بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارMachine Learning Mastery→ المصدر

Graph-RAG: قاعدة البيانات تتقدم على الويكي وملفات PDF — هلوسات أقل بنسبة 44% في المتوسط

في الحادية عشرة مساءً، يذكر المساعد اسم المناوب على خدمة المدفوعات استناداً إلى صفحة ويكي لم يعدّلها أحد منذ أربعة أشهر، مع أن قاعدة البيانات تسجّل الآن شخصاً آخر. Graph-RAG هو نظام بحث تُرتَّب فيه الحقائق القادمة من قاعدة البيانات والويكي وملفات PDF بحسب درجة الموثوقية، وتُكتب فيه قاعدة «عند التعارض صدّق قاعدة البيانات» مباشرةً في الـ prompt. وبحسب تقدير IDC لصالح Neo4j، يخفض سياق الرسم البياني الهلوسات بنسبة 44% في المتوسط. الخلاصة العملية: امنح كل مصدر أولوية ووسماً يحدد أصله.

معالج بواسطة الذكاء الاصطناعي من Machine Learning Mastery؛ بتحرير Hamidun News
Graph-RAG: قاعدة البيانات تتقدم على الويكي وملفات PDF — هلوسات أقل بنسبة 44% في المتوسط
المصدر: Machine Learning Mastery. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليMachine Learning Mastery ↗
رئيس التحرير
حقيقة رئيسية #1الويكي تذكر جوردان بليك (Jordan Blake) مناوباً، وقاعدة البيانات تذكر أمارا تشين (Amara Chen)؛ وتُرجَّح قاعدة البيانات
المستوياتقاعدة البيانات (الأولوية 1)، الويكي (2)، ملفات PDF في Chroma (3)
حقيقة رئيسية #3في إحدى شركات علوم الحياة (life sciences) انخفضت الهلوسات من 20–40% إلى 2–5%

تخيّل أن مهندساً يسأل في الحادية عشرة مساءً مساعداً داخلياً قائماً على الذكاء الاصطناعي: من المناوب على خدمة المدفوعات؟ لقد قرأ المساعد الويكي، وفهرس كل ملفات PDF على القرص المشترك، وهو مرتبط بسجل الخدمات. السؤال بسيط، لكن الويكي حُدِّثت آخر مرة قبل أربعة أشهر، وتغيّر جدول المناوبات مرتين منذ ذلك الحين، أما الإجابة الحالية فتوجد في سطر واحد من قاعدة البيانات. وإذا عامل نظام البحث كل المصادر كنص واحد بالموثوقية نفسها، فقد يذكر المساعد شخصاً خرج من المناوبة منذ زمن.

هذه هي المشكلة التي يعالجها Graph-RAG، وهو RAG (بحث في المستندات مع إدراج ما يُعثر عليه في prompt النموذج) تُخزَّن فيه الحقائق على شكل علاقات وتُقسَّم إلى مستويات موثوقية. ويورد شيتو أولوميد (Shittu Olumide)، صاحب التحليل المنشور على Machine Learning Mastery، تقديراً أيضاً: بحسب دراسة أجرتها IDC برعاية Neo4j، تخفض المؤسسات التي تعتمد على سياق الرسم البياني نسبة الهلوسات (الإجابات المختلَقة) بنسبة 44% في المتوسط. عملياً، هذا يعني أن على المساعد، عند تعارض المصادر، أن يصدّق قاعدة البيانات لا الويكي.

لماذا يخطئ البحث الشعاعي التقليدي

الفكرة مأخوذة من مقال سابق للمؤلف عن Graph-RAG الحتمي ثلاثي المستويات. في ذلك المقال، خلط RAG الشعاعي الخالص بين الفرق التي يلعب لها لاعب كرة سلة حالياً، لأن أسماء الفرق تقع متجاورة في فضاء التضمينات (embeddings)، ولا يدرك البحث أيّها هو الحالي. أما العلاج فهو ثلاثة مستويات للبحث: رسم بياني للحقائق المطلقة، ورسم بياني للإحصاءات الخلفية، وقاعدة بيانات شعاعية. وتُدمج نتائجها في إجابة واحدة وفق قواعد أولوية صريحة، مكتوبة مباشرةً في الـ prompt وليست مضمَّنة في خوارزمية التوجيه.

