أنشئ قاعدة معرفتك الخاصة
إذا سألت الذكاء الاصطناعي "هل يمكن تعويض تكاليف سيارات الأجرة في رحلات العمل؟"، فهو لا يعرف لوائح شركتك ولا يمكنه إلا التخمين. وإذا ألصقت له ملف اللوائح كاملًا، فلن يتسع كل ذلك عند كثرة الملفات، وقد لا ترغب أصلًا في لصقه.
طريقة قاعدة المعرفة المحلية هي: العثور أولًا على الجمل الأكثر صلة بسؤالك من ملفاتك، وتمرير هذه الجمل فقط إلى النموذج ليجيب بناءً عليها. تسمى هذه الطريقة RAG (التوليد المعزز بالاسترجاع). وتتم العملية بأكملها على حاسوبك.
لنرَ أولًا كيف يعثر على الإجابة. المواد ودرجات التشابه والإجابة أدناه كلها ناتجة عن تشغيل فعلي لسكربت هذا القسم على الجهاز المحلي:
نظام تعويض النفقات.txt
لوائح الإجازة.txt
التحكم في الدخول والزوار.txt
1. أولًا يتحول السؤال إلى سلسلة أرقام (متجه).
ماذا ستستطيع أن تفعل بعد الدرس
- شرح الخطوات الأربع لقاعدة المعرفة: التقطيع، التحويل إلى متجهات، إيجاد الأكثر صلة، التسليم إلى النموذج
- تشغيل قاعدة معرفة كاملة على حاسوبك الخاص
- استبدالها بملفاتك الخاصة لتسأل عنها
الخطوات الأربع
| الخطوة | ماذا تفعل | ماذا تستخدم |
|---|---|---|
| 1. التقطيع | تقطيع الملف إلى أجزاء صغيرة | يقطعها السكربت بنفسه، هنا جزء لكل سطر |
| 2. التحويل إلى متجهات | يتحول كل جزء إلى سلسلة أرقام، وكلما اقترب المعنى اقتربت الأرقام | نموذج التضمين من Ollama embeddinggemma |
| 3. إيجاد الأكثر صلة | يتحول السؤال أيضًا إلى متجه، ويُقارن بكل جزء، وتُختار الثلاثة الأكثر تشابهًا | تشابه جيب التمام |
| 4. التسليم إلى النموذج | تُدرج هذه الأجزاء الثلاثة في التعليمات، مع طلب الإجابة بناءً عليها فقط | deepseek-r1:8b |
توضح الوثائق الرسمية لـ Ollama المتجهات كالتالي: يمكن تخزين المتجهات في قاعدة بيانات متجهات، واسترجاعها بتشابه جيب التمام، واستخدامها في RAG؛ وواجهتها /api/embed تُرجع متجهات بطول الوحدة، لذا فإن ضرب متجهين مباشرة ثم جمعهما يعطي تشابه جيب التمام.
- 1?
- 2?
- 3?
- 4?
اضغط عليها واحدة تلو الأخرى حسب الترتيب.
قبل أن تبدأ
- Ollama قيد التشغيل، وقد تم تنزيل
deepseek-r1:8b - تم تثبيت Python 3 (يستخدم السكربت مكتبات Python المدمجة فقط)
الخطوة 1: تنزيل نموذج التضمين
ollama pull embeddinggemmaيجب أن ترى: السطر الأخير هو success. حجمه عندنا هو 621 MB.
- يوجد في
ollama listembeddinggemma
الخطوة 2: تجهيز المواد والسكربت
أنشئ مجلدًا جديدًا يحتوي على:
kb.py: سكربت قاعدة المعرفة، تنزيل- مجلد
docs/: موادك، ملفات.txt. جرّب أولًا ملفاتنا النموذجية الثلاثة: نظام تعويض النفقات.txt، ولوائح الإجازة.txt، والتحكم في الدخول والزوار.txt (لوائح شركة وهمية، للتدريب فقط)
جوهر السكربت هو الخطوات الأربع المذكورة أعلاه:
# 2. 变成向量:一次把所有块交给嵌入模型
vectors = post("/api/embed", {"model": EMBED_MODEL, "input": [c["text"] for c in chunks]})["embeddings"]
# 3. 找最相关的块:问题也变成向量,和每一块比相似度
q = post("/api/embed", {"model": EMBED_MODEL, "input": question})["embeddings"][0]
scored = sorted(((sum(a * b for a, b in zip(q, v)), c) for v, c in zip(vectors, chunks)),
key=lambda x: x[0], reverse=True)[:3]
# 4. 交给模型回答:把找到的内容放进提示词,要求只根据它们回答
prompt = f"只根据下面的资料回答问题。资料里没有的,就说“资料里没有写”。\n\n资料:\n{context}\n\n问题:{question}"- المجلد يحتوي على
kb.pyوdocs/الذي يضم ثلاثة ملفات
الخطوة 3: اسأله
python3 kb.py "出差打车能报销吗?"يجب أن ترى: يُعرض أولًا الجمل الثلاث التي وجدها مع درجات تشابهها، ثم تُعطى الإجابة. ما جربناه فعليًا:
[0.71] 报销制度.txt: تعويضات السفر: يمكن تعويض أجرة سيارات الأجرة (التاكسي) خلال رحلات العمل، مع ضرورة تقديم فاتورة إلكترونية، وتقديم الطلب خلال 30 يومًا من انتهاء الرحلة.
