تحسين RAG: ليش الأجوبة بتطلع ناقصة — وكيف تصلّحها
أغلب مشاكل RAG سببها الاسترجاع مش النموذج؛ وأقوى ٣ تحسينات: البحث الهجين، إعادة الترتيب (الأعلى مردوداً)، وإعادة صياغة السؤال — صلّح الاسترجاع قبل ما تغيّر النموذج.
تحسين RAG: ليش الأجوبة بتطلع ناقصة — وكيف تصلّحها
بنيت نظام RAG على مستنداتك، والأجوبة بتطلع ناقصة أو عامة أو غلط. فأول شي بيخطر ببالك: «النموذج ضعيف — خلّيني أجرّب نموذج أقوى». وغالباً هاد الحل الغلط. لأن المشكلة بمعظم الحالات مش بالنموذج — بل بـاللي وصله. لو الاسترجاع جاب مقاطع خطأ، أذكى نموذج بالدنيا رح يجاوب غلط. بهالمقالة نشوف وين بتضيع الدقّة فعلاً، وأقوى ٣ تحسينات.
الجواب المختصر
أغلب مشاكل RAG سببها مرحلة الاسترجاع مش النموذج. المسار: تجزئة → بحث → إعادة ترتيب → النموذج. وأقوى ٣ تحسينات: ① البحث الهجين (متّجهات + كلمات مفتاحية) ② إعادة الترتيب (Reranking) — الأعلى مردوداً ③ إعادة صياغة السؤال قبل البحث. القاعدة: صلّح الاسترجاع أولاً — قبل ما تغيّر النموذج.
ليش الاسترجاع هو المشكلة عادةً؟
النموذج بيجاوب من اللي وصله بالسياق. فلو البحث جاب ٥ مقاطع، ولا واحد فيهم فيه الجواب:
- بأحسن الأحوال: بيقول «ما لقيت المعلومة».
- بأسوأها: بيألّف جواب من معرفته العامة — وبيبيّن مقنع.
فتشخيصك الأول لازم يكون: «هل المقاطع اللي انجابت فيها الجواب أصلاً؟» — اقرأها بعينك قبل ما تلوم النموذج.
🔀 ١. البحث الهجين (Hybrid Search)
البحث بالمتّجهات (Embeddings) بيفهم المعنى — «سيارة» قريبة من «مركبة». ممتاز.
بس عنده نقطة عمياء: بيضعف مع الأسماء والأرقام الحرفية. لو المستخدم سأل عن «موديل XR-4400»، المتّجهات ممكن تجيب مقاطع عن موديلات مشابهة بالمعنى وتفوّت المقطع اللي فيه الرقم بالضبط!
الحل: ادمج الاتنين.
- متّجهات ← للمعنى والمرادفات
- كلمات مفتاحية ← للمطابقة الحرفية (أرقام، أسماء، أكواد)
وبتدمج النتيجتين. هالتحسين بيفرق كتير خصوصاً بالمستندات التقنية والقانونية.
🎯 ٢. إعادة الترتيب (Reranking) — الأقوى
الفكرة: البحث السريع بيجيب ٢٠ مقطع مرشّح (سريع بس تقريبي)، وبعدين نموذج دقيق ومتخصّص بيرتّبهم حسب صلتهم الفعلية بالسؤال، ونمرّر أفضل ٣ بس للنموذج.
ليش بتشتغل؟
- البحث الأولي سريع بس تقريبي — بيقارن متّجهات بس.
- الـ Reranker بيقرا السؤال والمقطع سوا ويحكم بدقّة أعلى بكتير.
- والنتيجة: النموذج بياخد ٣ مقاطع ممتازة بدل ٢٠ فيهم حشو — فبيقلّ التشويش والكلفة.
هاد أقوى تحسين بأقل جهد — لو بدك تعمل إشي واحد بس، اعمل هاد.
✍️ ٣. إعادة صياغة السؤال
المستخدم بيسأل بغموض: «شو سياستكم؟»
البحث المباشر بهالجملة رح يجيب نتائج مبعثرة. الحل: خلّي نموذج يوسّع السؤال قبل البحث:
«سياسة الإرجاع» · «سياسة الاستبدال» · «مدة الضمان» · «شروط الاسترداد»
بتبحث بكلهم وبتدمج النتائج. وبتحسّن كمان الأسئلة المتابعة: لو سأل «وشو عن الإلكترونيات؟» بعد سؤال عن الإرجاع — لازم توسّعها لـ«سياسة إرجاع الإلكترونيات» مش تبحث عن «الإلكترونيات» لحالها.
