خصّص هذا التدريب

احصل على شهادة — 34.29 دولارًا12 دولارًا

بناء تطبيقات RAG والنماذج اللغوية الكبيرة

بناء تطبيقات RAG والنماذج اللغوية الكبيرة

ابنِ تطبيقًا لغويًا مستندًا إلى وثائقك: تقطيع النصوص وتضمينها، والاسترجاع وإعادة الترتيب، وكتابة التعليمات، واستخدام الأدوات، والتقييم والتأمين والتشغيل الفعلي.

ماذا ستتعلّم

  • شرح سبب حاجة النماذج اللغوية إلى الاسترجاع، ووصف مسار RAG، والاختيار بين التعليمات والاسترجاع والضبط الدقيق والسياق الطويل.
  • تجهيز الوثائق للاسترجاع: التنظيف والتقطيع وإضافة البيانات الوصفية واختيار نموذج التضمين وتوثيق إصداره.
  • تصميم الاسترجاع: اختيار مخزن المتجهات والفهرس، وتطبيق المرشحات، والجمع بين البحث بالكلمات والبحث الدلالي، وإضافة إعادة الترتيب.
  • كتابة تعليمات مرتكزة على المصادر مع الاستشهاد وقواعد الامتناع، واستخدام استدعاء الأدوات والمخرجات المنظمة بأمان.
  • تقييم تطبيق لغوي باستخدام مجموعة اختبار غير متصلة ومقاييس الاسترجاع والإجابة والنموذج الحكم واختبارات منع التراجع.
  • حماية التطبيق اللغوي من حقن التعليمات وتسرب البيانات والصلاحيات المفرطة بحواجز حماية متعددة الطبقات.
  • التخطيط للتكلفة وزمن الاستجابة والمراقبة والإطلاق في الإنتاج، بما في ذلك التخزين المؤقت والحلول البديلة والاستجابة للحوادث.

وحدات

  1. من النموذج اللغوي إلى RAG: الصورة الكبرى
  2. تجهيز الوثائق: التضمين والتقطيع والبيانات الوصفية
  3. الاسترجاع: مخازن المتجهات والبحث الهجين وإعادة الترتيب
  4. تعليمات مرتكزة على المصادر واستدعاء الأدوات والمخرجات المنظمة
  5. تقييم تطبيق لغوي
  6. الأمان وحواجز الحماية
  7. الانتقال إلى الإنتاج: التكلفة وزمن الاستجابة والتشغيل

بطاقة الدورة

مدة الدراسة التقديرية
نحو 60 دقيقة
التقييم النهائي
43 سؤالاً · درجة النجاح 80%
متاحة بـ
English, Français, العربية
السعر
مجانية. شهادة قابلة للتحقق اختيارية: 19 دولارًا
آخر تحديث
الناشر
AMAADOR ACADEMY

لمن هذه الدورة

المطورون ومهندسو البيانات والذكاء الاصطناعي ومالكو المنتجات التقنيون والمحللون الذين يبنون تطبيقات النماذج اللغوية الكبيرة على وثائق المؤسسة أو يراجعونها.

المتطلبات المسبقة

أساسيات البرمجة (Python أو JavaScript) وJSON وواجهات HTTP، وبعض الخبرة في استخدام مساعد محادثة. لا حاجة إلى خلفية في تعلّم الآلة.

محتوى الدورة

1. من النموذج اللغوي إلى RAG: الصورة الكبرى

يكتب النموذج اللغوي الكبير (LLM) نصًا سلسًا اعتمادًا على أنماط تعلّمها أثناء التدريب. وهذا يسبب ثلاث مشكلات عملية في تطبيقات الشركات: لا يعرف وثائقك الخاصة، ومعرفته تتوقف عند تاريخ انتهاء التدريب، وقد يذكر معلومات خاطئة بثقة.

يعالج التوليد المعزَّز بالاسترجاع (RAG) ذلك بالبحث أولًا عن المقاطع ذات الصلة ثم مطالبة النموذج بالإجابة منها. فلا يعود النموذج مصدر الحقيقة، بل تصبح وثائقك هي المصدر.

  1. الاستيعاب — تحميل ملفات PDF وصفحات الويكي والتذاكر، وتنظيف النص مع الاحتفاظ برابط المصدر.
  2. التقطيع — تقسيم النص إلى مقاطع بحجم مفيد.
  3. التضمين والفهرسة — تحويل كل مقطع إلى متجه وتخزينه مع بياناته الوصفية.
  4. الاسترجاع — تحويل السؤال إلى متجه وجلب أقرب المقاطع (وغالبًا تتبعه إعادة ترتيب).
  5. الإثراء — وضع أفضل المقاطع في التعليمات مع توجيهات واضحة.
  6. التوليد — يجيب النموذج من المقاطع ويستشهد بها.
  7. التقييم والمراقبة — قياس الجودة قبل الإطلاق وأثناء التشغيل.

