Applied scenario

نموذج إرشادي — جامعة: محرك سؤال-جواب على أرشيف الأوراق البحثية (LlamaIndex)

سيناريو نمطي لكلية تبني محرك بحث دلالياً عربياً على أرشيف PDF أكاديمي.

Research

Time Efficiency Metric

Time before أيام للبحث اليدوي عبر الفهارس والملخصات

←

Time after ثوانٍ لاستعلام دلالي مع اقتباس المقاطع الأصلية

The Problem

أوراق بحثية بصيغة PDF بدون فهرسة دلالية. الباحث الجديد يستغرق وقتاً طويلاً للعثور على أوراق مشابهة لموضوعه.

The Solution & Implementation

PDFReader → SentenceSplitter → bge-m3 embeddings → Qdrant store → QueryEngine بـ qwen2.5 → واجهة Streamlit ثنائية اللغة.

Scenario details

مقدمة عن السيناريو

سيناريو نمطي لكلية تبني محرك بحث دلالياً عربياً على أرشيف PDF أكاديمي.

توصيف المشكلة

أوراق بحثية بصيغة PDF بدون فهرسة دلالية. الباحث الجديد يستغرق وقتاً طويلاً للعثور على أوراق مشابهة لموضوعه.

الأدوات المستخدمة

LlamaIndex: أداة مستخدمة في سير العمل.
Qdrant: أداة مستخدمة في سير العمل.
Ollama: أداة مستخدمة في سير العمل.
Streamlit: أداة مستخدمة في سير العمل.

مسار العمل (Workflow)

PDFReader → SentenceSplitter → bge-m3 embeddings → Qdrant store → QueryEngine بـ qwen2.5 → واجهة Streamlit ثنائية اللغة.

النتائج والفرق في الأداء

قبل التطبيق: أيام للبحث اليدوي عبر الفهارس والملخصات
بعد التطبيق: ثوانٍ لاستعلام دلالي مع اقتباس المقاطع الأصلية

التكلفة التقديرية

خادم محلي قابل للاستخدام (~1000-2000$) + بضعة أيام إعداد

الدروس المستفادة

نموذج التضمين عادة أهم من نموذج التوليد لـ RAG عربي
chunk بحجم 600-1000 token مع تداخل قصير يعطي توازناً مقبولاً
اقتباس المقطع الأصلي يبني ثقة الباحثين

Lessons Learned

نموذج التضمين عادة أهم من نموذج التوليد لـ RAG عربي. chunk بحجم 600-1000 token مع تداخل قصير يعطي توازناً مقبولاً. اقتباس المقطع الأصلي يبني ثقة الباحثين.

Impact Diagram

Visual route

flowchart TD P["أوراق بحثية بصيغة PDF بدون فهرسة..."] T["LlamaIndex, Qdrant, Ollama"] P -->|"solved by"| T W["PDFReader → SentenceSplitter → bge-m3..."] T --> W R["أيام للبحث اليدوي عبر الفهارس والملخصات → ثوانٍ لاستعلام دلالي مع اقتباس المقاطع الأصلية"] W --> R style R fill:#f0fdf4,stroke:#10b981,stroke-width:2px