Graph RAG: ما هو ولماذا نستخدمه، خصوصاً بالعربية

لماذا يخطئ RAG التقليدي

يقطّع التوليد المعزّز بالاسترجاع (RAG) بشكله التقليدي المستندات إلى مقاطع، ويحوّل كل مقطع إلى متّجه، ثم يجلب المقاطع الأقرب إلى السؤال. ينجح ذلك حين تكون الإجابة داخل مقطع واحد. لكن المستندات الحقيقية نادراً ما تكون مرتّبة: سعر المنتج في جدول، والمخزون في جدول آخر، وسياسة التوصيل في صفحة مختلفة. كل مقطع يعود ذو صلة جزئية فقط، فيملأ النموذج الفراغات بالتخمين.

والعربية تزيد الأمر صعوبة. الكلمة نفسها قد تُكتب بأكثر من شكل (بتشكيل أو دونه، وأشكال مختلفة للهمزة والتاء المربوطة، واللهجة بجانب الفصحى)، فقد يفوت البحث المتّجهي المقطع الوحيد الذي يحمل الإجابة.

كيف يعمل Graph RAG

يضيف Graph RAG خطوة عند إدخال المستندات:

1. الاستخراج. يقرأ نموذج لغوي كل مستند ويستخرج الكيانات (منتجات، أشخاص، أماكن، قواعد) والعلاقات بينها.
2. الحفظ. تُحفظ الكيانات والعلاقات في قاعدة بيانات رسومية مثل Neo4j، مع ربطها بالمقاطع التي جاءت منها.
3. الاسترجاع. حين يصل سؤال، يجد النظام الكيانات التي يذكرها ويتنقّل في الرسم ليجمع الحقائق المرتبطة بها.
4. الإجابة. يحصل النموذج على هذا السياق الصغير المترابط، وغالباً مع بعض المقاطع من البحث المتّجهي لالتقاط الصياغة الدقيقة.

لماذا نستخدمه

• إجابات تمتد عبر المستندات. سؤال مثل «هل هذا المنتج متوفّر، وهل يمكن توصيله اليوم؟» يحتاج حقائق من أماكن عدة. الرسم يجمعها معاً بدلاً من الأمل بأن يحتوي مقطع واحد على كل شيء.
• الإملاء واللهجات العربية. يكفي أن يصل السؤال إلى الكيان الصحيح، لا أن يطابق صياغة مقطع بعينه، فيقلّ أثر تنوّع الإملاء كثيراً.
• نماذج أصغر وأرخص. حين يكون السياق مترابطاً ودقيقاً أصلاً، يقلّ ما على النموذج أن يستنتجه. في أبحاثنا، أوصل رسم معرفي غني نموذجاً بحجم 7B إلى جودة إجابات قريبة من نموذج بحجم 70B، فتصبح الإجابات أرخص وأسرع، ويستطيع النموذج العمل على أجهزة متواضعة.
• إجابات قابلة للتتبّع. كل حقيقة في الرسم تشير إلى مصدرها، فيمكن التحقّق من الإجابة والإشارة إلى مصدرها بدلاً من قبولها على الثقة.
• معرفة متى لا تُجيب. السؤال الذي لا يلمس أي كيان في الرسم غالباً ما يكون خارج الموضوع. وهذه إشارة أوضح لقرار «الاعتذار بلطف» من درجة التشابه وحدها.

كيف تجعله يعمل جيداً

• راجع العلاقات. مرحلة استخراج واحدة تفوّت روابط أو تنسبها إلى كيان خاطئ، ومرحلة ثانية تراجع العلاقات وتصلحها تستحق استدعاء النموذج الإضافي.
• اجمع بين الرسم والمتّجهات. الرسم يجد الحقائق المترابطة، والبحث المتّجهي يلتقط الصياغة. معاً يتفوّقان على كل منهما وحده.
• عامِل الإدخال كمسألة هندسية. اجمع عمليات الكتابة في قاعدة البيانات الرسومية، وعالج المستندات بالتوازي، ليبقى الاستيراد الكبير عملياً.

متى لا تستخدمه

إذا كان المحتوى قصيراً ومتجانساً ومنظّماً أصلاً (صفحة أسئلة شائعة، أو سياسة واحدة)، فالبحث المتّجهي العادي أبسط ويكفي. يستحق Graph RAG تكلفته الإضافية حين تكون الحقائق موزّعة على مستندات كثيرة ويحتاج السؤال عدداً منها معاً.