Sector RAG

إنشاء “محادثة مع وثائقك” بـ LlamaIndex في 50 سطر

مقدمة في بناء تطبيقات RAG بأقل كود ممكن يتزايد الطلب على بناء تطبيقات المحادثة مع البيانات الداخلية بسرعة هائلة. بالنسبة للمطورين والباحثين، كتابة آلاف الأسطر البرمجية لبناء هذه الأنظمة ليس أمراً عملياً. هنا تبرز مكتبة LlamaIndex (سابقاً GPT Index) كأحد…

بناء أول خط RAG إنتاجي بـ Haystack

مقدمة في بناء RAG الإنتاجي بناء نظام RAG (Retrieval-Augmented Generation) للنماذج التجريبية أمر سهل، ولكن نقله إلى بيئة إنتاجية (Production) موثوقة يتعامل مع ملفات PDF عربية ويقدم إجابات موثقة يتطلب إطار عمل معماري صلب. يبرز Haystack (من تطوير deepset) كأحد…

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”…

بناء RAG للأحكام القضائية بـ Haystack + Ollama (دليل قانوني)

أهمية دقة الاسترجاع في المجال القانوني في المجال القانوني، يمثل “الهلوسة” (Hallucination) الصادرة من نماذج الذكاء الاصطناعي خطراً فادحاً. الباحثون والمحامون لا يبحثون عن إجابات عامة، بل يحتاجون إلى أدلة قاطعة تستند إلى أحكام قضائية موثقة مع ذكر مرجع الحكم…

Haystack مقابل LlamaIndex — أي إطار RAG إنتاجي؟

مقدمة عند بناء تطبيقات الاسترجاع المعزز بالتوليد (RAG)، يواجه المطورون تحدياً في اختيار إطار العمل الأنسب لنقل مشاريعهم من مرحلة النماذج الأولية إلى بيئة الإنتاج الفعلية (Production). يبرز إطارا Haystack و LlamaIndex كخيارين رائدين في هذا المجال. رغم تركيزهما المشترك…

بناء نظام RAG عربي متقدم: من التقطيع للتقييم

الارتقاء بأنظمة RAG للغة العربية أنظمة الاسترجاع المعزز بالتوليد (RAG) أصبحت المعيار الذهبي لإعطاء نماذج الذكاء الاصطناعي (LLMs) القدرة على الإجابة من بياناتك الخاصة. بناء نظام RAG للغة الإنجليزية يعتبر مباشراً نسبياً، لكن تطبيقه على اللغة العربية يتطلب معالجة خاصة…