بوت تيليجرام مع RAG دون قواعد بيانات متجهية: مثال على Cloudflare Workers

يُعدّ بوت تيليجرام الذي يبحث في قاعدة معرفية مهمة شائعة. وعادةً ما تُستخدم لذلك قواعد بيانات متجهية مثل Pinecone أو Weaviate، إضافة إلى التضمينات (embeddings) وبنية سحابية مدفوعة. غير أن مطوّراً من موقع Habr أظهر أن ذلك ليس إلزامياً، فثمة طريقة أرخص وأبسط.

لماذا ليست قواعد البيانات المتجهية الخيار الوحيد

لا تتطلب تقنية RAG (التوليد المعزَّز بالاسترجاع) بالضرورة تضمينات متجهية. وبالنسبة إلى قاعدة معرفية متوسطة الحجم، يكفي البحث النصي الكامل بالكلمات المفتاحية. تحسب خوارزمية Jaccard مدى تشابه نصّين عبر تقاطع الكلمات بينهما، وهي بسيطة وسريعة ولا تحتاج إلى تعلّم آلي.

وإليكم كيف يعمل ذلك عملياً: إذا كانت القاعدة تحتوي على أسئلة شائعة عن الدعم الفني، وكتب المستخدم «كيف أعيد تشغيل الجهاز»، فإن البوت يقسّم الاستعلام إلى كلمات، ويبحث عن التطابقات في المستندات، ويختار المستندات الأعلى تقاطعاً، ثم يمرّرها إلى نموذج LLM. وقد تكون النتائج أفضل حتى من النتائج المتأتية عن واجهات التضمين المكلفة، إذا كان المحتوى منظَّماً جيداً. كما أن هذا الأسلوب أسرع، لأنه لا يحتاج إلى انتظار توليد التضمينات.

والفائدة الرئيسية هي انعدام الاعتماد على خدمات خارجية، باستثناء واجهة LLM واحدة لتوليد الإجابات. ويُحفظ سجل المحادثات والقاعدة المعرفية نفسها مباشرةً في Cloudflare KV، وهو تخزين مدمج ضمن الخطة المجانية. فلا طوابير لنشر البنية التحتية، ولا فواتير شهرية لتخزين المتجهات.

كيف تعمل البنية

يسير التدفق على النحو الآتي: يكتب المستخدم سؤالاً في تيليجرام ← يبحث البوت عن المستندات ذات الصلة في القاعدة المعرفية عبر خوارزمية Jaccard ← يأخذ أفضل 3 نتائج ويمرّرها مع السؤال إلى Groq API (خدمة LLM مجانية) ← يولّد Groq إجابة بالاستناد إلى المستندات التي عُثر عليها ← يرسل البوت النتيجة إلى المحادثة.

ويُحفظ سجل المحادثة في KV لتوفير السياق بين الرسائل. وهذا يتيح للبوت تذكّر الأسئلة السابقة وتوضيح الإجابات بحسب سياق الحوار.

والجدير بالذكر أن اختيار Groq لم يكن عشوائياً. فهي خدمة LLM سريعة تتيح حدوداً سخية في خطتها المجانية، وهي مناسبة تماماً للبوتات وأنظمة RAG التي تحتاج إلى توليد فوري للإجابة.

وتُخزَّن القاعدة المعرفية نفسها في KV كمجموعة مستندات: المفتاح هو معرّف المستند، والقيمة هي نصه. وعند ورود استعلام، يحمّل البوت جميع المستندات، ويطبّق Jaccard على كل منها، ويرتّبها بحسب درجة التشابه. ويتّسع هذا الحل لآلاف المستندات دون مشكلات.

ما المكوّنات المطلوبة

يحتاج التنفيذ إلى حدّ أدنى من المكوّنات:

• TypeScript — لغة كتابة الشيفرة بالكامل، مع دعم الأنواع
• Telegraf — مكتبة خفيفة وشائعة للتعامل مع Telegram API
• Cloudflare Workers — منصة serverless للنشر (خطة مجانية بحدود سخية)
• Cloudflare KV — تخزين مدمج للقاعدة المعرفية وسجل المحادثات
• Groq API — خدمة LLM مجانية لتوليد الإجابات استناداً إلى المستندات التي عُثر عليها

ويتم النشر بأمر واحد عبر Wrangler، وهي أداة سطر أوامر (CLI) خاصة بـ Cloudflare Workers. لا حاجة إلى إعداد خوادم، ولا إلى استضافة خاصة، ولا إلى حاويات Docker. وإذا لم يتجاوز البوت حدود الخطة المجانية لـ Workers (مليون طلب شهرياً)، فستكون التكلفة صفراً تماماً. وللمقارنة: تتطلب التركيبة النموذجية مع قاعدة بيانات متجهية 20-50 دولاراً شهرياً على الأقل لقاء التخزين وحده.

ماذا يعني ذلك للمطوّرين

يفتح هذا الباب أمام أنظمة RAG بسيطة كانت تبدو مكلفة أو معقدة جداً. وبالنسبة إلى الفرق الصغيرة والشركات الناشئة والهواة، فهو وسيلة لإطلاق بوت ذكي يبحث في المعارف بسرعة وبتكلفة تكاد تكون معدومة.

ومن الأمثلة الكلاسيكية بوت داخلي في المكتب يجيب عن الأسئلة الشائعة والسياسات المؤسسية والأدلة التقنية والوثائق. فقد كان مثل هذا المشروع يتطلب في السابق تخصيص ميزانية للبنية التحتية وصيانة نظام معقد. أما الآن فيمكن أن يعيش كل ذلك في حاوية KV واحدة ويُطلَق خلال ساعة.

وهذا مفيد بوجه خاص للفرق التي تريد إضافة ميزة ذكاء اصطناعي بسرعة ودون استثمارات كبيرة.