ثلاثة مصادر — ثلاثة مستويات من الموثوقية

السيناريو تعليمي: لدى فريق المنصة الافتراضي Northwind ثلاث خدمات هي payments-service وcheckout-service وnotifications-service.

  • الأولوية 1 — سجل الخدمات (CMDB). في المثال هو SQLite، وفي بيئة الإنتاج Postgres. يخزّن المالك والمهندس المناوب والحالة والإصدار وتاريخ النشر ومستوى SLA. تُستعلَم هذه البيانات عند كل طلب، ولذلك لا تتقادم بحكم التصميم.
  • الأولوية 2 — لوائح الويكي. مفصّلة، لكنها تتقادم متى لم يحدّثها أحد بعد تغيّر المناوبين. تنفع ما دامت لا تتعارض مع مصدر أحدث.
  • الأولوية 3 — ملفات PDF. وثيقة SLA وتقرير تحليل حادثة. لا تتضمن حقائق واضحة، لكنها تروي ما حدث، ولذلك يعمل هذا المستوى بوصفه خياراً احتياطياً شعاعياً.

وُضع في المثال تعارض مقصود: لائحة الويكي الخاصة بخدمة payments تذكر جوردان بليك (Jordan Blake) مناوباً، بينما تذكر قاعدة البيانات أمارا تشين (Amara Chen). والبنية كلها قائمة من أجل مثل هذه التناقضات. وهناك خدمة أخرى هي notifications-service موسومة في قاعدة البيانات بـ deprecated (قيد الإخراج من الخدمة)، وسيفيد ذلك لاحقاً.

كيف يُبنى النظام

تُحفظ الحقائق من قاعدة البيانات والويكي في مخزن بسيط لـ«الرباعيات»: الفاعل (subject) والمحمول (predicate) والمفعول (object) والسياق (SPOC). السياق هو وسم المصدر: «cmdb» أو اسم صفحة الويكي، ولذلك يمكن تتبّع أي تعارض حتى مستند محدد. كتب المؤلف هذا المخزن من الصفر، وهو يعمل بالمسح الكامل. أما المكتبة الأصلية فتفهرس الحقول لتسريع البحث، وهذا مهم مع ملايين الحقائق، لكن المسح الكامل كافٍ لكتالوج فريق واحد.

تُحلَّل الويكي بالتعبيرات النمطية (regular expressions) على أسطر من نوع «On-call engineer: …». ويحذّر المؤلف من أن تصدير Confluence حقيقي لن يبدو بهذه الدقة، ولذلك سيتعيّن في بيئة الإنتاج توسيع القوالب لكل نوع من الصفحات، أو إضافة تمريرة خفيفة عبر LLM للصفحات ذات الشكل غير القياسي.

مع ملفات PDF يُستخدم pdfplumber الذي يستخرج النص بموثوقية أعلى من كثير من البدائل الخفيفة، وقاعدة البيانات الشعاعية Chroma. وتتعرّف مكتبة spaCy على الكيانات المسمّاة لاستخراج أسماء الخدمات من السؤال. والنموذج في المثال محلي: llama3.2 عبر Ollama؛ والانتقال إلى API سحابي لا يغيّر سوى الدالة التي ترسل الطلب النهائي.

ما العمل بهذا

الدرس الأهم لا يتعلق باختيار قاعدة البيانات الشعاعية، بل بترتيب المصادر. فالسطر في السجل الذي يحدّثه النظام أكثر موثوقية من صفحة الويكي، والويكي أكثر موثوقية من فقرة في ملف PDF قديم. كما يتيح وسم المصدر لكل حقيقة أن يرى المستخدم من أين جاءت الإجابة.

