RAG: خلّي النموذج يجاوب من مصادرك مش من خياله

import numpy as np
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("all-MiniLM-L6-v2")  # 384-dim

docs = [
    "سياسة الإرجaع: تقدر ترجّع أي منتج خلال 14 يوم من الاستلام.",
    "الشحن داخل القاهرة بياخد يوم إلى يومين عمل.",
    "الدفع متاح بالبطاقة أو عند الاستلام.",
]
doc_vecs = model.encode(docs, normalize_embeddings=True)  # (3, 384)

def retrieve(question, k=1):
    q = model.encode([question], normalize_embeddings=True)[0]
    scores = doc_vecs @ q          # cosine (المتجهات مُطبَّعة)
    top = np.argsort(scores)[::-1][:k]
    return [(docs[i], float(scores[i])) for i in top]

ctx, score = retrieve("إزاي أرجّع المنتج؟")[0]
print(round(score, 3), "->", ctx)

prompt = f"""جاوب من السياق ده فقط. لو مش موجود، قول \"مش متوفر\".
السياق: {ctx}
السؤال: إزاي أرجّع المنتج؟"""
# ابعت prompt لأي LLM (OpenAI/Anthropic/محلي)

لاحظ: مفيش تدريب ولا fine-tuning. أضفت وثيقة جديدة؟ بتعمل لها embedding وتحطها في الفهرس، وبس. المعرفة بتتحدّث فورًا من غير ما تلمس النموذج.

الأرقام اللي بتفرق

الافتراض هنا إن عندك قاعدة معرفة بـ 10 آلاف مقطع وتستخدم نموذج زي GPT-4o أو Claude. الاسترجاع نفسه على 10 آلاف متجه بـ FAISS بياخد أقل من مللي ثانية للاستعلام الواحد. من غير RAG لو حبيت تلزّق كل الـ 10 آلاف مقطع في البرومبت، ده تقريبًا ملايين التوكنات — أكبر من نافذة السياق (128 ألف توكن) وبتكلفة خيالية. مع RAG بتبعت 3 إلى 5 مقاطع بس، يعني قرابة 1-2% من التكلفة، مع دقة أعلى لأن النموذج مش بيتشتّت في نص طويل.

الـ trade-offs

RAG بيكسّبك تحديث معرفة فوري، مصادر قابلة للاقتباس، وتكلفة أقل من إعادة التدريب. بتخسر مقابلها إن جودة الإجابة بقت مرهونة بجودة الاسترجاع: لو رجّعت المقطع الغلط، النموذج هيجاوب غلط بثقة. زوّدت طبقة بنية تحتية جديدة (قاعدة متجهات + خط تضمين) لازم تصونها. وحجم المقطع نفسه trade-off: مقاطع كبيرة تضيّع الدقة، ومقاطع صغيرة أوي بتقطع السياق.

متى لا تستخدم RAG

مش كل مشكلة محتاجة RAG. لو معرفتك ثابتة وصغيرة وتدخل في البرومبت مرة واحدة (زي تعليمات نبرة قصيرة)، حطها في البرومبت مباشرة وخلاص. ولو المطلوب سلوك أو أسلوب مش معرفة حقائق (زي إن النموذج يكتب بصيغة معينة دايمًا)، ده شغل fine-tuning مش استرجاع. RAG بيلمع لمّا يكون عندك معرفة كبيرة، متغيّرة، وخاصة بيك.

الخطوة التالية

خُد 20 وثيقة من توثيقك الحقيقي، قسّمها لمقاطع، شغّل الكود اللي فوق، وجرّب 10 أسئلة فعلية من عملاءك. بُصّ على درجة التشابه للمقطع المسترجَع: لو أقل من 0.3 باستمرار، مشكلتك في التقطيع أو في نموذج التضمين، مش في الـ LLM. ابدأ من هنا قبل ما تبني أي حاجة أكبر.

المصادر

• Lewis et al., "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", NeurIPS 2020 — arXiv:2005.11401 (الورقة الأصلية لمصطلح RAG).
• Sentence-Transformers (SBERT) Documentation — sbert.net، وبطاقة نموذج sentence-transformers/all-MiniLM-L6-v2 على Hugging Face (تضمين 384 بُعد).
• Facebook AI Similarity Search (FAISS) — github.com/facebookresearch/faiss (البحث عن أقرب المتجهات).
• OpenAI و Anthropic — توثيق حدود نافذة السياق للنماذج (context window).