع إسناد واضح. يفيد كذلك عندما يصعب الحفاظ على قواعد ثابتة تغطي تنوع الأسئلة، أو عندما تتغير المستندات أسرع من دورة تدريب نموذج مخصص.
إشارات تدعم استخدامه
- المعرفة موزعة بين ملفات وصفحات وأنظمة متعددة.
- توجد نسخة معتمدة ومالك واضح للمحتوى.
- يجب أن تراعي النتيجة هوية المستخدم وصلاحياته.
- يمكن تقييم الإجابات عبر أسئلة ومصادر مرجعية.
- يحتاج المستخدم إلى رابط أو اقتباس قصير للتحقق من الإجابة.
لا تستخدم RAG كحل افتراضي لمسألة حسابية أو تنبؤية تحتاج إلى نموذج بيانات أو استعلام مضبوط. وإذا كانت الإجابة حقيقة ثابتة موجودة في حقل واحد، فقد تكون واجهة API مباشرة أبسط وأدق. كما أن RAG لا يصلح لتجاوز رداءة المحتوى؛ الوثائق المتعارضة أو غير المملوكة تحتاج إلى معالجة حوكمة قبل الفهرسة.
البنية: من المصدر إلى الإجابة
يمكن فهم البنية في خمس طبقات: مصادر المعرفة، وخط الإدخال والفهرسة، وخدمة الاسترجاع، وطبقة التوليد، وتجربة المستخدم والمراقبة. فصل هذه الطبقات يجعل اختبار كل جزء ممكنًا، ويمنع إخفاء خطأ الاسترجاع خلف صياغة لغوية جيدة.
1. الإدخال والتجهيز
يقرأ خط الإدخال الوثيقة وبياناتها الوصفية، ويتحقق من النوع والإصدار والمالك والصلاحية الزمنية، ثم يستخرج النص ويقسمه إلى مقاطع قابلة للاسترجاع. ينبغي حفظ العلاقة بين كل مقطع ومصدره وصفحته وإصداره وتصنيف حساسيته. تقسيم ثابت لكل الملفات قد يفصل عنوانًا عن فقرته أو جدولًا عن تفسيره؛ لذلك اختبر طرق التقسيم بحسب بنية المحتوى.
2. الفهرسة والاسترجاع
قد يجمع البحث بين كلمات مفتاحية وتمثيلات دلالية ومرشحات منظمة مثل الإدارة واللغة والتاريخ. البحث الهجين مفيد عندما توجد أرقام منتجات أو مصطلحات دقيقة إلى جانب أسئلة طبيعية. بعد جلب المرشحين يمكن تطبيق إعادة ترتيب لتقديم المقاطع الأقرب، لكن يجب قياس أثرها على الزمن والتكلفة.
3. التوليد والاستشهاد
تعطي طبقة التوليد النموذج سؤال المستخدم والمقاطع المسموح بها وتعليمات مثل: أجب من السياق، واذكر عدم كفاية المعلومات، واربط كل نقطة بمصدر. لا تطلب من النموذج اختراع إجابة عند غياب الدليل. واجهة المستخدم بدورها تعرض اسم الوثيقة والإصدار والرابط، لا رمزًا داخليًا لا يفهمه المستخدم.
الصلاحيات تبدأ قبل البحث
أخطر خطأ بنيوي هو بناء فهرس موحد ثم محاولة إخفاء النتائج بعد أن يقرأها النموذج. يجب تطبيق مرشح الوصول أثناء الاسترجاع، بالاستناد إلى هوية المستخدم ومجموعاته وسمات المستند. إذا تغيرت عضوية أو حساسية وثيقة، يحتاج الفهرس إلى تحديث يمكن تتبعه. ولا ينبغي تسجيل المقاطع الحساسة كاملة لمجرد مراقبة الخدمة.
حدد نموذج التهديد: هل قد يضع مستخدم تعليمات ضارة داخل سؤال؟ هل تحتوي وثيقة مفهرسة على نص يحاول تغيير تعليمات النظام؟ هل يمكن لعنوان ملف أو رابط أن يكشف موضوعًا سريًا؟ تعامل مع المحتوى المسترجع بوصفه بيانات غير موثوقة، وافصل تعليمات النظام عنه، وقيّد أي أدوات أو إجراءات يمكن أن تستدعيها الإجابة.
قائمة ضوابط الوصول
- مزامنة مجموعات الهوية مع مرشحات الفهرس واختبارها دوريًا.
