قاعدة المعرفة (RAG)

تتيح ميزة قاعدة المعرفة لوكيل الذكاء الاصطناعي لديك الإجابة عن الأسئلة باستخدام مستنداتك الفعلية —— ملاحظات الإصدار، ومقالات المساعدة، والسياسات، وأي شيء قائم على النص.

التنسيقات المدعومة

• PDF
• Markdown، نص عادي
• Word (.docx) · CSV
• JSON (يُستخرج كنص)

سير عملية الرفع

1. انتقل إلى المعرفة ← رفع مستند
2. اختر ملفًا (بحد أقصى 25 ميجابايت). يُرفع مباشرة إلى S3 عبر POST موقَّع مسبقًا
3. يستلم الـ worker المهمة: يستخرج النص ← يقسّمه إلى chunks بحجم 800 tokens تقريبًا ← ينشئ embeddings باستخدام OpenAI text-embedding-3-small ← يخزّنها في pgvector
4. تتحول الحالة إلى READY عند الانتهاء

كيفية عمل الاسترجاع

مع كل رسالة من الزائر، ينشئ الـ worker embeddings للاستعلام ويُجري بحثًا بمسافة جيب التمام عبر chunks المستأجر الخاص بك. تجتاز أعلى K (الافتراضي 5) chunks عتبة التشابه ويتم تضمينها داخل موجّه النظام.

استخدام embeddings الخاصة بك

في وكيل الذكاء الاصطناعي ← Embeddings يمكنك تعيين endpoint مخصص لواجهة API الخاصة بالـ embedding —— وهو مفيد إذا أردت استخدام Azure OpenAI، أو Ollama محلي، أو DuckLLM. يمكن أن يكون endpoint إكمال المحادثة مختلفًا عن endpoint الخاص بالـ embedding، لأن خدمات التجميع غالبًا لا تدعم embeddings.

التخزين المؤقت

يصل نص الاستعلام المطابق تمامًا إلى ذاكرة تخزين مؤقت Redis لمدة 24 ساعة، لذا لا يُعيد سؤال FAQ نفسه إنشاء embeddings في كل زيارة. يُطبَّق التخزين المؤقت لموجّهات Anthropic على موجّه النظام + الـ chunks المسترجعة لمزيد من توفير التكاليف.

متى تتخطى RAG

أوقف RAG enabled إذا كان وكيل الذكاء الاصطناعي لديك مجرد روبوت دردشة خفيفة / تأهيل عملاء محتملين لا يحتاج إلى الاستشهاد بالمستندات.