التوليد المعزَّز بالاسترجاع (RAG)

التوليد المعزَّز بالاسترجاع (RAG) تقنية ذكاء اصطناعي تجمع نموذجًا لغويًا كبيرًا مع خطوة بحث. قبل أن يولّد النموذج النص، يسترجع النظام مقاطع ذات صلة من مصدر معرفة خارجي ويقدّمها إلى النموذج كسياق، فتبقى الإجابات مرتكزة على معلومات محددة ومحدَّثة بدل الاعتماد على ذاكرة النموذج وحدها.

تولّد النماذج اللغوية الكبيرة نصًا سلسًا من الأنماط التي تعلّمتها أثناء التدريب، لكنها لا تعرف من تلقاء نفسها مستنداتك ولا أرقامك الأحدث ولا حقائق ظهرت بعد تاريخ انتهاء تدريبها. يسدّ التوليد المعزَّز بالاسترجاع هذه الفجوة بأن يترك النموذج يبحث قبل أن يجيب، فيرتكز كل رد على مصدر تتحكم فيه أنت بدل الذاكرة وحدها.

كيف يعمل RAG

لنظام RAG مرحلتان. أولًا الاسترجاع: يُحوَّل استعلام المستخدم إلى متجه تضمين ويُقارَن بمصدر معرفة — غالبًا قاعدة بيانات متجهات من مقاطع المستندات — لاستخراج أكثر المقاطع صلة. ثم التوليد: تُدرَج تلك المقاطع في موجّه النموذج كسياق، فيكتب النموذج إجابة مشروطة بها. النتيجة نص يعكس مادة محددة بدل مجرد تخمين مدروس.

لماذا يهمّ ذلك

يُبقي الاسترجاع الإجابات دقيقة ومحدَّثة دون إعادة تدريب النموذج، وهو أمر بطيء ومكلف. ولأن الرد مرتكز على نص مُسترجَع، يقلّل RAG من الهلوسة ويتيح لنموذج عام أن يتحدث عن معرفة خاصة أو سريعة التغير — سياسات شركة، أو كتالوج منتجات، أو سجل دعم. كما يجعل الإجابات أكثر شفافية، إذ يمكن عرض المقاطع الأساسية والتحقق منها.

كيف يعمل في DraftKite

تستخدم DraftKite تقنية RAG في قاعدة معرفتها الاختيارية. ترفع مستندات — أسئلة شائعة، وأسعار، وحقائق منتج — فتقسّمها DraftKite وتضمّنها في مخزن متجهات. وعند وصول بريد جديد، تسترجع المقاطع الأكثر صلة بتلك الرسالة تحديدًا وتضيفها كسياق قبل كتابة مسودة، فتعكس المسودة معلوماتك الخاصة. وتبقى المسودة في مجلد المسودات حتى تراجعها وترسلها بنفسك.

الأسئلة الشائعة

يرمز RAG إلى التوليد المعزَّز بالاسترجاع. وهو أسلوب ذكاء اصطناعي يسترجع معلومات ذات صلة من مصدر خارجي ويقدّمها إلى نموذج لغوي كسياق، فترتكز الإجابة المولَّدة على تلك المادة بدل بيانات تدريب النموذج وحدها.

يغيّر الضبط الدقيق أوزان النموذج بتدريبه أكثر على بيانات جديدة؛ أما RAG فيترك النموذج دون تغيير ويزوّده بدلًا من ذلك بمستندات ذات صلة وقت الاستعلام. RAG أسرع في التحديث وأنسب للحقائق كثيرة التغير، بينما يناسب الضبط الدقيق تعليم أسلوب أو مهارة دائمة.

يقلّلها لكنه لا يلغيها. بارتكاز الإجابات على مقاطع مُسترجَعة، يجعل RAG التفاصيل الملفّقة أقل احتمالًا، لكن النموذج قد يسيء قراءة السياق أو قد يخطئ الاسترجاع في إيجاد المصدر الصحيح، لذا تبقى المراجعة البشرية مهمة.