التوليد المعزز بالاسترجاع (RAG)
التوليد المعزز بالاسترجاع (RAG) هو إطار عمل يسمح لنماذج الذكاء الاصطناعي التوليدي بجلب بيانات خارجية جديدة من مصادر محددة (مثل موقعك الإلكتروني) قبل إنشاء إجابة. إنه يسد الفجوة بين بيانات تدريب النموذج اللغوي المجمد والحقائق في الوقت الفعلي، مما يقلل من الهلوسة ويحسن الدقة من خلال التعامل مع البيانات المنظمة كقاعدة معرفية حية.
لماذا يعتبر نظام RAG حاسمًا للبحث المدعوم بالذكاء الاصطناعي
نماذج اللغة الكبيرة القياسية عالقة في الماضي - فبيانات تدريبها لها تاريخ قطع، مما يعني أنها لا تستطيع معرفة مخزونك الحالي أو أسعارك أو تحديثات منتجاتك. يحل نظام RAG هذه المشكلة من خلال السماح لوكيل الذكاء الاصطناعي بجلب المعلومات من موقعك على الويب في الوقت الفعلي. يعمل مخطط JSON-LD الخاص بك كـ "واجهة برمجة تطبيقات" لنظام الاسترجاع هذا. عندما يسأل المستخدم مساعد الذكاء الاصطناعي عن منتجاتك، يمكّنه نظام RAG من التحقق من قاعدة بياناتك الفعلية والاستجابة بمعلومات دقيقة ومحدثة بدلاً من اختلاق تفاصيل قديمة أو غير صحيحة. هذا ضروري للتجارة الإلكترونية ومنصات البرمجيات كخدمة وأي عمل تجاري تتغير فيه البيانات بشكل متكرر.
نموذج لغوي ثابت مقابل نظام مدعوم بـ RAG
تأثير العالم الحقيقي
يسأل العميل ChatGPT عن أسعار iPhone 15
الذكاء الاصطناعي: "ليس لدي معلومات تسعير حالية"
يغادر العميل للتحقق من Apple.com يدويًا
نفس السؤال مع نظام RAG يتحقق من JSON-LD الخاص بـ Apple
الذكاء الاصطناعي: "جهاز iPhone 15 يكلف حاليًا 799 دولارًا على Apple.com"
يحصل العميل على إجابة فورية، وينقر على رابط الاقتباس