RAG وقواعد المعرفة
تقنية RAG (التوليد المعزَّز بالاسترجاع) تعثر على المقاطع ذات الصلة في وثائقكم الخاصة، ثم تطلب من الذكاء الاصطناعي الإجابة استنادًا إليها مع ذكر مصادره. تجد فرقكم الإجابة بدل البحث عن الوثيقة.
آخر تحديث: 11 أكتوبر 2026
الواقع
من وقت العمل يُخصَّص للبحث عن المعلومات، من 3 ساعات أسبوعيًا إلى ربع الأسبوع حسب استطلاعات الناشرين.
من إخفاقات الاسترجاع مع البحث السياقي المقترن بإعادة الترتيب (reranking)، على مجموعات بيانات Anthropic (−49% دون إعادة الترتيب).
المصدر: Anthropic, Contextual Retrieval
من المؤسسات لا تملك، أو ليست متأكدة من امتلاكها، ممارسات إدارة البيانات الملائمة للذكاء الاصطناعي.
المصدر: Gartner, via Freevacy
نتائج Anthropic مستمدة من مجموعات بياناتها الخاصة: يجب التحقق منها على وثائقكم.
كيف يعمل
يتم التجهيز مرة واحدة، ثم عند كل تحديث لوثائقكم. أما الإجابة فتُنتَج عند كل سؤال، في ثوانٍ معدودة.
مرة واحدة: التجهيز
إجراءات، عقود، بطاقات منتجات، رسائل بريد إلكتروني، قواعد داخلية.
تُقسَّم كل وثيقة إلى مقاطع قصيرة مُثراة بسياقها.
يُفهرَس كل مقطع حسب المعنى (embeddings) وحسب الكلمات الحرفية.
عند كل سؤال: الإجابة
يطرح الموظف سؤاله بلغة طبيعية.
تُسترجَع المقاطع الأكثر صلة، ثم تُرتَّب.
يصوغ الذكاء الاصطناعي الإجابة انطلاقًا من هذه المقاطع فقط.
تذكر الإجابة الوثائق المصدرية للتحقق منها.
مبدأ وصفه Lewis وزملاؤه (Facebook AI، NeurIPS 2020) وفصّلته Anthropic.
هل تحتاجون فعلًا إلى RAG؟
نقولها لكم بصراحة: إذا كانت قاعدتكم لا تتجاوز بضع مئات من الصفحات، فليس RAG ضروريًا دائمًا. هذه المقاربات الثلاث تتكامل أكثر مما تتعارض.
اختاروه إذا: معرفتكم متغيرة وكبيرة الحجم، وتريدون استشهادات وصلاحيات وصول لكل مستخدم.
الحدود: تتوقف الجودة على البحث: مقطع غير ذي صلة قد يُضعف الإجابة.
اختاروه إذا: تريدون فرض صيغة أو نبرة أو مصطلحات ثابتة.
الحدود: غير ملائم لإضافة الحقائق: فهي تتقادم والنموذج لا يُحدَّث.
اختاروه إذا: قاعدتكم صغيرة ومستقرة: نحو 500 صفحة كحد أقصى حسب Anthropic.
الحدود: استشهادات ضعيفة، وجودة قد تتراجع مع السياقات الطويلة جدًا.
هل لديكم شك في المقاربة المناسبة؟ محادثة واحدة تكفي للحسم.
تحدثوا مع مستشارالمصادر: Anthropic · Denser · AI Builder Club.
ما الذي يصنع RAG جيدًا
لا يمكن أن تكون الإجابة أفضل من المقاطع المسترجَعة: الجودة تُحسم أساسًا في مرحلة البحث.
المقتطف المعزول يفقد معناه (أي مؤسسة؟ أي فترة؟). نضيف إليه سياقه قبل فهرسته.
المعنى (embeddings) والكلمات الحرفية (المراجع، الاختصارات، أسماء العلم) يكمّل بعضها بعضًا.
