ما هو التوليد المعزّز بالاسترجاع القائم على الوكلاء (agentic RAG)؟

التوليد المعزز بالاسترجاع هو تطبيق الذكاء الاصطناعي (AI) الذي يربط نموذج الذكاء الاصطناعي التوليدي بقاعدة معرفية خارجية. تعمل البيانات الموجودة في قاعدة المعارف على زيادة استعلامات المستخدم بمزيد من السياق حتى يتمكن النموذج اللغوي الكبير من إنشاء استجابات أكثر دقة. يمكِّن التوليد المعزز بالاسترجاع النماذج اللغوية الكبيرة من أن تكون أكثر دقة في السياقات الخاصة بالمجال دون الحاجة إلى ضبط دقيق. 

بدلًا من الاعتماد فقط على بيانات التدريب، يمكن لنماذج الذكاء الاصطناعي المدعومة بالتوليد المعزز بالاسترجاع الوصول إلى البيانات الحالية في الوقت الفعلي من خلال واجهات برمجة التطبيقات والاتصالات الأخرى بمصادر البيانات. يتألف مسار التوليد المعزز بالاسترجاع (RAG) القياسي من نموذجَين للذكاء الاصطناعي: 

• مكوِّن استرجاع المعلومات، عادةً ما يكون نموذج تضمين مُقترنًا بقاعدة بيانات متجهات تحتوي على البيانات المُراد استرجاعها. 

• مكوِّن الذكاء الاصطناعي التوليدي، عادةً ما يكون نموذجًا لغويًا كبيرًا. 

استجابةً لاستعلامات مستخدم اللغة الطبيعية، يقوم نموذج التضمين بتحويل الاستعلام إلى تضمين متجه، ثم يسترجع بيانات مماثلة من قاعدة المعارف. يجمع نظام الذكاء الاصطناعي بين البيانات التي تم استردادها واستعلام المستخدم لإنشاء استجابة مدركة للسياق.

الذكاء الاصطناعي الفاعل هو نوع من الذكاء الاصطناعي يمكنه تحديد مسار العمل وتنفيذه بنفسه. معظم الوكلاء المتاحين وقت النشر هم نماذج لغوية كبيرة (LLMs) ذات قدرات استدعاء الدوال، مما يعني أنهم يستطيعون استدعاء الأدوات لتنفيذ المهام. من الناحية النظرية، وكلاء الذكاء الاصطناعي هم نماذج لغوية كبيرة بثلاث خصائص مهمة: 

• لديهم ذاكرة، قصيرة وطويلة المدى، تمكّنهم من التخطيط للمهام المعقدة وتنفيذها. تسمح الذاكرة أيضًا للوكلاء بالرجوع إلى المهام السابقة واستخدام تلك البيانات لتوجيه مهام سير العمل المستقبلية. تستخدم أنظمة لتوليد المعزّز بالاسترجاع القائمة على الوكلاء التخزين المؤقت الدلالي لتخزين مجموعات الاستعلامات السابقة والسياق والنتائج والإشارة إليها. 

• إنهم قادرون على توجيه الاستعلام والتخطيط خطوة بخطوة واتخاذ القرار. يستخدم الوكلاء قدرات ذاكرتهم للاحتفاظ بالمعلومات ورسم مسار العمل المناسب استجابةً للاستفسارات والموجِّهات المعقدة. 

• يمكنهم إجراء استدعاء الأدوات من خلال واجهات برمجة التطبيقات. يمكن للوكلاء الأكثر قدرة اختيار الأدوات التي يجب استخدامها لسير العمل الذي يقومون بإنشائه استجابة لتفاعلات المستخدم. 

يمكن أن تتكون مهام سير العمل الفاعلة إما من وكيل الذكاء الاصطناعي واحد أو أنظمة متعددة الوكلاء تجمع بين عدة وكلاء معًا. 

يجلب التوليد المعزز بالاسترجاع القائم على الوكلاء العديد من التحسينات المهمة مقارنةً بتنفيذ التوليد المعزز بالاسترجاع التقليدي:

• المرونة: تسحب تطبيقات التوليد المعزز بالاسترجاع القائم على الوكلاء البيانات من قواعد معرفية خارجية متعددة وتسمح باستخدام الأدوات الخارجية. تربط مسارات التوليد المعزز بالاسترجاع القياسية النموذج اللغوي الكبير بمجموعة بيانات خارجية واحدة. على سبيل المثال، تقوم العديد من أنظمة التوليد المعزز بالاسترجاع (RAG) الخاصة بالمؤسسة بربط روبوت المحادثة بقاعدة المعرفة التي تحتوي على بيانات المؤسسة.

• القدرة على التكيف: أنظمة التوليد المعزز بالاسترجاع التقليدية هي أدوات تفاعلية لاسترجاع البيانات تعمل على إيجاد المعلومات ذات الصلة استجابة لاستفسارات محددة. لا توجد قدرة لنظام التوليد المعزز بالاسترجاع (RAG) على التكيف مع السياقات المتغيرة أو الوصول إلى البيانات الأخرى. غالبًا ما تتطلب النتائج المُثلى هندسة مطالبات واسعة النطاق.

