ما هو التوليد المعزّز بالاسترجاع (RAG)؟

التوليد المعزّز بالاسترجاع، أو RAG، طريقة لجعل إجابات الذكاء الاصطناعي جديرة بالثقة بشأن معلوماتك تحديدًا. فبدلًا من مطالبة نموذج لغوي بالإجابة من الذاكرة وحدها — حيث قد يختلق أشياء بثقة — يقوم نظام RAG أولًا بـاسترجاع المقاطع أو السجلات أو المستندات ذات الصلة من بياناتك الخاصة، ثم يغذّي بها النموذج كي تكون إجابته مؤسَّسة على مادة مصدرية حقيقية. وهو الأسلوب المعياري لجعل الذكاء الاصطناعي يجيب عن أسئلة حول محتوى لم يُدرَّب عليه قط، مثل مستنداتك الداخلية.

يستخدم iDBQuery الاسترجاع لتأسيس عمله — مثلًا، إيجاد الجداول والأعمدة والمستندات المناسبة ذات الصلة بسؤالك — لكن من المهم التوضيح كيف يختلف عن روبوت محادثة RAG محض يعمل على المستندات:

• يُجري استعلامات حقيقية، لا مجرد استرجاع نصّي. فللأسئلة المُهيكَلة، يكتب iDBQuery استعلام SQL فعليًا وينفّذه على بياناتك الحيّة، فيُحسَب رقم مثل «إجمالي الإيرادات» من صفوفك لا يُعاد صياغته من فقرة مجاورة.
• يُسنِد إلى المصدر الدقيق. يُسنَد كل رقم إلى الصفوف أو المستندات المحدّدة التي جاء منها، وهو نَسَب أقوى من إجابة RAG اعتيادية.
• يشمل البيانات المُهيكَلة وغير المُهيكَلة — قواعد البيانات وجداول البيانات والمستودعات إلى جانب ملفات PDF ومجلدات الملفات.

ومن ثمّ فإن RAG جزء من كيفية تجنّب الذكاء الاصطناعي المؤسَّس الحديث اختلاق الأشياء، ويطبّق iDBQuery مبدأ التأسيس ذاك — ثم يعزّزه بتنفيذ استعلامات قابلة للتحقّق وإسناد كل نتيجة إلى مصدرها.