يعيد نموذج ثانٍ ترتيب المقاطع المسترجَعة للإبقاء على الأكثر فائدة فقط.
تمرير نحو عشرين مقطعًا يعطي نتائج أفضل من خمسة أو عشرة، حسب Anthropic.
تُختبَر الإعدادات على أسئلتكم الخاصة، لا على أمثلة عامة.
الفرنسية، العربية، اللهجة
المصادر: ArabicMTEB / Swan · Optimizing RAG Pipelines for Arabic.
الأمن والسرية
تصنّف OWASP نقاط ضعف قواعد البيانات المتجهية خطرًا قائمًا بذاته في تطبيقات الذكاء الاصطناعي. إليكم ما نضعه حيز التنفيذ.
تُحترَم صلاحيات الوصول إلى وثائقكم في كل عملية بحث، بما في ذلك داخل الفهرس.
لا تختلط الإدارات أو الفروع أو العملاء: من دون عزل، قد يُرجع الفهرس وثائق جهة أخرى.
الفهرس المتجهي غير المحمي يعادل قاعدة بيانات غير محمية.
يمكن إعادة بناء النص الأصلي تقريبيًا انطلاقًا من المتجهات: لذا نعاملها كبيانات حساسة.
المصادر: OWASP GenAI · Giskard. الإطار التنظيمي: حوكمة الذكاء الاصطناعي وAI Act.
قياس الجودة
لا يُحكم على RAG بالانطباع: بل يُقاس بأربعة مؤشرات تُحتسب على أسئلة تمثّل نشاطكم. يقيّمها نموذج وتتفاوت من تشغيل إلى آخر، لذا نتابعها عبر الزمن.
هل كل تأكيد في الإجابة مدعوم بالوثائق المسترجَعة؟
هل تعالج الإجابة فعلًا السؤال المطروح؟
هل رُتّبت المقاطع الصحيحة قبل المقاطع غير المفيدة؟
هل استرجعنا كل ما يلزم للإجابة؟
المنهجية
مصادر الوثائق وصلاحيات الوصول لكل مستخدم.
تنظيف المحتويات وهيكلتها وتقطيعها.
بحث حسب المعنى وحسب الكلمات الحرفية، مع سياق كل مقطع.
القياس على أسئلتكم الخاصة قبل إتاحتها لفرقكم.
صلاحيات الوصول، مصادر مذكورة، متابعة وتحديثات مستمرة.
أسئلة شائعة
تقنية RAG (التوليد المعزَّز بالاسترجاع) تعثر على المقاطع ذات الصلة في وثائقكم، ثم تقدّمها للذكاء الاصطناعي ليجيب استنادًا إليها مع ذكر مصادره.
لا. بل يقلّصها بربط الإجابات بوثائقكم، لكن مقطعًا غير ذي صلة أو متناقضًا قد يُضعف الإجابة. لهذا نقيس الجودة على أسئلتكم.
بالنسبة لمعرفة متغيرة يجب الاستشهاد بها، يكون RAG عمومًا الخيار الأفضل. أما الضبط الدقيق فيُستخدم أساسًا لفرض صيغة أو نبرة. ويمكن الجمع بينهما.
ربما لا. حسب Anthropic، يمكن وضع قاعدة من نحو 500 صفحة أو أقل مباشرة في الـ prompt. وما يتجاوز ذلك، أو عند وجود صلاحيات وصول يجب إدارتها، يصبح RAG مناسبًا.
تقوم السرية على صلاحيات وصول تُحترَم في كل عملية بحث، وعزل البيانات، وحماية الفهرس. المتجهات ليست مجهولة الهوية: لذا نعاملها كبيانات حساسة.
نعم، لكن الجودة تتفاوت حسب النماذج، خصوصًا مع اللهجات. نختبر عدة مقاربات على عيّنة من وثائقكم قبل الالتزام بأي نتيجة.
للتعمّق أكثر
حدّثونا عن وثائقكم: سنخبركم إن كان RAG هو الحل المناسب وكيف نقيسه.