لانغ تشين وقواعد معرفة أمازون بيدروك: الاسترجاع الوكيلي يتفوق على RAG التقليدي في الأسئلة المركبة
ما الجديد؟
نشرت مدونة AWS Machine Learning دليلاً عملياً لبناء تطبيق توليد معزّز بالاسترجاع (RAG) فوق قواعد المعرفة المُدارة في Amazon Bedrock باستخدام LangChain، مع التركيز على الاسترجاع الوكيلي (Agentic Retrieval) كبديل للاسترجاع أحادي الطلقة.
الفكرة الأساسية
في RAG التقليدي يُنفَّذ استعلام استرجاع واحد ثم تُولَّد الإجابة. أما النمط الوكيلي فيقوم الوكيل بتحليل السؤال، وتقسيمه إلى أجزاء، وتنفيذ عمليات استرجاع متعددة، ثم تجميع النتائج قبل التوليد. هذا مفيد بشكل خاص للأسئلة المركّبة التي تتطلب معلومات من مصادر أو زوايا متعددة.
المقارنة: مسار وكيلي مقابل مسار أحادي الطلقة
| المعيار | استرجاع أحادي الطلقة | استرجاع وكيلي |
|---|---|---|
| عدد الاستعلامات | واحد | متعدد حسب خطة الوكيل |
| الأسئلة المركّبة | أداء ضعيف | أداء أفضل |
| التكلفة | أقل | أعلى |
| زمن الاستجابة | أسرع | أبطأ |
| قابلية التتبّع | محدودة | أحداث تتبّع مفصّلة |
حالات الاستخدام للمؤسسات
- دعم العملاء الداخلي حيث يحتاج الموظف إلى إجابة تجمع بين سياسة وسجلّ ووثيقة تقنية.
- تحليل العقود واللوائح التي تتطلب استرجاع بنود متفرقة.
- مساعدو المعرفة الداخلية في القطاع الحكومي والمالي بالمنطقة.
ما الذي يجب على الفرق مراعاته؟
ينصح المقال بتشغيل الاستعلام نفسه عبر المسارين وقراءة أحداث التتبّع لفهم ما ينفّذه الوكيل فعلياً، ثم مقارنة التكلفة قبل التبنّي في الإنتاج. النمط الوكيلي ليس بديلاً دائماً؛ بل أداة للحالات التي يفشل فيها الاسترجاع الواحد.
تنويه: هذا المقال يلخّص معلومات من المصدر المذكور. للأرقام والتواريخ الرسمية، راجع الرابط الأصلي. لا نضيف تفاصيل غير منشورة في المصدر.
أسئلة شائعة
ما هو الاسترجاع الوكيلي (Agentic Retrieval)؟
هو نمط يستخدم وكيلاً ذكياً لتحليل السؤال وتقسيمه إلى خطوات، ثم تنفيذ عمليات استرجاع متعددة من قاعدة المعرفة بدلاً من استعلام واحد، ما يحسّن دقة الإجابات على الأسئلة المركّبة.
كيف يختلف عن RAG التقليدي أحادي الطلقة؟
RAG التقليدي ينفّذ استرجاعاً واحداً ثم يولّد الإجابة، بينما النمط الوكيلي يخطّط ويستدعي أدوات الاسترجاع عدة مرات ويقيّم النتائج، وهو أفضل للأسئلة متعددة الأجزاء لكنه أعلى تكلفة وزمن استجابة.
هل يناسب فرق المؤسسات في الشرق الأوسط التبنّي الآن؟
يمكن للفرق التي لديها أسئلة معقّدة على مستندات داخلية تجربة النمط الوكيلي أولاً في بيئة اختبار ومقارنة التكلفة والدقة قبل التعميم، خصوصاً مع توفّر Bedrock في مناطق متعددة.
هل يمكن قياس التكلفة بين المسارين؟
نعم، يوضح المقال إمكانية تشغيل الاستعلام نفسه عبر المسارين وقراءة أحداث التتبّع ومقارنة ما يستهلكه كل مسار من استدعاءات وموارد.
المصدر: AWS Machine Learning
ملخص بمساعدة الذكاء الاصطناعي من المصدر أعلاه. القصص عالية الثقة تُنشر تلقائياً، والبقية تنتظر مراجعة، ولا تُضاف وقائع غير موجودة في المصدر.