إعداد المحتوى لاسترجاع RAG باستخدام عناوين الموقع

يبدأ إعداد المحتوى لاسترجاع RAG بعناوين في الموقع تسمّي الموضوع بوضوح، تليها أقسام تحمل سياقًا كافيًا ليكون كل منها مفهومًا بمفرده. يستطيع الناشرون جعل صفحات المصدر أوضح وأسهل للاختبار، لكنهم لا يستطيعون ضمان نتيجة استرجاع أو التحكم في منظومة الاستيعاب لدى المورّد.

عمليًا، ركّز على ثلاثة أمور:

• صِف في كل عنوان الكيان أو المهمة أو القاعدة أو الشرط؛
• أبقِ الإجابة المباشرة والسياق الضروري والاستثناءات معًا؛
• ثبّت مجموعة استعلامات وقارن الاسترجاع ودعم الاستشهاد واكتمال الإجابة كلًا على حدة.

مَن، وكيف، ولماذا. هذا الدليل موجّه إلى مسؤولي التوثيق ومالكي محتوى الويب. وهو يجمع بين مراجعة تطبيق Achla الحالي للزحف والإجابات المستندة إلى المصادر، ووثائق أولية مؤرخة، وبروتوكول اختبار تحت سيطرة الناشر. لم يُنفّذ البروتوكول بعد، لذلك تظل كل النتائج مجهولة. والغرض هو مساعدة الناشرين في اختبار التغييرات التي يملكونها، لا الإيحاء بأن العناوين تضمن إجابات أفضل.

ما الذي يجعل محتوى الموقع أسهل للاسترجاع في RAG؟

يستخدم التوليد المعزّز بالاسترجاع، أو RAG، مادة مصدر مسترجعة لإسناد إجابة مولّدة. وقد تقيّم منظومة الاسترجاع مقطعًا مستقلًا عن الصفحة الكاملة المحيطة به. فمثلًا تصف وثائق Azure AI Search من Microsoft تقسيم المستندات الكبيرة بحيث يمكن مطابقة أجزائها بصورة مستقلة. هذا وصف لنظام Microsoft، وليس صيغة عالمية للعناوين.

لذلك، يعني المحتوى الجاهز للاسترجاع بالنسبة إلى الناشر أن تبقى أقسامه المهمة مفهومة عند ظهورها بسياق محيط محدود. يحدد القسم المفيد موضوعه، ويجيب عن سؤال واحد متماسك، ويسمّي الشروط ذات الصلة، ويُبقي الاستثناءات المهمة قريبة. تجعل البنية الواضحة المصدر أسهل للفحص والتجربة أسهل لإعادة الإنتاج؛ أما أثرها في نتيجة RAG بعينها فلا بد من قياسه.

ما الذي ينبغي تعديله، وما الذي يبقى ضمن منظومة الاسترجاع؟

البداية الأكثر أمانًا لإعداد محتوى RAG هي وضع حد صارم بين صفحة المصدر والواجهة الخلفية للمورّد.

ما الذي يستطيع ناشر الموقع تغييره؟

يمكنك إعادة صياغة التسميات المبهمة، وتقسيم الأقسام متعددة الموضوعات، وتقريب الإجابة من عنوانها، وتسمية المنتج أو الجمهور المعني، وإضافة نص مرئي للمعلومات الضرورية التي لا تظهر إلا في صورة. ويمكنك أيضًا الحفاظ على بنية منطقية للعناوين: موضوع واحد للصفحة، وأقسام H2 رئيسية، وأقسام H3 فرعية تضيق نطاق القسم الأب.

هذه تغييرات تحريرية. إن أردت حالة الاستخدام التجارية بدل طريقة التأليف، فراجع بحث الذكاء الاصطناعي للتوثيق.

ما الذي يتحكم فيه مورّد الاسترجاع؟

يقرر المورّدون كيف تحلل أنظمتهم المحتوى وتقسمه وتمثله وتفهرسه وتسترجعه وترتبه. توثّق OpenSearch، مثلًا، تقسيم النص كخطوة في مسار الاستيعاب تقسم النص الطويل إلى مقاطع مركزة ضمن حدود النموذج. يفيد تطبيق OpenSearch في فهم الحد الفاصل؛ لكنه لا يثبت أن Achla تتيح التحكم في حجم المقاطع أو التضمينات.

ولا يتناول هذا الدليل التثبيت أو بنية backend. اقرأ كيفية إضافة بحث AI من دون بناء backend لهذه المهمة المنفصلة.

كيف تدقق العناوين والأقسام قبل إعادة الكتابة؟

راجع الصفحة كما لو أن كل قسم قد يظهر من دون الفقرات التي تسبقه. ليس الهدف جعل كل فقرة مكررة، بل العثور على المقاطع التي تعتمد دلالتها على سياق خفي.

