1. الرئيسية
  2. المصادر
  3. المدونة
  4. AI
AI

RAG على AWS أو Azure أو Google Cloud: الإجابة عن الأسئلة من مستنداتك الخاصة

مساعد يجيب من سياساتك وأدلتك وعقودك، مع روابط إلى المصدر. إليك كيف يعمل، وما تقدمه كل سحابة، وكم يكلّف، والأسئلة التي يجب طرحها قبل بنائه.

بقلم Janak Thakkar5 دقائق قراءة
باختصار

ابنِ RAG على السحابة التي توجد عليها مستنداتك وفريقك بالفعل، باستخدام Amazon Bedrock Knowledge Bases أو Azure AI Search أو Vertex AI Search. وإذا كان الموظفون يعملون في Microsoft 365 أو Google Workspace، فقد يكفي Copilot أو Gemini. ابدأ بمجموعة مستندات واحدة و50 سؤالًا حقيقيًا.

ISO 27001 · نخدم الإمارات ودول الخليج من الهند، خلال ساعات العمل في الإمارات

في هذا المقال

تواجه معظم الشركات المشكلة نفسها: الإجابة موجودة في مكان ما داخل ملف PDF أو مجلد SharePoint أو محرك أقراص مشترك، ولا أحد يستطيع إيجادها. ويُعد المساعد الذكي الذي يبحث في مستنداتك ويجيب بلغة بسيطة، مع رابط إلى موضع الإجابة، من أكثر مشاريع الذكاء الاصطناعي الأولى فائدةً وأقلها مخاطرة.

تُسمى هذه التقنية التوليد المعزز بالاسترجاع، أو RAG. الاسم معقّد؛ أما الفكرة فليست كذلك.

كيف تعمل

  1. الجمع: وجّه النظام إلى مستنداتك: حاوية تخزين، أو SharePoint، أو OneDrive، أو Google Drive، أو Confluence، أو شبكتك الداخلية.
  2. الفهرسة: يقسّم كل مستند إلى مقاطع ويحوّل كل مقطع إلى قائمة أرقام («تضمين») تلتقط معناه. وتدخل هذه في فهرس بحث.
  3. السؤال: عندما يطرح أحدهم سؤالًا، يجد النظام المقاطع الأقرب في المعنى.
  4. الإجابة: يكتب نموذج لغوي إجابة باستخدام تلك المقاطع فقط، ويُظهر المستندات التي استخدمها.

لأن النموذج يجيب من مقاطعك بدلًا من معرفته العامة، تكون الإجابات أدق ويمكن التحقق منها. وعندما لا تكون الإجابة في مستنداتك، يقول النظام المبني جيدًا ذلك.

أولًا، تحقق مما إذا كنت تحتاج إلى بناء أي شيء

إذا كانت مستنداتك في Microsoft 365 أو Google Workspace، فقد يقوم المساعد المرفق بحزمتك بذلك بالفعل. يمكن لكل من Microsoft 365 Copilot وGemini في Google Workspace الإجابة عن الأسئلة من الملفات التي يملك المستخدم صلاحية الوصول إليها. اطّلع على مقالنا حول Copilot أم Gemini. ابنِ مساعدك الخاص عندما تحتاج إلى إجابات داخل تطبيقك أو موقعك، أو للعملاء، أو لمستندات خارج تلك الحزم، أو مع تحكم أكبر في المصادر والسلوك.

المكونات الأساسية على كل سحابة

AWSAzureGoogle Cloud
RAG مُدارAmazon Bedrock Knowledge BasesAzure AI Search مع Microsoft FoundryVertex AI Search أو Vertex AI RAG Engine
النماذجنماذج من مزوّدين كثيرين عبر Amazon Bedrockنماذج OpenAI وغيرها عبر Microsoft Foundryنماذج Gemini وغيرها عبر Vertex AI
المصادر المعتادةS3، وSharePoint، وOneDrive، وGoogle Drive، وConfluence، وزاحف الويبBlob Storage، وSharePoint، وقواعد البياناتCloud Storage، وGoogle Drive، والمواقع، وقواعد البيانات

أعادت Microsoft تسمية Azure AI Foundry إلى Microsoft Foundry، لذا سترى الاسمين في الأدلة. وعلى AWS، يتولى Bedrock Knowledge Bases التحليل والتضمينات وفهرس البحث والاستشهادات نيابة عنك، ويقدّم الآن استرجاعًا قائمًا على الوكلاء للأسئلة التي تتطلب استنتاجًا عبر عدة مستندات.