- تطبيق أقل صلاحية على موصلات المصادر وحسابات الخدمة.
- حذف الوثيقة أو إبطالها في الفهرس عند حذفها من المصدر.
- إخفاء البيانات الحساسة غير الضرورية قبل إرسال السياق إلى النموذج.
- تسجيل معرفات المصادر والقرار دون تخزين النص الكامل بلا حاجة.
- اختبار العزل بين الإدارات والمشاريع واللغات وحالات الضيف.
حوكمة المحتوى أهم من حجم الفهرس
قبل إضافة مصدر، عيّن مالكًا له وسياسة اعتماد وتحديث وانتهاء. استخدم بيانات وصفية تميز المسودة من النسخة المنشورة، واللائحة الحالية من المنتهية. عند التعارض يمكن وضع قاعدة أولوية معلنة أو عرض الاختلاف للمستخدم بدل مزج إجابتين. وجود دورة مراجعة وحذف يمنع تراكم المعرفة القديمة التي يصعب اكتشافها بعد الإطلاق.
للمحتوى العربي اعتبارات إضافية: اختلاف كتابة الهمزات والأرقام، المصطلح العربي والإنجليزي في السؤال نفسه، الجداول داخل PDF، وجود نص ممسوح ضوئيًا، واتجاه العرض. ابنِ مجموعة اختبار ثنائية اللغة من أسئلة المستخدمين الفعلية، ولا تفترض أن أداء الاسترجاع في لغة يساوي أداءه في الأخرى.
قيّم الاسترجاع والتوليد كلًا على حدة
ابدأ بمجموعة أسئلة مرجعية تربط كل سؤال بالمقاطع التي يجب استرجاعها وبخصائص الإجابة المقبولة. قِس هل ظهر المصدر الصحيح ضمن النتائج، وهل رتب قريبًا من البداية، وهل حجبت المصادر غير المسموحة. بعد ذلك قيّم الإجابة: هل اعتمدت على النص؟ هل الاستشهاد صحيح؟ هل قالت بوضوح إن المعلومات غير كافية؟
اختبارات لا ينبغي إغفالها
- سؤال واضح له جواب واحد في وثيقة معتمدة.
- سؤال غامض يحتاج إلى طلب توضيح.
- وثيقتان متعارضتان أو مختلفتان في التاريخ.
- سؤال لا توجد له إجابة في المصادر.
- محاولة الوصول إلى وثيقة خارج صلاحية المستخدم.
- نص داخل وثيقة يحاول توجيه النموذج أو استدعاء أداة.
- أسئلة عربية وإنجليزية ومختلطة بالمصطلحات التقنية.
أعد تشغيل المجموعة عند تغيير نموذج التضمين أو التقسيم أو التعليمات أو المرشحات أو النموذج اللغوي. راقب في الإنتاج معدل غياب النتائج، ومصادر الإجابات، وزمن الاستجابة، وتكلفة الطلب، وملاحظات المستخدم، مع الحفاظ على خصوصية السجلات.
خطة إطلاق عملية
ابدأ بمصدر أو مصدرين ذوي ملكية وصلاحيات واضحة، ومجموعة مستخدمين محدودة، وأسئلة يمكن مراجعتها. أظهر الاستشهادات وأضف زرًا للإبلاغ، واحتفظ بمسار بحث تقليدي. وسّع النطاق فقط بعد فهم حالات الفشل وتحديث المحتوى والمرشحات والتقييمات. بهذه الطريقة يصبح RAG خدمة معرفة يمكن تشغيلها وتحسينها، لا مجرد تجربة محادثة.
قائمة فحص قبل الإنتاج
- المصادر المعتمدة وملاكها ودورة تحديثها موثقة.
- التقسيم والبيانات الوصفية والاسترجاع اختبرت على محتوى واقعي.
- الصلاحيات تطبق قبل وصول السياق إلى النموذج.
- الاستشهادات تقود إلى المصدر والإصدار الصحيحين.
- مجموعة التقييم تشمل الفشل والتعارض والمنع واللغتين.
- المراقبة والحذف والتراجع وإدارة الحوادث لها ملاك واضحون.
إذا كانت معرفتك المؤسسية موزعة بين مستندات وأنظمة متعددة، يمكن البدء بتقييم المصادر والصلاحيات وحالة الاستخدام قبل اختيار الأدوات. ناقش مسار RAG أو تكامل المعرفة عبر طلب استشارة دمج الذكاء الاصطناعي.