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