مثال محسوس
السؤال: «هل بقدر أرجّع اللابتوب بعد ٢٠ يوم؟»
- بلا تحسين: البحث بجيب مقاطع عامة عن «الإرجاع» → النموذج بيقول «نعم خلال ٣٠ يوم» (السياسة العامة) — وهو غلط، لأن الإلكترونيات إلها ١٤ يوم بمقطع تاني ما انجاب.
- مع التحسينات: الهجين بيمسك «لابتوب» حرفياً · التوسيع بيضيف «إرجاع إلكترونيات» · الـReranker بيرفع المقطع الصح للأعلى → الجواب صحيح.
ترتيب العمل (عملي)
- اقرأ المقاطع المسترجَعة — تشخيص قبل أي تعديل.
- صلّح التجزئة — أساس كل شي.
- ضيف Reranking — أعلى مردود.
- فعّل البحث الهجين — خصوصاً لو عندك أرقام وأسماء.
- وسّع الأسئلة — للأسئلة الغامضة والمتابعة.
- وأخيراً فكّر بتغيير النموذج.
أخطاء وسوء فهم شائع
- «نموذج أقوى بيحلّ المشكلة»: غالباً لأ — لو المقاطع غلط، الأقوى بيجاوب غلط بثقة أعلى.
- «مرّر مقاطع أكتر ليكون أشمل»: بالعكس — بيشوّش ويرفع الكلفة. القليل الدقيق أفضل من الكتير المبعثر.
- «نافذة سياق كبيرة تغني عن كل هاد»: بتخفّف الضغط بس الاسترجاع الدقيق أرخص وأدقّ — والحشو بيضيّع الجواب.
- «RAG بيمنع الهلوسة تماماً»: بيقلّلها كتير، بس لو الاسترجاع فشل ممكن يألّف. لهيك اطلب منه يستشهد بالمصدر.
خلاصة سريعة
- المشكلة بالاسترجاع غالباً مش بالنموذج — شخّص المقاطع المسترجَعة أولاً.
- البحث الهجين: متّجهات للمعنى + كلمات للمطابقة الحرفية (أرقام وأسماء).
- إعادة الترتيب: جيب ٢٠ → رتّبهم بدقّة → مرّر ٣ — أعلى مردود.
- إعادة صياغة السؤال: وسّع الغامض والمتابعة قبل البحث.
- الترتيب: تجزئة → reranking → هجين → توسيع → وأخيراً النموذج.
أسئلة بتوصلنا كتير
- لماذا يعطي نظام RAG أجوبة خاطئة أو ناقصة؟ غالباً لأن مرحلة الاسترجاع جلبت مقاطع لا تحتوي الإجابة، فيضطر النموذج إلى الاعتذار أو التأليف — لذا يبدأ التشخيص بقراءة المقاطع المسترجَعة لا بتغيير النموذج.
- ما هو إعادة الترتيب (Reranking) في RAG؟ هو تمرير المقاطع المرشّحة من البحث السريع على نموذج أدقّ يقرأ السؤال والمقطع معاً ويرتّبهما حسب الصلة الفعلية، ثم تُمرَّر أفضل ثلاثة فقط للنموذج — وهو من أعلى التحسينات مردوداً.
- ما معنى البحث الهجين (Hybrid Search)؟ هو دمج البحث بالمتّجهات (يفهم المعنى والمرادفات) مع البحث بالكلمات المفتاحية (يطابق الأرقام والأسماء حرفياً)، لتغطية نقاط ضعف كل أسلوب على حدة.
- What is RAG optimization in Arabic? بالعربي «تحسين أنظمة الاسترجاع المعزّز» — تحسين مرحلة الاسترجاع عبر التجزئة الجيدة والبحث الهجين وإعادة الترتيب وتوسيع الاستعلام، لأن معظم أخطاء RAG تنشأ قبل وصول النص إلى النموذج.
- هل تمرير مقاطع أكثر يحسّن الإجابة؟ لا غالباً — فالمقاطع الزائدة تُدخل حشواً يشوّش النموذج ويرفع الكلفة؛ الأفضل تمرير عدد قليل من المقاطع عالية الصلة بعد إعادة ترتيبها.
كمّل رحلتك من هون
- الأساس: شو يعني RAG؟
- الخطوة اللي بتقرّر النجاح: شو يعني Chunking (التجزئة)؟
- كيف بيصير النص «متّجه»؟ شو يعني Embedding؟
- وين بتنخزّن المقاطع؟ قاعدة بيانات متّجهة
- RAG ولا تدريب؟ الدليل العملي
- مصطلح مش واضح؟ قاموس «شو يعني؟»
المصادر
- Retrieval-augmented generation (RAG) — مدخل موسوعي
- Learning to rank — إعادة ترتيب النتائج
- الرسم التوضيحي: من إعداد «شو في AI؟»