الانتقال إلى المحتوى
سمارت ليد تك
الرئيسية
خدماتنا
أعمالنا
السعودية
من نحن
المدونة
تواصل معنا
🇬🇧Englishتواصل الآن
سمارت ليد تك

حلول برمجية ذكية

تابعنا

الشركة

  • من نحن
  • أعمالنا
  • خدماتنا
  • السعودية
  • نظام كاشير للمطاعم
  • تواصل معنا
  • احجز مكالمة

روابط سريعة

  • المدونة
  • الأسعار
  • سياسة الاسترداد
  • سياسة الخصوصية
  • الشروط والأحكام
  • حذف البيانات

تواصل معنا

  • الفرع المصري — المقر الرئيسي

    مكتب 6، عقار 23، شارع مكة المكرمة، العمرانية، الجيزة 3540203، مصر
  • الفرع السعودي

    مبنى 2646، رقم فرعي 123، شارع 7697، حي أشبيلية، الجبيل 35416، المملكة العربية السعودية
  • البريد الإلكتروني

    help@smartleadtech.com
  • رقم الهاتف 🇪🇬

    +20 102 201 4671
  • رقم الهاتف 🇸🇦

    0530 447 112

© 2026 سمارت ليد تك. جميع الحقوق محفوظة.

  • شركة سمارت ليد تك لتقنية المعلومات (ذ.م.م)·سجل تجاري ⁦61239⁩·رقم ضريبي ⁦774-391-316⁩

  • مؤسسة برمجيات الريادة الذكية·سجل تجاري ⁦7054902585⁩·الرقم الضريبي

من RAG إلى Agentic RAG: حين يتوقّف المساعد عن «البحث ثم الإجابة» ويبدأ التفكير

كتبنا قبل عام عن RAG بوصفه «ابحث في بياناتك ثم أجب». كان ذلك صحيحاً وكافياً لروبوت دعم. لكنه يفشل أمام سؤال مثل: «ما المسار التعليمي المناسب لموظّف مبيعات جديد لم يجتز اختبار المنتجات، بحسب سياسة التدريب لهذا العام؟». هذ…

02‏/06‏/2026 — 9 دقائق قراءة

مخطط لوكيل يخطّط ويسترجع ويتحقّق قبل الإجابة

كتبنا قبل عام عن RAG بوصفه «ابحث في بياناتك ثم أجب». كان ذلك صحيحاً وكافياً لروبوت دعم. لكنه يفشل أمام سؤال مثل: «ما المسار التعليمي المناسب لموظّف مبيعات جديد لم يجتز اختبار المنتجات، بحسب سياسة التدريب لهذا العام؟». هذا السؤال يحتاج تخطيطاً، وعدة عمليات استرجاع، وتحقّقاً. هذا هو Agentic RAG.

الفرق في جملة

RAG التقليدي: استرجاع واحد، إجابة واحدة. Agentic RAG: خطة، استرجاعات متعددة، تحقّق، ثم إجابة مُسنَدة.

الحلقة التي نبنيها

  1. التحليل: يفكّك الوكيل السؤال إلى أسئلة فرعية («ما سياسة التدريب؟»، «ما نتيجة الاختبار؟»، «ما المسارات المتاحة؟»).
  2. الاسترجاع المتعدّد: لكل سؤال فرعي مصدر مناسب — قاعدة معرفة، قاعدة بيانات، أو API.
  3. التحقّق: هل تتعارض المصادر؟ هل النتيجة كافية؟ إن لا، يعيد الاسترجاع بصيغة مختلفة.
  4. التركيب: إجابة واحدة بمراجع، وقائمة بما لم يستطع التأكّد منه.

تطبيق حقيقي: Learnly وLMS By SLT

في Learnly (LMS مؤسّسي يدعم SCORM) المساعد لا يجيب عن «أين أجد الدرس» فقط؛ يقرأ نتائج الاختبارات، يقارنها بمتطلّبات المسار، ويقترح الخطوة التالية. وفي LMS By SLT ثنائية اللغة، الاسترجاع يجري بالعربية والإنجليزية معاً ثم يُوحَّد — لأن نصف المحتوى مكتوب بلغة والسؤال بالأخرى.

تطبيق مختلف تماماً: منصّة Pioneers التحريرية

في Pioneers (دليل تحريري للقيادات في السوق السعودي) استخدمنا الحلقة نفسها لغرض آخر: التحقّق من الحقائق قبل النشر. الوكيل يسترجع كل ما ذُكر عن الشخصية من مصادر معتمدة، ويعلّم أي جملة في المسوّدة لا يجد لها سنداً. لم يكتب مقالاً واحداً؛ منع عشرات الأخطاء.