  وفي الوقت نفسه، فإن التوليد المعزز بالاسترجاع القائم على الوكلاء هو انتقال من الاستعلام القائم على القواعد الثابتة إلى حل المشكلات التكيفي والذكي. تشجّع الأنظمة متعددة الوكلاء نماذج الذكاء الاصطناعي المتعددة على التعاون ومراجعة أعمال بعضها.

• الدقة: لا تقوم أنظمة التوليد المعزز بالاسترجاع التقليدية بالتحقق من صحة نتائجها أو تحسينها. يجب أن يميّز الأفراد إذا ما كان أداء النظام على مستوى مقبولًا أم لا. ليس لدى النظام نفسه أي طريقة لمعرفة إذا ما كان يجد البيانات الصحيحة أو يدمجها بنجاح لتسهيل عملية التوليد المُدرك للسياق. ومع ذلك، يمكن لوكلاء الذكاء الاصطناعي تكرار العمليات السابقة لتحسين النتائج بمرور الزمن.

• قابلية التوسع: مع وجود شبكات من وكلاء التوليد المعزّز بالاسترجاع الذين يعملون معًا، والاستفادة من مصادر البيانات الخارجية المتعددة واستخدام قدرات استدعاء الأدوات والتخطيط، يتمتع التوليد المعزّز بالاسترجاع القائم على الوكلاء بقابلية التوسع. يمكن للمطورين إنشاء أنظمة توليد معزّز بالاسترجاع مرنة وقابلة للتوسع يمكنها التعامل مع مجموعة واسعة من استفسارات المستخدمين. 

• تعدُّد الوسائط: تحصل أنظمة التوليد المعزز بالاسترجاع القائم على الوكلاء على فائدة من التطورات الحديثة في أنظمة النماذج اللغوية الكبيرة متعددة الوسائط للعمل مع مجموعة أكبر من أنواع البيانات، مثل الصور والملفات الصوتية. تعالج النماذج متعددة الوسائط أنواعًا متعددة من البيانات المنظمة وشبه المنظمة وغير المنظمة. على سبيل المثال، يمكن للعديد من نماذج GPT الحديثة إنشاء محتوى مرئي وصوتي بالإضافة إلى إنشاء نص قياسي.

تخيَّل مجموعة من الموظفين يعملون في مكتب. نظام التوليد المعزز بالاسترجاع التقليدي هو الموظف الذي يؤدي أداءً جيدًا عند تكليفه بمهام محددة وإخباره بكيفية إنجازها. يترددون في اتخاذ المبادرة ويشعرون بعدم الارتياح عند الخروج عن التعليمات الصريحة.

وبالمقارنة، فإن نظام التوليد المعزّز بالاسترجاع القائم على الوكلاء هو فريق استباقي ومبدع. كما أنه جيد في اتباع التوجيهات ولكنه يحب أخذ زمام المبادرة وحل التحديات بنفسه. إنه لا يخشى التوصل إلى حلوله الخاصة للمهام المعقدة التي قد تعثر أو تخيف زملائه في العمل.

على الرغم من أن التوليد المعزز بالاسترجاع القائم على الوكلاء يحسِّن النتائج من خلال استدعاء الوظائف، والاستدلال متعدد الخطوات والأنظمة متعددة العوامل، إلا أنه ليس دائمًا الخيار الأفضل. زيادة عدد الوكلاء العاملين تعني نفقات أكبر، ونظام التوليد المعزز بالاسترجاع القائم على الوكلاء يتطلب عادةً دفع المزيد من الرسوم مقابل الرموز. بينما يمكن أن يزيد نموذج التوليد المعزز بالاسترجاع القائم على الوكلاء من السرعة مقارنةً بنماذج التوليد المعزز بالاسترجاع التقليدية، إلا أن النماذج اللغوية الكبيرة تقدِّم أيضًا زمن انتقال؛ لأن النموذج قد يستغرق وقتًا أطول لتوليد مخرجاته.

وأخيرًا، لا يمكن الاعتماد على الوكلاء دائمًا. فهم قد يواجهون صعوبة، بل وقد يفشلون في إتمام المهام، وذلك حسب درجة التعقيد والوكلاء المستخدمين. لا يتعاون الوكلاء دائمًا بسلاسة، ويمكنهم التنافس على الموارد. كلما زاد عدد الوكلاء في النظام، أصبحت عملية التعاون أكثر تعقيدًا، وازدادت احتمالية حدوث مشكلات. وحتى أكثر أنظمة RAG إحكامًا لا يمكنها القضاء تمامًا على احتمالية الهلوسات.