ينبغي قراءة الأرقام بتحفظ: فقد رعت Neo4j، وهي مورّد لقواعد بيانات الرسوم البيانية، دراسة IDC. ويورد المؤلف مثالاً أيضاً: خفضت إحدى شركات علوم الحياة (life sciences) نسبة الهلوسات من 20–40% إلى 2–5%. هذا مؤشر استرشادي لا ضمان، فالنتيجة تتوقف على جودة بياناتك.

وهناك قيود أيضاً. فقاعدة الأولوية في الـ prompt ليست سوى تعليمات للنموذج، وقد يخالفها نموذج محلي صغير. وإذا أمكن حسم التعارض بالكود (مثلاً: ألا تُعاد حقيقة من الويكي بالمحمول نفسه عند وجود حقيقة من CMDB)، فهذا أكثر موثوقية. والتعبيرات النمطية لا تصلح إلا للصفحات ذات القوالب الثابتة، وفي المثال التعليمي ثلاث خدمات فقط، ولذلك سيلزم اختبار الحِمل والجودة على مدوَّنة نصوص حقيقية بشكل منفصل. ينقطع النص الأصلي عند هذه النقطة في خطوة PDF، ولذلك لا تُورَد هنا تفاصيل بناء الـ prompt.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا يخطئ البحث الشعاعي التقليدي؟

الفكرة مأخوذة من مقال سابق للمؤلف عن Graph-RAG الحتمي ثلاثي المستويات. في ذلك المقال، خلط RAG الشعاعي الخالص بين الفرق التي يلعب لها لاعب كرة سلة حالياً، لأن أسماء الفرق تقع متجاورة في فضاء التضمينات (embeddings)، ولا يدرك البحث أيّها هو الحالي. أما العلاج فهو ثلاثة مستويات للبحث: رسم بياني للحقائق المطلقة، ورسم بياني للإحصاءات الخلفية، وقاعدة بيانات شعاعية. وتُدمج نتائجها في إجابة واحدة وفق قواعد أولوية صريحة، مكتوبة مباشرةً في الـ prompt وليست مضمَّنة في خوارزمية التوجيه.

ما أبرز التفاصيل حول ثلاثة مصادر — ثلاثة مستويات من الموثوقية؟

السيناريو تعليمي: لدى فريق المنصة الافتراضي Northwind ثلاث خدمات هي payments-service وcheckout-service وnotifications-service. الأولوية 1 — سجل الخدمات (CMDB). في المثال هو SQLite، وفي بيئة الإنتاج Postgres. يخزّن المالك والمهندس المناوب والحالة والإصدار وتاريخ النشر ومستوى SLA. تُستعلَم هذه البيانات عند كل طلب، ولذلك لا تتقادم بحكم التصميم. الأولوية 2 — لوائح الويكي. مفصّلة، لكنها تتقادم متى لم يحدّثها أحد بعد تغيّر المناوبين. تنفع ما دامت لا تتعارض مع مصدر أحدث. الأولوية 3 — ملفات PDF.

ما أبرز التفاصيل حول كيف يُبنى النظام؟

تُحفظ الحقائق من قاعدة البيانات والويكي في مخزن بسيط لـ«الرباعيات»: الفاعل (subject) والمحمول (predicate) والمفعول (object) والسياق (SPOC). السياق هو وسم المصدر: «cmdb» أو اسم صفحة الويكي، ولذلك يمكن تتبّع أي تعارض حتى مستند محدد. كتب المؤلف هذا المخزن من الصفر، وهو يعمل بالمسح الكامل. أما المكتبة الأصلية فتفهرس الحقول لتسريع البحث، وهذا مهم مع ملايين الحقائق، لكن المسح الكامل كافٍ لكتالوج فريق واحد. تُحلَّل الويكي بالتعبيرات النمطية (regular expressions) على أسطر من نوع «On-call engineer: …».

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…