تعمل الخطوات من 1 إلى 3 خارج الخط كلما تغيّرت الوثائق، أما الخطوات من 4 إلى 6 فتعمل مع كل سؤال، ولذلك تحدد زمن الاستجابة والتكلفة.

تذكّر: أغلب إخفاقات RAG هي إخفاقات في الاسترجاع. إذا لم يصل المقطع الصحيح إلى التعليمات فلن تنقذ الإجابة أي صياغة.

2. تجهيز الوثائق: التضمين والتقطيع والبيانات الوصفية

التضمين (embedding) قائمة أرقام (متجه) تمثل معنى النص. النصوص المتقاربة في المعنى تحصل على متجهات متقاربة، فيستطيع السؤال أن يجد مقطعًا يجيب عنه حتى لو اختلفت الكلمات. ويُقاس التقارب بتشابه جيب التمام أو بالجداء النقطي.

الخيارما يجب فحصه
النموذجاللغات المدعومة (وثائقك بالفرنسية والعربية!)، وأقصى طول للإدخال، والجودة على أسئلتك أنت
الأبعادكلما زادت الأبعاد زادت كلفة التخزين وزمن البحث. مثلًا يعيد text-embedding-3-small من OpenAI 1536 رقمًا افتراضيًا وtext-embedding-3-large 3072، ويقبل كلاهما معامل dimensions لتقصير المتجه
حد الإدخاليقبل هذان النموذجان حتى 8192 رمزًا للإدخال الواحد، لكن المقطع ينبغي أن يكون أقصر بكثير
الاستضافة والخصوصيةإرسال النص إلى واجهة خارجية نقلٌ للبيانات، فراجع العقد والمنطقة

ثلاث قواعد تمنع معظم الحوادث. الأولى: استخدم النموذج نفسه للوثائق والاستعلامات، فمتجهات النماذج المختلفة لا تُقارَن. الثانية: سجّل اسم النموذج وإصداره مع كل متجه، لأن تغيير النموذج يعني إعادة تضمين المجموعة كلها. الثالثة: اختبر على بياناتك، فالترتيبات العامة لا تعرف مصطلحاتك ولا خليط لهجاتك العربية.

تذكّر: نموذج التضمين اعتماد برمجي. ثبّته وسجّله وخطّط لإعادة الفهرسة قبل الترقية.

لا يمكن تحويل دليل من 200 صفحة إلى متجه واحد، فسيتشتت معناه ولن تتسع التعليمات له. لذلك نقطّعه. حجم المقطع مفاضلة: المقاطع الصغيرة دقيقة لكنها تفقد السياق، والكبيرة تحتفظ بالسياق لكنها تُضعف المطابقة وتملأ التعليمات.

3. الاسترجاع: مخازن المتجهات والبحث الهجين وإعادة الترتيب

يحتفظ مخزن المتجهات بالمتجهات والبيانات الوصفية ويعيد أقربها إلى متجه الاستعلام. مسح كل المتجهات يعطي نتائج دقيقة لكنه يبطؤ مع نمو البيانات، لذلك تستخدم أغلب الأنظمة فهرس أقرب الجيران التقريبي (ANN) الذي يضحي بقليل من الاستدعاء مقابل سرعة كبيرة.

يُعد PostgreSQL مع امتداد pgvector خيارًا أول شائعًا لأن المتجهات تعيش بجانب جداولك المعتادة. وتصف وثائقه نوعين من الفهارس.

الفهرسنقاط القوةالإعدادات (القيم الافتراضية الموثقة)
HNSWمفاضلة أفضل بين السرعة والاستدعاء؛ لا يحتاج تدريبًا فيمكن إنشاؤه على جدول فارغ؛ بناؤه أبطأ ويستهلك ذاكرة أكثرm = 16 وef_construction = 64، وعند الاستعلام hnsw.ef_search = 40
IVFFlatبناء أسرع وذاكرة أقل وأداء استعلام أدنى؛ يُنشأ بعد تحميل البياناتlists (عدد الصفوف/1000 حتى مليون صف) وivfflat.probes = 1

للمعاملات أهمية: <=> مسافة جيب التمام، و<-> مسافة L2، و<#> سالب الجداء النقطي. ويجب بناء الفهرس للمعامل الذي تستعلم به. ويخزّن النوع halfvec الأرقام بنصف الدقة في نحو نصف المساحة.

