Agentic RAG

التوليد المعزز بالاسترجاع الوكيلي هو التوليد المعزز بالاسترجاع (RAG) الذي يقرر فيه وكيل ذكاء اصطناعي، وهو نموذج لغوي كبير (LLM) يخطط ويستدعي الأدوات ضمن حلقة، ما إذا كان سيسترجع المعلومات، والمصادر التي سيبحث فيها، وما إذا كانت النتائج كافية للإجابة. ينفذ RAG القياسي تمريرة واحدة ثابتة: تضمين السؤال، وجلب المقاطع الأعلى ترتيبًا، ثم التوليد. ويمكن للوكيل تقسيم السؤال إلى أسئلة فرعية، وإرسال أحدها إلى فهرس مستندات وآخر إلى قاعدة بيانات SQL أو بحث الويب، وملاحظة أن نتيجة ما خارج الموضوع، وإعادة صياغة الاستعلام، ثم البحث مجددًا. ويصنّف استعراض عام 2025 للتوليد المعزز بالاسترجاع الوكيلي هذه السلوكيات ضمن أربعة أنماط تصميم وكيلي: التأمل والتخطيط واستخدام الأدوات والتعاون متعدد الوكلاء.

آلية عمل التوليد المعزز بالاسترجاع الوكيلي#

يصل النموذج إلى أدوات الاسترجاع عبر استدعاء الدوال. وتُوصَف كل أداة، مثل البحث المتجهي في المستندات أو استعلام قاعدة بيانات أو بحث الويب، باسم ومخطط للمعلمات، ويُصدر النموذج استدعاءً منظّمًا كلما أراد استخدامها. ويوفر بروتوكول سياق النموذج (MCP) للوكلاء طريقة معيارية للاتصال بمثل هذه الأدوات. وتتبع حلقة التحكم نمط ReAct، بالتناوب بين خطوات الاستدلال والإجراءات:

يوضح سؤال مثل «أي الموردين سجلوا تسليمات متأخرة أكثر هذا الربع مقارنةً بالربع السابق، وما الغرامات التي تسمح بها عقودهم؟» سبب أهمية الحلقة. فتمريرة استرجاع واحدة تضمّن السؤال بأكمله وتعيد مقاطع من العقود تذكر التأخر في التسليم عمومًا. أما الوكيل فيستعلم أولًا عن أعداد التسليمات في قاعدة بيانات التوصيل لكل مورد، ثم يبحث في فهرس العقود مرة واحدة لكل مورد ارتفع عدده، ويجمع المصدرين في إجابته.

لا تقتصر الأدوات على النصوص. فعندما تعتمد الإجابة على ما تراه كاميرا في الوقت الحالي، يمكن للوكيل استدعاء نموذج Ultralytics YOLO26 بوصفه أداة: يعيد التنبؤ على أحدث إطار كل الكائنات المكتشفة، وتحولها results[0].summary() إلى قائمة من القواميس تتضمن اسم الفئة ودرجة الثقة وإحداثيات الصندوق، ليقرأها الوكيل مثل أي نتيجة مسترجعة أخرى.

التوليد المعزز بالاسترجاع الوكيلي والنهج ذات الصلة#

• RAG القياسي: يسترجع المعلومات مرة واحدة لكل سؤال عبر خط معالجة ثابت، مع زمن استجابة وتكلفة منخفضين ويمكن توقعهما. وهو ملائم للأسئلة التي يمكن الإجابة عنها بمقطع أو مقطعين.
• Self-RAG وCorrective RAG: يدرّب Self-RAG (2023) نموذجًا على إصدار رموز تأمل تحدد متى يسترجع المعلومات وتقيّم مخرجاته، بينما يضيف Corrective RAG (2024) مقيّمًا للاسترجاع يطلق بحثًا على الويب عندما تكون درجات المستندات المسترجعة منخفضة. ويضم كل منهما سلوكًا وكيليًا واحدًا ضمن خط معالجة ثابت في ما عدا ذلك.
• GraphRAG: يسترجع الكيانات والعلاقات وملخصات المجتمعات من رسم بياني معرفي مُنشأ من المستندات. ويمكن للوكيل استدعاء استعلامات الرسم البياني بوصفها إحدى أدواته.
• سير العمل الوكيلي: الفئة الأوسع لأنظمة LLM متعددة الخطوات، ويُعد التوليد المعزز بالاسترجاع الوكيلي فرعًا منها يركز على العثور على المعلومات.
• وكلاء البحث المتعمق: توليد معزز بالاسترجاع وكيلي يمتد عبر عمليات بحث كثيرة لسؤال واحد، وغالبًا ما يُقسّم العمل بين عدة وكلاء. في نظام البحث متعدد الوكلاء لدى Anthropic، يوزع وكيل قائد من Claude Opus 4 المهام الفرعية على وكلاء Claude Sonnet 4 فرعيين يعملون بالتوازي، وتفوق النظام على وكيل Opus 4 واحد بنسبة 90.2% في التقييم الداخلي للأبحاث لدى Anthropic.

تطبيقات عملية#

• مساعدو أبحاث المؤسسات: يجيبون عن أسئلة تشمل مستودع بيانات ومخازن مستندات والويب، مثل مقارنة أرقام المبيعات الداخلية بالنتائج المنشورة لمنافس.
• دعم العملاء: يتحقق الوكيل من حالة الطلب في نظام، ويسترجع سياسة الإرجاع من نظام آخر، ويقرر ما إذا كان استرداد المبلغ ينطبق قبل الرد.
• استكشاف أعطال التصنيع: يسترجع المساعد سجل الصيانة وصفحات الدليل الخاصة بالآلة المذكورة في تقرير العطل، ويبحث في تذاكر الحوادث السابقة عندما لا يتناول الدليل رمز الخطأ.
• البرمجة الوكيلة: تبحث وكلاء البرمجة في مستودع، وتقرأ الملفات التي يعثرون عليها، ثم يعاودون البحث باستخدام الأسماء التي اكتشفوها أثناء ذلك قبل تعديل الشيفرة.

التكاليف وأسباب الإخفاق#

تضيف كل خطوة إضافية استدعاءً لـ LLM، لذا يكون التوليد المعزز بالاسترجاع الوكيلي أبطأ وأكثر تكلفة من المرور الواحد. ووجد تحليل Anthropic لنظام البحث متعدد الوكلاء أن الوكلاء يستخدمون عادةً رموزًا أكثر بنحو 4 مرات من تفاعلات الدردشة، وأن الأنظمة متعددة الوكلاء تستخدم نحو 15 مرة أكثر. كما تفشل الوكلاء بطرق لا تحدث في خطوط المعالجة الثابتة: تكرر استعلامات متشابهة، أو تتوقف قبل العثور على المستند الأساسي، أو تستدعي الأداة الخطأ، أو تنقل خطأً مبكرًا عبر كل خطوة لاحقة، ما قد يؤدي إلى هلوسات واثقة. وتضع أنظمة الإنتاج حدًا لعدد الخطوات، وتسجل مسارات التنفيذ كاملة، وتقيّم المسارات بأكملها عبر تقييم الوكلاء. وفي تحليل Anthropic، فسّر استخدام الرموز وحده 80% من التباين في الأداء على معيار التصفح BrowseComp.