ما الذي تفعله هذه المهارة

تفشل معظم أنظمة RAG بصمت — ليس لأن النموذج ضعيف، بل لأن بنية الاسترجاع تفترض أن كل استعلام مجرد عملية بحث. تُعلِّمك هذه المهارة تصميم طبقات سياق هجينة تُطابق استراتيجية الاسترجاع مع نوع الاستعلام، حتى يحصل وكيلك على النوع الصحيح من السياق في كل مرة.

المشكلات التي تحلّها

• فخ RAG-للجميع — توجيه الاستعلامات العلائقية والزمنية عبر البحث المتجه يُسبِّب فشلاً هيكلياً صامتاً، وإعادة ترتيب مكلفة، وإجابات تزداد سوءاً كلما أضفت مزيداً من السياق.

• عمى التنقل متعدد الخطوات — سؤال مثل "أي الفرق تمتلك خدمات تعتمد على الواجهة البرمجية المُهمَلة؟" هو استعلام اجتياز كيانات، لا مجرد بحث. لا يستطيع Vector RAG الإجابة عنه بدقة.

• غياب السببية التنظيمية — أسئلة مثل "ما القرارات التي أفضت إلى هذا الحادث؟" تستلزم رسماً بيانياً زمنياً للأحداث، لا مجرد مقطع من وثيقة.

• عدم التطابق بين السياق والاستدلال — سياق جيد يُوجَّه إلى طبقة استدلال ضعيفة، أو سياق طويل بلا بنية سببية، يُنتج هلوسات على نطاق واسع.

ما الذي ستحصل عليه

تُعرِّف المهارة نموذج سياق ثلاثي الطبقات:

• الطبقة 1 — المخزن الواقعي (Vector RAG): استعلامات نقطية أحادية الحقيقة وأحادية الوثيقة — الحالة الوحيدة التي يكون فيها RAG صحيحاً هيكلياً.

• الطبقة 2 — المخزن العلائقي (Knowledge Graph): علاقات الكيانات وسلاسل التبعية والاستعلامات متعددة الخطوات التي تستلزم الاجتياز عبر العقد المترابطة.

• الطبقة 3 — المخزن الزمني/الحلقي (Timeline Index): تسلسلات الأحداث وسلاسل القرارات السببية واستعلامات "كيف وصلنا إلى هنا" التي تستلزم بنية مُختومة بالوقت.

ستحصل أيضاً على شجرة قرار لتوجيه الاستعلامات — خطوة تصنيف ملموسة تُوجِّه كل استعلام وارد إلى الطبقة الصحيحة قبل بدء أي عملية استرجاع، إضافةً إلى خارطة طريق تنفيذ مرحلية للفرق التي تنتقل من أنظمة RAG-فقط.

من يجب أن يستخدم هذه المهارة

الفرق التي تبني وكلاء ذكاء اصطناعي فوق قواعد المعرفة المؤسسية، وسجلات قرارات البنية، وتواريخ الحوادث، أو أي نظام تنظيمي يجب على الوكيل فيه الإجابة عن أسئلة علائقية أو سببية — لا مجرد استعلامات عن حقائق.