مقدمة إلى RAG

يعرف النموذج اللغوي الكبير مثل Gemini الكثير من الأشياء… لكنه لا يعرف شيئًا عن مستنداتك الداخلية. يحلّ التوليد المعزّز بالاسترجاع (RAG) هذه المشكلة عبر استرجاع المقاطع ذات الصلة من قاعدة المستندات لحظة طرح السؤال، ثم إدراجها في الأمر الموجّه إلى النموذج¹.

نظرة سريعة على البنية

flowchart LR
    U["المستخدم"] -->|سؤال| A["وكيل ADK على Cloud Run"]
    A -->|استعلام بحث| R["RAG Engine"]
    subgraph Ingestion
        GCS[("Cloud Storage")] --> P["التحليل والتقطيع"]
        P --> E["التضمينات"]
        E --> V[("الفهرس المتجهي")]
    end
    R --> V
    V -->|أفضل المقاطع| A
    A -->|الأمر والسياق| G["Gemini"]
    G -->|إجابة مع المصادر| U

المخطط نفسه في صورة توضيحية:

يتعايش مساران:

1. الاستيعاب (دون اتصال): تُقطَّع المستندات إلى أجزاء، ثم تُحوَّل إلى متجهات وتُفهرَس.
2. الاستعلام (مباشر): يُحوَّل السؤال إلى متجه، وتُسترجع الأجزاء الأقرب وتُقدَّم إلى النموذج.

RAG أم الضبط الدقيق أم السياق الطويل؟

تقدّمك

• فهم مبدأ RAG
• التمييز بين مساري الاستيعاب والاستعلام
• حساب تشابه جيب التمام
• إنشاء أول مجموعة بيانات
• نشر الوكيل على Cloud Run