المرشحات هي الفخ. يطبّق pgvector شرط WHERE بعد مسح الفهرس التقريبي، فقد يعيد مرشح انتقائي جدًا (مثل معرّف عميل واحد) صفوفًا أقل مما طلبت. الخيارات: فهرس B-tree على عمود الترشيح للمرشحات شديدة الانتقائية، أو فهارس جزئية أو أقسام لكل مستأجر، أو المسح التكراري (hnsw.iterative_scan) الذي يواصل المسح حتى يجد صفوفًا كافية.

4. تعليمات مرتكزة على المصادر واستدعاء الأدوات والمخرجات المنظمة

يضع الاسترجاع المقاطع الصحيحة أمام النموذج، ويجب أن تُلزمه التعليمات بعد ذلك بأن يلتزم بها وحدها. تتكون التعليمات المرتكزة على المصادر من خمسة أجزاء بترتيب ثابت.

  1. الدور والنطاق — «تجيب عن أسئلة موظفي الشركة X حول سياسة الإجازات».
  2. القواعد — الإجابة من المصادر فقط؛ وإذا لم تتضمن الجواب فيُقال ذلك ويُذكر من يمكن سؤاله؛ ولا تُخمَّن الأرقام أو التواريخ.
  3. المصادر — كل مقطع في كتلة موسومة بمعرّف وعنوان وتاريخ، مثل [S3].
  4. شكل المخرجات — إجابة قصيرة أولًا ثم معرّفات المصادر المستخدمة؛ وبلغة السؤال نفسها.
  5. السؤال — في الآخر ومنفصلًا عن المصادر.

تتيح الاستشهادات للقارئ التحقق من الإجابة، ولشيفرتك كذلك: ارفض أي معرّف مستشهد به لم يكن في التعليمات. وتحتاج التعارضات إلى قاعدة مثل «فضّل الوثيقة الأحدث واذكر القديمة». أما التطبيقات متعددة اللغات فعليها تحديد لغة الإجابة صراحة، لأن سؤالًا بالفرنسية أو العربية قد يُجاب من مصادر إنجليزية.

ضع المصادر داخل محددات واضحة وبيّن للنموذج أن ما بداخلها بيانات لا أوامر. يفيد ذلك لكنه ليس ضمانًا أمنيًا (انظر الوحدة 6). استخدم درجة حرارة منخفضة للإجابات الواقعية، وضع النصوص الطويلة الثابتة (القواعد والتعريفات) في بداية التعليمات لأنها تصلح للتخزين المؤقت.

5. تقييم تطبيق لغوي

عبارة «يبدو جيدًا في العرض التجريبي» ليست تقييمًا. تحتاج إلى مجموعة اختبار: أسئلة حقيقية بإجابات جيدة معروفة، تُشغَّل آليًا عند كل تغيير في حجم المقطع أو النموذج أو التعليمات.

  1. اجمع من 50 إلى 200 سؤال من مستخدمين حقيقيين أو تذاكر الدعم أو سجلات البحث، وغطِّ كل نوع وثائق ولغة ومستوى صعوبة.
  2. صنّف كل سؤال بالمقاطع التي تحوي الجواب وبإجابة مرجعية قصيرة يكتبها من يعرف المجال.
  3. أضف الحالات الصعبة — أسئلة لا تجيب عنها المجموعة، وسياسات قديمة، ورموز دقيقة، وأسئلة متابعة غامضة، وهجمات (الوحدة 6).
  4. ثبّت المجموعة وأدِر إصداراتها، واحتفظ بمجموعة صغيرة منفصلة لا تضبط عليها شيئًا.

قيّم النصفين كلًّا على حدة وإلا فلن تعرف ما الذي يجب إصلاحه.

النصفالسؤالأمثلة على المقاييس
الاسترجاعهل وصل المقطع الصحيح إلى التعليمات؟معدل الإصابة والاستدعاء عند k؛ متوسط الرتبة التبادلية (MRR)؛ دقة السياق (هل تأتي المقاطع ذات الصلة قبل غيرها في الترتيب؟) واستدعاء السياق (هل كل المطلوب موجود؟)
التوليدهل استخدمه الجواب بشكل صحيح؟الأمانة (ادعاءات مدعومة بالسياق) وصلة الإجابة والامتناع الصحيح عن الأسئلة التي لا جواب لها

تعرّف أدوات مفتوحة المصدر مثل Ragas مقاييس بأسماء context precision وcontext recall وresponse relevancy وfaithfulness؛ فاقرأ تعريفاتها قبل الوثوق بأي درجة. وأيًّا كانت الأداة فالرقم لا معنى له إلا إذا عرفت كيف حُسب.

6. الأمان وحواجز الحماية

لا يميّز النموذج اللغوي بين التعليمات والبيانات بموثوقية. وأي نص يقرؤه قد يحاول إصدار أوامر إليه. هذا هو حقن التعليمات (prompt injection) وهو في المرتبة LLM01 ضمن قائمة OWASP لأهم 10 مخاطر لتطبيقات النماذج اللغوية 2025.