[0.53] 报销制度.txt: تُعوَّض وجبات الطعام بمعدل 100 يوان يوميًا، وما يتجاوز ذلك يتحمله الموظف بنفسه.
[0.43] 报销制度.txt: تُقسَّم مصاريف الإقامة حسب المدينة: في المدن من الدرجة الأولى بحد أقصى 500 يوان لكل ليلة، وفي المدن الأخرى بحد أقصى 350 يوان لكل ليلة.
الإجابة: يمكن تعويضها.
وفقًا للوثائق، يمكن تعويض أجرة سيارة الأجرة أثناء رحلة العمل، بشرط تقديم فاتورة إلكترونية، وتقديم الطلب خلال 30 يومًا من انتهاء الرحلة.قد يختلف نص الدرجات والإجابة قليلًا في كل مرة.
$python3 kb.py "ماذا أفعل إذا فقدت بطاقة العمل؟"
[0.72] بوابة الدخول والزوار.txt: يدخل الموظفون منطقة المكاتب بتمرير بطاقة العمل، وإذا فُقدت البطاقة يجب إبلاغ قسم الإدارة في نفس اليوم لإصدار بديلة، بتكلفة 20 يوانًا.
- سألت سؤالًا واحدًا، ورأيت الجُمل التي تم العثور عليها والإجابة
الخطوة 4: اسأل عن شيء غير موجود في الوثائق
python3 kb.py "公司几点上班?"الإجابة التي حصلنا عليها في اختبارنا الفعلي هي:
لم تذكر الوثائق في أي ساعة تبدأ ساعات العمل في الشركة.في الواقع، لا يوجد وقت عمل في الملفات الثلاثة. الجُمل الثلاث التي وجدها حصلت جميعها على درجات منخفضة، فقال النموذج "غير مذكور" كما يقتضي التعليمات، ولم يخترع وقتًا من عنده. وهذه بالضبط ميزة قاعدة المعرفة على سؤال النموذج مباشرة: الإجابة لها مصدر، وعندما لا يوجد مصدر يقول ذلك.
- رأيته يقول "غير مذكور" عند السؤال عما ليس في الوثائق
استبدلها بملفاتك الخاصة
يكفي أن تستبدل الملفات الموجودة في docs/ بملفات .txt الخاصة بك. ثلاث نصائح:
- جملة واحدة في كل سطر. يقسّم هذا السكربت النص سطرًا سطرًا، والأفضل أن يكون كل سطر معلومة كاملة واحدة.
- عند تغيّر الوثائق أعد التشغيل. يعيد السكربت حساب متجهات جميع الجُمل في كل تشغيل، وقد يصبح بطيئًا مع كثرة الوثائق. إذا أردت استخدامه فعليًا، يمكنك تخزين المتجهات، وهذا ما تفعله قواعد بيانات المتجهات.
- عند عدم دقة النتائج انظر إلى الدرجات أولًا. إذا لم تكن الجملة الأكثر صلة في المقدمة، فالسبب غالبًا أن ذلك السطر مكتوب بشكل مبعثر، فقسّمه إلى جُمل أقصر.
نقطة تفتيش
- أستطيع ذكر الخطوات الأربع لقاعدة المعرفة
- شغّلت
kb.pyبنجاح على حاسوبي - رأيته يجيب بصدق "غير مذكور" عند السؤال عما ليس في الوثائق
مفاهيم خاطئة شائعة
الظن أن قاعدة المعرفة "تدرّب" الملفات داخل النموذج. لا، النموذج نفسه لم يتغير إطلاقًا؛ في كل مرة توضع مؤقتًا في التعليمات فقط الجُمل القليلة التي تم العثور عليها. عند تعديل الوثائق، يستخدم السؤال التالي النسخة الجديدة.
الظن أن ما يتم العثور عليه صحيح بالضرورة. ما يتم البحث عنه هو الجُمل "الأكثر تشابهًا في المعنى"، ولا يُضمن أنها هي الإجابة. لذلك يطبع السكربت الجُمل التي وجدها ودرجاتها، لتتمكن من التحقق من الأساس الذي استند إليه.
نهاية الدورة
لديك الآن DeepSeek يعمل على حاسوبك، وقاعدة معرفة تعتمد على ملفاتك فقط. عُد إلى الصفحة الرئيسية للدورة لترى أي درس تريد مراجعته.