الأخطاء التي ستقع فيها (وقعنا فيها)

  • حلقات لا تنتهي: ضع حداً أقصى لعدد الاسترجاعات وميزانية زمنية.
  • ثقة زائدة بالنفس: اجعل «لم أجد» مخرجاً شرعياً ومقاساً، لا فشلاً.
  • الصلاحيات بعد الاسترجاع: يجب أن تُطبَّق قبله؛ الوكيل لا يجب أن «يرى» ما لا يحق للمستخدم رؤيته.
  • التكلفة: أربع استرجاعات وثلاثة استدعاءات نموذج لسؤال واحد — قِس واستخدم نماذج أصغر للخطوات الوسيطة.

متى لا تحتاجه؟

إن كانت أسئلة مستخدميك من نوع «ما ساعات العمل؟»، فـ RAG البسيط أفضل وأرخص وأسرع. Agentic RAG للأسئلة التي يحتاج الإنسان فيها إلى فتح ثلاث نوافذ ليجيب عنها.

مشاركة

مشاريع مرتبطة بالمقال

  • التعليمLaravel

    نظام إدارة التعلّم — LMS By SLT

    منصّة تعليميّة عالية الأداء بدعم العربيّة والإنجليزيّة، مولّد شهادات مخصّص وإدارة شاملة للطلّاب والمدرّسين والدورات.

    اعرض المزيد
    LMS By SLT — منصّة تعلّم ثنائيّة اللغة بشهادات مخصّصة
  • الذكاء الاصطناعيPythonNext.jsDocker

    SLT OCR — استخراج بيانات المستندات العربية

    محرّك رؤية حاسوبية عربي أولاً يحوّل الفواتير وأوامر الشراء والإيصالات وبطاقات الهوية وملفات KYC إلى بيانات موثوقة — بنموذج تحقّق لكل حقل، ومراجعة بشرية عند الحاجة، ومعالجة في الذاكرة فقط.

    اعرض المزيد
    SLT OCR — صفحة المنتج على الحاسوب والموبايل
  • الذكاء الاصطناعيFlutter

    تطبيق كليم — Kaleem App

    تطبيق ذكي لتحسين مهارات التخاطب لدى الأطفال عبر تمارين تفاعليّة مدعومة بالذكاء الاصطناعي وشخصيّة كرتونيّة محبّبة.

    اعرض المزيد
    تطبيق كليم — تخاطب الأطفال بالذكاء الاصطناعي

مقالات ذات صلة

  • رسم معماري لنمط RAG

    ما هو RAG ولماذا أصبح ضرورة لكل منتج يعتمد على LLM؟

    خلال الشهور الأخيرة سمعنا عبارة Retrieval-Augmented Generation (RAG) في كل مؤتمر تقني. في هذه المقالة نشرح هذا النمط بلغة عملية، ونجيب عن السؤال الأهم: متى نحتاجه فعلًا، وكيف نبنيه بأمان فوق بيانات مؤسستنا؟لماذا لا نكتفي…

    10‏/02‏/2025 — 9 دقائق قراءة

  • روبوت صناعي يمد يده نحو شاشة تظهر بيانات الذكاء الاصطناعي مع خريطة للخليج ومصر في الخلفية، يرمز للابتكار والفرص في المنطقة.

    الذكاء الاصطناعي في الخليج ومصر: فرص القطاعات الحيوية ومخاطر الحوكمة في 2026

    يشهد المشهد التقني في منطقة الخليج ومصر تحولاً متسارعاً مدفوعاً بالاستثمارات الضخمة في الذكاء الاصطناعي، وتبني هذه التقنيات عبر قطاعات حيوية مثل الصناعة والسياحة والإنشاءات. ومع هذه الفرص الواعدة، تبرز تحديات جوهرية تتعل…

    29‏/09‏/2026 — 8 دقائق قراءة

  • جدول مقارنة بين ثلاثة نماذج لغوية على مهام عربية

    تقرير مختبر: GPT‑5 وClaude Opus 5 وGemini على اللغة العربية — من يفهم لهجتنا فعلاً؟

    هذا تقرير مختبر لا مقال رأي. بنينا في BrandBoost AI (مساعد التسويق ثنائي اللغة) وفي كليم (علاج التخاطب للأطفال) اعتماداً كلياً على نماذج اللغة، لذلك نعيد التقييم كل ربع سنة بمجموعة اختبار ثابتة: 420 مهمة عربية، موزّعة بي…

    28‏/07‏/2026 — 10 دقائق قراءة