RAG (التوليد المعزز بالاسترجاع) تقنية تجعل النموذج يبحث في مصادر خارجية أولًا ثم يكتب إجابته اعتمادًا على ما وجده. بهذا تصبح الإجابة أحدث وأقرب لمصدرها، وتقل الهلوسة.
كيف يعمل؟ مثال الموظف الجديد
تخيّل موظفًا جديدًا يُسأل عن سياسة الإجازات. بدل أن يخمّن من ذاكرته، يفتح دليل الشركة ويقرأ البند ثم يجيب. هذا هو RAG بالضبط.
- سؤال المستخدمتكتب سؤالك للنظام.
- الاسترجاعيبحث النظام في مستندات أو قاعدة معرفة عن المقاطع الأقرب لسؤالك.
- الإضافة للأمرتُضاف المقاطع المسترجعة إلى سؤالك كسياق.
- التوليديكتب النموذج الإجابة اعتمادًا على السؤال والسياق معًا.
هذه الخطوات هي الصيغة الشائعة للتقنية كما تشرحها مصادر مثل Google Cloud وIBM، وتُنفَّذ تفاصيلها بطرق متعددة بحسب المنتج.
لماذا يهمك؟
| الميزة | ما يعنيه لك |
|---|---|
| دقة أعلى | الإجابة مبنية على مصدر محدد لا على تخمين |
| معلومات حديثة | لا حاجة لإعادة تدريب النموذج كلما تغيرت المعلومات |
| إمكانية الاستشهاد | يستطيع النظام عرض المصدر الذي اعتمد عليه |
| تخصيص | يعمل على ملفاتك أنت: عقودك، أدلتك، ملاحظاتك |
وتذكر IBM أن RAG من أبرز طرق تقليل الهلوسة، لكنه لا يلغيها بالكامل، فجودة النتيجة تعتمد على جودة المصادر المسترجعة.
أين تراه عمليًا؟
كلما رفعت ملفًا إلى أداة وسألتها عنه، أو طلبت من أداة بحثية إجابة مع مصادر، فأنت غالبًا أمام فكرة قريبة من RAG. تسمي أدوات مثل Gemini Notebook نفسها «مساعدك في الأبحاث والكتابة». وللتعرف على أدوات تقدم هذه الفكرة مجانًا، راجع قائمة الأدوات المجانية.
مثال بسيط تجربه بنفسك
ألصق في أي أداة نصًا من دليل مستخدم لجهاز عندك، ثم اسأل عن بند فيه واطلب الإجابة منه فقط. هذا الأسلوب هو أبسط شكل لفكرة RAG: أنت تقوم يدويًا بدور «الاسترجاع» ثم تترك النموذج يقوم بدور «التوليد». أما في الأنظمة الكبيرة فيقوم برنامج بالبحث تلقائيًا في آلاف المستندات.
حدود التقنية
إن استرجع النظام مقطعًا غير مناسب فستكون الإجابة ضعيفة، وإن كانت المستندات نفسها قديمة أو خاطئة فسيبني النموذج عليها. لذلك جودة المصادر وتنظيمها لا تقل أهمية عن جودة النموذج.
هل RAG هو نفسه الضبط الدقيق (Fine-tuning)؟
لا. الضبط الدقيق يعدّل النموذج نفسه بالتدريب، أما RAG فيترك النموذج كما هو ويمنحه مصادر وقت السؤال.
هل يحتاج المستخدم العادي أن يفهم RAG؟
ليس ضروريًا، لكن فهمه يفسر لماذا تعطيك الأداة نتائج أفضل حين ترفق لها الملف أو المصدر.
المصادر: Google Cloud: ما هو RAG · IBM: AI hallucinations
