بناء قاعدة معرفة محادثة بـ AnythingLLM في 30 دقيقة

مقدمة حول قواعد المعرفة التفاعلية

في العديد من المنظمات والمؤسسات البحثية، تكون المعرفة مبعثرة عبر مئات الملفات بصيغ PDF ومستندات Word. محاولة البحث فيها يدوياً تعتبر عملية شاقة وغير فعالة. الحل الأمثل هو تحويل هذه الوثائق إلى “قاعدة معرفة محادثة” (Conversational Knowledge Base) يمكن طرح الأسئلة عليها بلغتك الطبيعية (العربية) لتجيبك بدقة مع ذكر المصدر. في هذا الدليل، سنتعلم كيف نحقق ذلك في 30 دقيقة باستخدام AnythingLLM المربوط بنموذج ذكاء اصطناعي محلي عبر Ollama من خلال تقنية RAG (Retrieval-Augmented Generation).

الأدوات المطلوبة

• AnythingLLM: واجهة مستخدم متقدمة مفتوحة المصدر، تُسهل إدارة الوثائق وإنشاء مساحات العمل (Workspaces) للمحادثة مع البيانات.
• Ollama: أداة لتشغيل نماذج اللغة (LLMs) مفتوحة المصدر (مثل Llama 3) على حاسوبك الشخصي لضمان سرية وثائق المنظمة.
• Vector Database (مُدمجة): يوفر AnythingLLM قاعدة بيانات اتجاهية مدمجة (LanceDB) للبحث الدلالي، فلا حاجة لإعدادات معقدة.

خطوات العمل (في 30 دقيقة)

1. إعداد النموذج المحلي (Ollama)

قم بتثبيت Ollama وقم بتنزيل نموذج يدعم اللغة العربية بشكل جيد (مثل نموذج خفيف أو معدل خصيصاً للمحادثات). اكتب في سطر الأوامر (Terminal): ollama run llama3. يجب أن يعمل النموذج في الخلفية ليكون مستعداً لتلقي الاستعلامات.

2. تثبيت وإعداد AnythingLLM

قم بتحميل وتشغيل تطبيق AnythingLLM (يتوفر كبرنامج سطح مكتب أو حاوية Docker). عند التشغيل لأول مرة، سيرشدك معالج الإعداد (Setup Wizard). في قسم الـ LLM Provider، اختر Ollama وأدخل الرابط المحلي (عادةً http://127.0.0.1:11434). أما بالنسبة لنموذج التضمين (Embedding Model)، يمكنك استخدام النموذج المدمج في AnythingLLM أو نموذج تضمين من Ollama مخصص لفهم الدلالات.

3. إنشاء مساحة العمل ورفع الوثائق

قم بإنشاء مساحة عمل (Workspace) جديدة وسمّها، على سبيل المثال، “أرشيف السياسات” أو “المقالات البحثية”. توجه إلى قسم الوثائق، واسحب وأفلت جميع ملفات الـ PDF أو النصوص الخاصة بمنظمتك هناك. سيقوم النظام بعمل استيعاب (Ingestion) لهذه الملفات، أي تقطيعها وتحويلها إلى متجهات (Vectors) وحفظها في قاعدة البيانات المدمجة.

4. المحادثة مع الوثائق (RAG)

الآن، واجهتك جاهزة. اذهب إلى نافذة المحادثة الخاصة بمساحة العمل واسأل أي سؤال باللغة العربية، مثل: “ما هي إجراءات السلامة المتبعة في حالة الطوارئ حسب سياسة المنظمة؟”

ما سيحدث خلف الكواليس:

1. سيقوم النظام بالبحث الدلالي في الوثائق عن الفقرات الأقرب لسؤالك.
2. سيأخذ هذه الفقرات ويرسلها إلى النموذج (Llama 3 عبر Ollama) مع سؤالك المرفق.
3. سيصيغ النموذج إجابة باللغة العربية بناءً فقط على الوثائق التي أرسلتها، مع توفير رابط أو إشارة للملف ورقم الصفحة الذي استخرج منه المعلومة.

نصائح لتعزيز الدقة في اللغة العربية

اللغة العربية قد تشكل تحدياً لبعض النماذج. للحصول على أفضل النتائج، تأكد من أن ملفات المصدر واضحة (ليست صوراً ممسوحة ضوئياً بدون OCR). كما يمكنك تعديل تعليمات النظام (System Prompt) في AnythingLLM لتكون: “أجب دائماً باللغة العربية الفصحى الواضحة، واستخدم فقط المعلومات الموجودة في السياق المرفق للإجابة.”

الخلاصة

خلال نصف ساعة فقط، وبأدوات مفتوحة المصدر مجانية ومحلية بالكامل، يمكنك بناء نظام RAG عربي قوي ينقل منظمتك أو فريقك البحثي من مرحلة البحث اليدوي المجهد إلى مرحلة استخراج المعرفة التفاعلي الفوري، مع الحفاظ التام على أمان وسرية بياناتك.