دليل بناء قاعدة معرفة عربية للفريق باستخدام Open WebUI أو AnythingLLM

استخراج الكنوز المخفية في أرشيف المنظمة

كل منظمة عمرها أكثر من سنتين تملك أرشيفاً معرفياً ضخماً: تقارير، سياسات (Policies)، دروس مستفادة (Lessons Learned)، مسودات مشاريع (Proposals)، ومذكرات اجتماعات. لكن هذه القيمة غالباً ما تكون “مدفونة” في مجلدات Google Drive المنسية. عضو الفريق الجديد قد يكرر أخطاءً كُتبت حلولها منذ 4 سنوات لمجرد أنه لا يعرف بوجودها. بناء “قاعدة معرفة قابلة للاستجواب” باللغة العربية أصبح ممكناً اليوم. في هذا الدليل، سنقارن بين أبرز أداتين في هذا المجال: Open WebUI و AnythingLLM.

المقارنة السريعة: أيهما تختار؟

الخيار الأول: Open WebUI

• التجربة: واجهة شبيهة جداً بـ ChatGPT (وهو ما يجعلها مألوفة للموظفين).
• الميزات: نظام متعدد المستخدمين مع صلاحيات، يدعم رفع ملفات PDF/Word مباشرة داخل نافذة المحادثة.
• المحركات: يعتمد على نماذج Ollama المحلية أو APIs خارجية مثل OpenAI.
• الأنسب لمن؟ الفِرَق التي تبحث عن أداة “محادثة عامة” مدعمة بقدرة سريعة على قراءة الوثائق المرفقة في نفس اللحظة.

الخيار الثاني: AnythingLLM

• التجربة: منصة مصممة خصيصاً لاسترجاع الوثائق (RAG).
• الميزات: تدعم مساحات العمل المتعددة (Workspaces)، مما يسمح بفصل قاعدة معرفة قسم الـ HR عن قسم المشاريع. تدعم سحب البيانات من المواقع الإلكترونية مباشرة.
• الأنسب لمن؟ الفِرَق التي تمتلك قواعد معرفة مُهيكلة وضخمة وتريد بناء نظام دقيق للبحث في الوثائق المؤسسية.

البيئة التقنية الموصى بها (The Stack)

سواء اخترت الأداة الأولى أو الثانية، فهذا هو الإعداد الأمثل للغة العربية:

• الخادم (Hardware): خادم بـ 32GB RAM وبطاقة رسومية GPU بذاكرة 16GB VRAM (أو خادم سحابي VPS بتكلفة تقارب $80–150 شهرياً).
• نموذج التوليد (LLM): Ollama مع نموذج Qwen2.5:14b للحصول على أفضل جودة باللغة العربية، أو 7b إذا كان الخادم أضعف.
• نموذج التضمين (Embeddings): nomic-embed-text أو multilingual-e5-large.
• قاعدة المتجهات (Vector DB): ChromaDB (الافتراضي) أو Qdrant (للأداء الأسرع).

خطوات الإعداد لـ AnythingLLM (الموصى به لقواعد المعرفة الكبيرة)

1. التشغيل عبر Docker: يوفر AnythingLLM ملف docker-compose جاهز يجمع الأداة مع Ollama و ChromaDB.
2. إنشاء الـ Workspaces: لا تضع كل الوثائق في مساحة واحدة! أنشئ مساحات منفصلة: “التقارير السنوية”، “سياسات الموارد البشرية”، إلخ. هذا الإجراء البسيط يضاعف دقة البحث.
3. تحضير الوثائق قبل الرفع: قم بحذف الصفحات الفارغة، وحدد أسماء واضحة للملفات (تاريخ + موضوع)، وقم بتحويل ملفات Word إلى PDF لتوحيد التنسيق قبل الرفع.
4. ضبط حجم التقطيع (Chunk Size): الافتراضي هو 1000 حرف. لكن في اللغة العربية (حيث الكلمات تأخذ مساحة أكبر بسبب التشكيل أو اللواصق)، قد تحتاج لرفعه إلى 1500–2000 حرف للحفاظ على سياق الجملة.
5. ضبط تعليمات النظام (System Prompt): استخدم أمراً حازماً: “أنت مساعد للفريق. أجب بناءً على الوثائق المُرفقة فقط. إذا لم تجد المعلومة، قل: ‘لم أجد ذلك في قاعدة المعرفة’. استشهد باسم الملف في كل إجابة.”

الأخطاء الشائعة ومؤشرات النجاح

احذر من: رفع آلاف الوثائق دفعة واحدة دون تنظيم، أو إهمال تنظيف ملفات الـ PDF المصورة (OCR السيء)، أو توقع إجابات إبداعية من نماذج صغيرة (7B).

ستعرف أنك نجحت عندما: بعد 3 أشهر، تلاحظ أن الفريق يستخدم الأداة أسبوعياً للإجابة على التساؤلات الروتينية. وبعد عام، تصبح هذه القاعدة هي “الطريقة الرسمية التي يعرف بها الفريق ما يمتلكه من معرفة”، ويتمكن الأعضاء الجدد من الانخراط في العمل في زمن قياسي.