يعمل التوليد المعزز بالاسترجاع القائم على الوكلاء من خلال دمج نوع واحد أو أكثر من وكلاء الذكاء الاصطناعي في أنظمة التوليد المعزز بالاسترجاع. على سبيل المثال، قد يجمع نظام التوليد المعزز بالاسترجاع القائم على الوكلاء بين وكلاء استرجاع معلومات متعددة، كل منها متخصص في مجال معين أو نوع معين من مصدر البيانات. يستعلم أحد الوكلاء عن قواعد البيانات الخارجية بينما يمكن للوكيل الآخر فحص رسائل البريد الإلكتروني ونتائج الويب.

يمكن العثور على أُطر عمل الذكاء الاصطناعي الوكيل مثل LangChain وLlamaIndex، بالإضافة إلى إطار التنسيق LangGraph، على GitHub. بواسطتهم، من الممكن تجربة البنى الوكيلية للتوليد المعزز بالاسترجاع بأقل التكاليف. إذا تم استخدام نماذج مصدر مفتوح مثل ™Granite أو Llama-3، فيمكن لمصممي نظام التوليد المعزز بالاسترجاع أيضًا التخفيف من الرسوم التي يطلبها مقدمو الخدمات الآخرون مثل OpenAI مع الاستمتاع بقابلية ملاحظة أكبر.

يمكن أن تحتوي أنظمة التوليد المعزز بالاسترجاع القائم على الوكلاء على نوع واحد أو أكثر من وكلاء الذكاء الاصطناعي، مثل:

• وكلاء التوجيه

• وكلاء تخطيط الاستعلام

• وكلاء ReAct

• وكلاء التخطيط والتنفيذ

يحدد وكلاء التوجيه مصادر المعرفة والأدوات الخارجية المستخدمة لمعالجة استعلام المستخدم. فهي تعالج مطالبات المستخدم وتحدد مسارات التوليد المعزّز بالاسترجاع التي من المرجح أن تؤدي إلى توليد الاستجابة المثلى. في نظام التوليد المعزّز بالاسترجاع أحادي الوكيل، يختار وكيل التوجيه مصدر البيانات الذي يجب الاستعلام عنه.

وكلاء تخطيط الاستعلام هم مديرو المهام لمسار التوليد المعزز بالاسترجاع. فهم يعالجون استفسارات المستخدم المعقدة لتقسيمها إلى عمليات تدريجية. ويرسلون الاستعلامات الفرعية الناتجة إلى الوكلاء الآخرين في نظام RAG، ثم يدمجون الردود للحصول على استجابة شاملة ومنسقة. تُعَد عملية استخدام وكيل واحد لإدارة نماذج الذكاء الاصطناعي الأخرى نوعًا من تنسيق الذكاء الاصطناعي.

ReAct (الاستدلال والعمل) هو إطار عمل للوكيل يُنشئ أنظمة متعددة الوكلاء يمكنها إنشاء حلول خطوة بخطوة ثم العمل عليها. يمكنهم أيضًا تحديد الأدوات المناسبة التي يمكن أن تساعد. استنادًا إلى نتائج كل خطوة، يمكن لوكلاء ReAct تعديل المراحل اللاحقة من سير العمل الذي تم إنشاؤه ديناميكيًا.

تُعد أطر عمل وكيل التخطيط والتنفيذ تطورًا من وكلاء React. يمكنهم تنفيذ مهام سير عمل متعددة الخطوات دون معاودة الاتصال بالوكيل الأساسي، مما يقلل التكاليف ويزيد من الكفاءة. ونظرًا لأن وكيل التخطيط يجب أن يفكر في جميع الخطوات اللازمة للمهمة، فإن معدلات الإنجاز والجودة تميل إلى أن تكون أعلى.

في حين أن التوليد المعزز بالاسترجاع القائم على الوكلاء يمكن أن يناسب أي تطبيق توليد معزز بالاسترجاع تقليدي، فإن متطلبات الحوسبة الأكبر تجعله أكثر ملاءمة للمواقف التي تتطلب الاستعلام عن مصادر بيانات متعددة. تتضمن تطبيقات التوليد المعزز بالاسترجاع القائم على الوكلاء ما يلي:

• الإجابة عن الأسئلة في الوقت الفعلي: يمكن للمؤسسات نشر روبوتات المحادثة وصفحات الأسئلة الشائعة المدعومة بنظام RAG لتزويد الموظفين والعملاء بمعلومات دقيقة ومحدَّثة.

• الدعم المؤتمت: يمكن للشركات التي تريد تبسيط خدمات دعم العملاء استخدام أنظمة RAG المؤتمتة للتعامل مع استفسارات العملاء البسيطة. يمكن لنظام RAG القائم على الوكلاء تصعيد طلبات الدعم الأكثر تعقيدًا إلى الموظفين البشريين.

• إدارة البيانات: تعمل أنظمة التوليد المعزّز بالاسترجاع على تسهيل العثور على المعلومات داخل مخازن البيانات الخاصة. يمكن للموظفين الحصول بسرعة على البيانات التي يحتاجونها دون الحاجة إلى فرز قواعد البيانات بأنفسهم.