اختر سحابتك
RAG مُدارAmazon Bedrock Knowledge Bases
النماذجنماذج من مزوّدين كثيرين عبر Amazon Bedrock
المصادر المعتادةS3، وSharePoint، وOneDrive، وGoogle Drive، وConfluence، وزاحف الويب
مناطق الهندمومباي وحيدر آباد

كم يكلّف تشغيله

  • الفهرسة: تكلفة لمرة واحدة لمعالجة مستنداتك، إضافة إلى مبالغ صغيرة عند تغيّرها.
  • فهرس البحث: غالبًا أكبر تكلفة ثابتة. تحتسب بعض خدمات البحث الرسوم كل ساعة سواء طرح أحد سؤالًا أم لا. اختر الحجم المناسب لحجم مستنداتك، لا أكبر فئة.
  • الأسئلة: تستخدم كل إجابة النموذج اللغوي، وتُحتسب حسب كمية النص المقروء والمكتوب، أو لكل استعلام في بعض الخدمات المُدارة.
  • التخزين للمستندات نفسها، وهو صغير عادةً.

لمساعد داخلي يغطي بضعة آلاف من المستندات، تكون تكلفة التشغيل عادةً متواضعة مقارنة بالوقت الذي يقضيه الموظفون في البحث. اطلب تقديرًا مبنيًا على عدد مستنداتك والأسئلة المتوقعة يوميًا قبل أن تبدأ.

أين تبقى بياناتك

  • مستنداتك وفهرسك تبقى في المنطقة التي تختارها. ولدى السحابات الثلاث مناطق في الهند.
  • النموذج قد لا يكون متاحًا في كل منطقة. تحقق من النماذج التي تعمل في المنطقة الهندية التي اخترتها. يمكن لبعض الخدمات توجيه الطلبات إلى مناطق أخرى لزيادة السعة (تسميها AWS الاستدلال عبر المناطق)، مما قد يعالج البيانات خارج الهند؛ أوقفه إن كان ذلك يهمك.
  • التدريب: يؤكد المزوّدون الثلاثة أن أوامر عملاء الأعمال وبياناتهم في هذه الخدمات لا تُستخدم لتدريب نماذجهم الأساسية. اقرأ شروط النموذج المحدد الذي تختاره.
  • الصلاحيات: إذا كان بإمكان موظفين مختلفين رؤية مستندات مختلفة، فيجب أن يحترم المساعد ذلك. خطط لذلك منذ البداية؛ فهو أكثر الثغرات شيوعًا في النماذج الأولية السريعة.

أسئلة يجب الإجابة عنها قبل البناء

  1. من سيستخدمه: الموظفون أم العملاء أم كلاهما؟
  2. أي مستندات، ومن يبقيها محدّثة؟
  3. هل يجب أن تحترم الإجابات من يمكنه رؤية أي مستند؟
  4. هل يجب أن تبقى البيانات في الهند؟
  5. ماذا يجب أن يقول عندما لا يعرف؟
  6. كيف ستقيس ما إذا كان مفيدًا؟ (مثلًا: الأسئلة المُجاب عنها دون تدخل بشري، ووقت الإجابة.)

مشروع أول جيد

ابدأ بمجموعة مستندات واحدة ومجموعة مستخدمين واحدة: سياسات الموارد البشرية للموظفين، أو أدلة المنتجات لفريق الدعم، أو العقود القياسية للمبيعات. ابنِه في بضعة أسابيع، واجمع 50 سؤالًا حقيقيًا، وتحقق من الإجابات مع أصحاب المستندات، ثم وسّعه. الصغير المُتحقق منه أفضل من الكبير غير الموثوق.

مثال: سياسات الموارد البشرية للموظفين

تحتفظ شركة من 300 موظف بنحو 80 مستندًا للموارد البشرية: قواعد الإجازات، وسياسة السفر، والمطالبات المالية، والمزايا. ويجيب فريق الموارد البشرية عن الأسئلة نفسها كل أسبوع. يفهرس مساعد المستندات الإصدارات الحالية، ويجيب عن أسئلة الموظفين داخل Teams أو الشبكة الداخلية مع رابط إلى السياسة، ويقول «يُرجى التواصل مع الموارد البشرية» عندما لا تكون الإجابة في المستندات. ويراجع فريق الموارد البشرية عينة من الإجابات كل شهر ويحدّث السياسات التي واجه المساعد صعوبة معها.