يجعل RAG الحقن غير المباشر محتملًا، فأنت تغذي النموذج بنص لم تكتبه.

وهناك بنود أخرى في OWASP 2025 تهم RAG: LLM02 كشف المعلومات الحساسة، وLLM05 المعالجة غير السليمة للمخرجات (تستخدمها شيفرة أو متصفح دون فحص)، وLLM07 تسرب تعليمات النظام، وLLM08 نقاط ضعف المتجهات والتضمينات، وLLM10 الاستهلاك غير المحدود.

حالة: يسجّل CVE-2025-32711 المنشور في يونيو 2025 ثغرة «حقن أوامر عبر الذكاء الاصطناعي» في Microsoft 365 Copilot تتيح كشف معلومات عبر الشبكة. ووصف باحثون الهجوم بأن بريدًا مصطنعًا يعالجه المساعد فقط قد يجعله يكشف بيانات. الدرس عام: إذا كان المساعد يقرأ محتوى غير موثوق ويصل إلى بيانات خاصة فقد يوجّهه طرف خارجي.

التركيبة الخطرة: مدخل غير موثوق، ووصول إلى بيانات خاصة، ووسيلة لإرسال البيانات إلى الخارج. أزل واحدًا منها على الأقل.

تذكّر: تنص OWASP على أنه لا توجد وسيلة مضمونة تمامًا ضد حقن التعليمات. صمّم بحيث يُحدث الحقن الناجح ضررًا ضئيلًا.

7. الانتقال إلى الإنتاج: التكلفة وزمن الاستجابة والتشغيل

في الإنتاج يكلّف كل سؤال مالًا ووقتًا. قِس الاثنين لكل طلب قبل أن تحسّن أي شيء.

أين تذهب الكلفة. تشكل رموز الإدخال (التعليمات والمقاطع المسترجعة والسجل) عادة معظم الفاتورة ثم رموز الإخراج. وكل مقطع إضافي وكل دورة أدوات وكل استدعاء إعادة ترتيب يضيف إلى الكلفة. أما التضمين والفهرسة فكلفة لمرة واحدة لكل وثيقة، مع إعادة فهرسة كلما غيّرت نموذج التضمين.

العاملالأثرتنبّه
مقاطع أقل وأفضلتعليمات أقصر وكلفة وزمن أقلأعد اختبار الاستدعاء
التخزين المؤقت للتعليماتيعيد استخدام بادئة ثابتة. في وثائق Anthropic تكلّف كتابة الذاكرة المؤقتة لخمس دقائق 1.25 ضعف سعر الإدخال الأساسي وتكلّف الإصابة نحو 0.1 ضعف لمعظم النماذج (0.05 لبعضها)، ويوجد خيار لمدة ساعةلا تُخزَّن التعليمات الأقصر من حد النموذج الأدنى؛ وأي تغيير في البادئة يُبطل الذاكرة؛ راجع الصفحة الحالية لنموذجك
توجيه النماذجنموذج صغير للأسئلة السهلة وأكبر للصعبةقيّم لكل مجموعة
ذاكرة الإجاباتالأسئلة المتكررة بلا كلفةراعِ الصلاحيات وتحديثات الوثائق
المعالجة الدفعيةيمكن للأعمال غير المتصلة (نصوص سياق المقاطع وتشغيلات التقييم) استخدام خيارات دفعية أرخص عندما يوفرها المزودمدة إنجاز أطول

زمن الاستجابة. أرسل الإجابة بالبث ليرى المستخدم النص فورًا؛ وشغّل البحث بالكلمات والبحث الدلالي معًا؛ وحدّد عدد مرشحي إعادة الترتيب؛ وضع مهلة لكل استدعاء؛ وحدّد تكرارات دورة الأدوات. ضع ميزانية مثل «أول رمز خلال ثانيتين» وقِس المئين 95 لا المتوسط وحده.

يتواصل الدرس كاملاً في الدورة التفاعلية على هذه الصفحة.

المصادر والمراجع

دورة تعليمية مستقلة عن المزوّدين. تتغير الأدوات وأسماء النماذج وحدودها وأسعارها باستمرار، فراجع الوثائق الرسمية قبل البناء أو الشراء. ليست استشارة قانونية أو أمنية أو استشارة امتثال. تخضع البيانات الشخصية في الوثائق للائحة GDPR في الاتحاد الأوروبي وللقانون الفرنسي Informatique et Libertés وللقانون المغربي 09-08، فأشرك مسؤول حماية البيانات.

كل الدورات · الذكاء الاصطناعي والبيانات - دورات مجانية