التوليد المعزّز بالاسترجاع (RAG): كيف يعمل ولماذا يقلّل الهلوسة

النماذج اللغوية العامة تعرف الكثير عن العالم ولا تعرف شيئًا عن شركتك: لا عقودك، ولا سياساتك الداخلية، ولا أسعارك. وحين تسألها عمّا لا تعرفه، فإنها كثيرًا ما تؤلّف إجابة تبدو واثقة — وهي المشكلة المعروفة بالهلوسة.

التوليد المعزّز بالاسترجاع، أو RAG، هو الحلّ العملي الأكثر استخدامًا: بدل أن يجيب النموذج من ذاكرته، نعطيه المستندات ذات الصلة لحظة السؤال ونطلب منه الإجابة منها.

كيف يعمل خطوة بخطوة

1. التجهيز: تُجمَع مستنداتك وتُقسَّم إلى مقاطع معقولة الحجم، ويُحسَب لكل مقطع تمثيل رقمي يعبّر عن معناه، ثم تُخزَّن هذه التمثيلات في قاعدة مخصّصة.
2. السؤال: حين يسأل المستخدم، يُحوَّل سؤاله إلى التمثيل نفسه، ويُبحَث عن أقرب المقاطع معنًى — لا الأكثر تطابقًا في الحروف.
3. التوليد: تُرسَل المقاطع المسترجَعة إلى النموذج مع السؤال وتعليمات صريحة: أجب من هذه المصادر فقط، وإن لم تجد الإجابة فقل ذلك.
4. الإسناد: تُعرَض الإجابة مع روابط المقاطع التي بُنيت عليها، ليتحقّق المستخدم بنفسه.

لماذا يقلّل الهلوسة ولا يلغيها

تقييد النموذج بمصادر محدّدة يقلّص مساحة التأليف كثيرًا. لكنه لا يصل إلى الصفر، لثلاثة أسباب عملية:

• استرجاع خاطئ: إن جلب البحث مقاطع غير ذات صلة، فالنموذج يجيب من مادة خاطئة. أغلب أخطاء أنظمة RAG سببها الاسترجاع لا التوليد.
• مصادر متناقضة: سياستان مختلفتان في مستندين، والنموذج لا يعرف أيّهما السارية.
• سؤال خارج النطاق: إن لم تُصمَّم التعليمات جيدًا، قد يملأ النموذج الفراغ من معرفته العامة بدل أن يعترف بعدم المعرفة.

لهذا فإن «صفر أخطاء» ليس وعدًا يُقدَّم. ما يُقدَّم هو إجابات يمكن التحقّق منها، ومراجعة دورية للأسئلة غير المُجاب عنها.

ما الذي يحدّد الجودة فعلًا

جودة المصادر قبل كل شيء

نظام RAG لا يصلح مستندات رديئة. إن كانت سياساتك متناقضة أو قديمة، فالنظام سينقل التناقض بأمانة. الخطوة الأولى دائمًا: تحديد حالة الاستخدام ثم المصادر المعتمدة، واستبعاد القديم منها، وتعيين مالك لكل مستند يحدّثه.

طريقة التقسيم

تقسيم المستند إلى مقاطع قرار مؤثّر أكثر ممّا يبدو. مقاطع صغيرة جدًّا تفقد السياق؛ وكبيرة جدًّا تُدخل ضجيجًا يشتّت النموذج. والتقسيم الذي يحترم بنية المستند — بحسب العناوين والأقسام — أفضل من تقسيم أعمى بعدد الأحرف.

البحث المختلط

البحث الدلالي وحده يخطئ في أرقام العقود وأسماء المنتجات والرموز. الجمع بينه وبين بحث كلمي تقليدي يعالج ذلك. وفي العربية تحديدًا يزداد هذا أهمية بسبب تعدّد صيغ الكتابة والهمزات.

الصلاحيات

نقطة تُغفل وتكلف غاليًا: يجب أن يرى كل مستخدم ما يُسمح له برؤيته فقط. الصلاحيات تُطبَّق على مرحلة الاسترجاع — أي أن البحث لا يشمل أصلًا ما لا يحقّ للمستخدم رؤيته. ترشيح النتائج بعد التوليد متأخر جدًّا.

كيف تعرف أنه يعمل

ابنِ مجموعة اختبار من أسئلة حقيقية جمعها فريق الدعم والمبيعات، مع الإجابة الصحيحة لكل سؤال. شغّلها بعد كل تغيير. بلا هذه المجموعة، أي تعديل يصبح تخمينًا: تحسّن سؤالان وساء ثلاثة ولا أحد يلاحظ.

وتابع سؤالين تشغيليين: نسبة الأسئلة التي أجاب عنها بمصدر، ونسبة التي قال فيها إنه لا يعرف. ارتفاع الثانية ليس فشلًا بالضرورة — قد يعني أن معرفتك ناقصة، وهذه معلومة قيّمة بذاتها.

متى لا يكون RAG هو الحل

إن كانت المهمة حسابية أو منطقية بحتة — استخراج رقم من جدول، أو تطبيق قاعدة ثابتة — فاستعلام مباشر على قاعدة البيانات أدقّ وأرخص. RAG للمعرفة المكتوبة بلغة طبيعية، لا بديلًا عن البرمجة التقليدية.

هذا ما نبنيه في منصات الذكاء الاصطناعي: نبدأ بنموذج أولي على عيّنة من بياناتك، ونقيس قبل أن نوسّع.