RAG والبحث المتجهي
RAG — التوليد المعزَّز بالاسترجاع — هو الوصفة الكلاسيكية للترسيخ: ابحث عن النص المناسب، وضَعه في الأمر، ثم أجِب. بدلاً من أن تأمل أن النموذج يعرف الإجابة سلفاً، تُسلِّمه الحقائق التي يحتاجها.
دورة RAG المتكررة
أربع خطوات — تُنفَّذ مرة واحدة مقدّماً، ثم مرة لكل سؤال.
- التضمين — حوّل مستنداتك إلى متجهات
- التخزين — احتفظ بتلك المتجهات كي تتمكّن من البحث فيها
- الاسترجاع — عند طرح السؤال، اسحب أقرب المقاطع
- التوليد — أجِب مستعيناً بتلك المقاطع في الأمر
البحث حسب المعنى
التضمين يحوّل النص إلى متجه، فيصبح «المعنى المتشابه» يعني «القُرب في المكان». تبحث حسب القُرب، لا بمطابقة الكلمات تماماً.
لماذا يكفي التقريب
أنت تريد تطابقاً جيّداً بسرعة، لا الأفضل المُثبَت بعد انتظار طويل.
- بحث الجار الأقرب التقريبي (ANN) يجد تطابقات قريبة دون مسح كل شيء
- يقايض قليلاً من الاستدعاء مقابل الكثير من السرعة
- ولترسيخ إجابة، يكون المقطع القريب من الأفضل مفيداً كالأفضل تماماً في معظم الأحيان
الاسترجاع يضع الحدّ
جودة الاسترجاع تحدّ من جودة الإجابة. إذا استرجعت المقاطع الخاطئة، يجيب النموذج من حقائق خاطئة — وبثقة. مدخلات رديئة، مخرجات رديئة.
طبّقها
كيف تُنفّذها: خُذ حفنة من مستنداتك الخاصة، قسّمها إلى مقاطع، وفكّر ملياً في شكل الاستعلام الجيّد الذي «يسترجع المقطع الصحيح» — ففي ذلك الاستعلام يكمن معظم الجودة.
- متتبّع مهام الأسبوع — RAG على ملاحظاتك يجيب عن «ماذا فعلت الأسبوع الماضي؟» باسترجاع المدخلات ذات الصلة.
- موقع علامتك الشخصية — استرجع السيرة الذاتية المناسبة أو مقتطف المشروع الصحيح كي يبقى النص المُولَّد راسخاً ومحدداً.
ما الذي تعلّمته
RAG يُرسِّخ النموذج: تضمين، تخزين، استرجاع، توليد. البحث المتجهي يجد المقاطع حسب المعنى، والبحث التقريبي يبقيه سريعاً، وجودة الاسترجاع تحدّ من الإجابة. وللمعالجة الأعمق لـRAG، راجع GenAI‑101.