إبقاؤه محدّثًا

جودة المساعد من جودة المستندات التي يعتمد عليها. عيّن مالكًا لكل مجموعة مستندات، وزامن الفهرس تلقائيًا عند تغيّر الملفات، واحذف الإصدارات القديمة بدلًا من الاحتفاظ بها «تحسبًا»، وراجع عددًا من الأسئلة والإجابات الحقيقية كل شهر.

أخطاء نراها

  • تزويده بكل شيء. تُنتج المسودات القديمة والسياسات المتقادمة إجابات خاطئة بثقة. انتقِ أولًا.
  • بلا استشهادات. من دون مصادر، لا يستطيع الناس التحقق من الإجابات ويتوقفون عن الوثوق بها.
  • تجاهل الصلاحيات. يمكن لفهرس واحد مشترك للجميع أن يسرّب مستندات مخصصة لقلة.
  • أكبر فئة بحث «من باب الاحتياط»، تُدفع كل ساعة مقابل بضع مئات من المستندات.

أين تأتي DevOps TechLab

نبني مساعدي المستندات على AWS وAzure وGoogle Cloud، في منطقة هندية، مع استشهادات وصلاحيات مصممة منذ البداية. تبدأ معظم المشاريع بتجربة مدتها من أسبوعين إلى أربعة أسابيع على مجموعة مستندات واحدة، لترى إجابات حقيقية عن أسئلة حقيقية قبل أن تقرر المضي قدمًا.

أسئلة يطرحها الناس

ما هو RAG؟

التوليد المعزز بالاسترجاع: يجد نظام ذكاء اصطناعي المقاطع الأكثر صلة بالسؤال في مستنداتك، ثم يكتب نموذج لغوي إجابة من تلك المقاطع ويُظهر مصادرها.

أي سحابة هي الأفضل لمساعد المستندات؟

لدى الثلاث خيارات مُدارة: Amazon Bedrock Knowledge Bases، وAzure AI Search مع Microsoft Foundry، وVertex AI Search أو RAG Engine. والأنسب عادةً هي السحابة التي توجد عليها مستنداتك وفريقك بالفعل.

هل يمكن أن تبقى البيانات في الهند؟

يمكن أن تبقى مستنداتك وفهرسك في منطقة هندية على السحابات الثلاث. تحقق من توفر النموذج الذي اخترته هناك، وأوقف التوجيه عبر المناطق إذا كان يجب ألا تغادر البيانات الهند.

هل نحتاج إلى بناء مساعد إذا كان لدينا Copilot أو Gemini؟

ليس دائمًا. إذا كانت مستنداتك في Microsoft 365 أو Google Workspace وكان المستخدمون هم الموظفين، فقد يكفي Copilot أو Gemini. ابنِ مساعدك الخاص للعملاء، أو لمخازن مستندات أخرى، أو لمزيد من التحكم.

كم يكلّف؟

فهرسة لمرة واحدة، وفهرس بحث (غالبًا أكبر تكلفة ثابتة)، ورسوم لكل سؤال مقابل النموذج اللغوي. ولبضعة آلاف من المستندات الداخلية تكون تكلفة التشغيل عادةً متواضعة.

لديك مستندات لا يجد أحد فيها إجابات؟

أخبرنا ما هي ومن يطرح الأسئلة. سنقترح تجربة مدتها من أسبوعين إلى أربعة أسابيع ونقدّر تكلفة التشغيل.

المقال التالي · AWSأرصدة AWS Activate للشركات الناشئة الهندية: من المؤهل وكيف تتقدمتصميم مجموعة التطبيق · 5 دقائق قراءة

تحدّث إلى مهندس

ابدأ بـ مراجعة مدتها 30 دقيقة. واخرج بخطة.

يطّلع أحد مهندسينا على بنيتك التحتية وفاتورة السحابة ومواردك، ويخبرك بما سنصلحه أولًا. بلا عروض مبيعات، وبلا أي التزام بالمتابعة.

نخدم الإمارات من الهند. نرد خلال يوم عمل واحد، من الاثنين إلى الجمعة، من 8:30 صباحًا إلى 5:30 مساءً بتوقيت الإمارات.

بماذا تحتاج إلى مساعدة؟*
نرد من بريد حقيقي، لا من روبوت.
تحدّث معنا عبر واتساب