RAG لدعم العملاء: كيف تجعل ردود الذكاء الاصطناعي دقيقة فعلاً

بدون الاسترجاع، فإن LLM الذي يجيب على "كيف أعيد تعيين كلمة المرور؟" سيقدم إجابة معقولة لكنها على الأرجح خاطئة — زر مختلف، مسار مختلف، URL مختلف. يعالج RAG (التوليد المعزز بالاسترجاع) هذا عبر حقن الجزء الصحيح من مستنداتك في الموجّه (prompt) قبل أن يتحدث النموذج.

نظرة سريعة على خط المعالجة

ثلاث مراحل: الاستيعاب، الاسترجاع، التوليد.

1. الاستيعاب

• ارفع ملفات PDF و Markdown وملفات Office عبر واجهة المعرفة
• يستخرج الـ Worker النص ويقسّمه إلى أجزاء بحجم ~800 token مع تداخل 100 token
• يُضمَّن كل جزء باستخدام text-embedding-3-small (1536 بُعدًا)
• يُخزَّن في Postgres مع امتداد pgvector

2. الاسترجاع

عندما يرسل زائر رسالة، نقوم بتضمين الاستعلام وتشغيل بحث بمسافة جيب التمام (cosine) على أجزاء المستأجر. يُسحَب أعلى K (الافتراضي 5)، مع عتبة تشابه لإسقاط التطابقات غير ذات الصلة.

SELECT id, content, 1 - (embedding <=> $1) AS similarity
FROM knowledge_chunks
WHERE tenant_id = $2
ORDER BY embedding <=> $1
LIMIT 5;

3. التوليد

تُضاف الأجزاء المسترجَعة إلى بداية موجّه النظام مع تعليمات صريحة: استشهد بالمصادر، ارفض إذا لم يغطِّ السياق السؤال، وأحِل المحادثة إلى إنسان إذا كانت الثقة منخفضة.

تقليص فاتورة الرموز (tokens)

ثلاث حيل توفّر مالًا حقيقيًا في قواعد المعرفة الكبيرة:

• ذاكرة تخزين مؤقت للتضمينات — نفس نص الاستعلام ← نفس التضمين. مفتاح تجزئة SHA1، مع TTL لمدة 24 ساعة في Redis. يقلّص تكلفة إعادة التضمين إلى الصفر في الأسئلة المتكررة.
• التخزين المؤقت للموجّهات — يعني cache_control من Anthropic والتخزين المؤقت التلقائي من OpenAI أن موجّه النظام الثابت يُحتسَب مرة واحدة فقط لكل نافذة مدتها 5 دقائق.
• التخطّي القائم على العتبة— إذا لم يتجاوز أي جزء عتبة التشابه، فلا تحقن شيئًا. دع النموذج يقول "لا أعرف."

عندما لا يكفي RAG

يتعامل RAG جيدًا مع أسئلة "كيف أفعل X؟". لكنه يفشل مع البيانات المخصّصة ("أين طلبي؟") — وهذا يتطلب استدعاء الدوال، وهو ما نغطّيه في مقال منفصل. الجمع بين الاثنين هو ما يمنحك ذكاءً اصطناعيًا بمستوى Intercom بجزء بسيط من التكلفة.