أي العناوين تُخفي الموضوع؟

ابحث عن التسميات العامة التي لا تعمل إلا لأن القارئ يتذكر العنوان السابق. فالعنوان الاصطناعي الضعيف «القيود» يصبح أكثر فائدة عند صياغته «قيود تصدير التقارير دون اتصال». تذكر الصياغة الجديدة الموضوع ونوع المعلومات من دون فرض قالب على كل صفحة.

أي الأقسام تمزج القرارات أو تعتمد على سياق مفقود؟

اسأل إن كان القسم يغيّر المنتج أو الدور أو المنطقة أو الخطة أو الإصدار أو الإجراء في منتصفه. وافصل أيضًا مشكلة المفردات عن المشكلة البنيوية: إذا كان الزوار يسألون بمصطلحات تختلف عن الصفحة، فاستخدم أفكار التقييم في دليل عندما يستخدم الزوار كلمات مختلفة. وإذا كانت الكلمات الصحيحة موجودة لكنها موزعة بين قرارات غير مترابطة، فحسّن سياق القسم.

أي الحقائق محبوسة في الصور أو الجداول أو التسميات؟

ينبغي أن تظهر الحقائق الضرورية في نص مرئي ذي معنى. توصي AWS بعناوين واضحة ومستندات مركزة وسياق للأقسام وأوصاف نصية للرسوم في ممارسات التوثيق لـRAG. تعامل معها كتوصيات من AWS، لا كدليل على نتيجة لموقعك. يمكن أن تظل الجداول مفيدة للقارئ؛ وأضف نصًا قريبًا إذا كانت قاعدة مهمة ستبقى ملتبسة من دونه.

كيف تحافظ العناوين على الموضوع والنطاق؟

اكتب عناوين الموقع لـRAG كما تكتب لافتات إرشاد لشخص مشغول: محددة بما يكفي للتنبؤ بالقسم، وقصيرة بما يكفي للمسح البصري، ومتداخلة وفق تنظيم الصفحة الحقيقي.

كيف تجعل التسلسل الهرمي وصفيًا لا زخرفيًا؟

استخدم H1 واحدًا لموضوع الصفحة الرئيسي، وH2 للأسئلة الكبرى، وH3 للأسئلة الأضيق داخل كل قسم. يوضح W3C أن العناوين تنقل تنظيم المحتوى وأن العناوين الأقل رتبة تكوّن أقسامًا فرعية. اتبع التسلسل الدلالي للعناوين لأنه يفيد بنية الصفحة والتنقل، لا لأن W3C يدّعي فائدة لـRAG.

أين ينبغي أن تظهر الإجابة المباشرة؟

ضع الإجابة في أول جملة أو فقرة قصيرة أسفل العنوان المعني، ثم أضف المتطلبات والتفاصيل والأمثلة فالاستثناءات. لا ينبغي لعنوان يعد بـ«استثناءات رد الأموال للخطط السنوية» أن يبدأ بتاريخ الشركة ثم يكشف الاستثناء بعد أربع فقرات.

أين ينبغي أن تبقى الشروط والاستثناءات؟

أبقِ النطاق بجانب العبارة التي يغيّرها. سمِّ الخطة أو الدور أو المنتج أو المنطقة أو الإصدار أو تاريخ السريان في العنوان أو الجملة الأولى إذا كان يغيّر الإجابة ماديًا. لا تُخفِ تحفظًا حاسمًا في قسم ملاحظات عام أسفل الصفحة.

كيف تجعل كل قسم مفهومًا بمفرده؟

يحمل القسم المستقل الحد الأدنى من السياق اللازم لفهم ادعائه. وهو وحدة أدلة متماسكة للقراء أولًا، وليس مقطع backend مفروضًا.

ما الذي ينتمي إلى قسم واحد؟

أبقِ موضوعًا أو قرارًا أو إجراءً واحدًا مع متطلباته واستثناءاته الضرورية، وافصل الموضوعات غير المرتبطة. في صفحة سياسة اصطناعية، ينتمي موعد الإلغاء واستثناء الحسابات الخاضعة للتنظيم معًا؛ أما تعليمات الترقية فمكانها مختلف.

ما مقدار السياق الذي ينبغي تكراره؟

كرّر فقط ما يزيل الالتباس. استبدل «يصبح متاحًا بعد 30 يومًا» بـ«يصبح تصدير سجل التدقيق متاحًا بعد 30 يومًا» إذا كان الموضوع سيضيع. تجنب تكرار اسم المنتج كاملًا في كل جملة أو حشو القسم بصيغ الكلمات المفتاحية.

كيف تُكتب القوائم والجداول؟

استخدم القوائم للخطوات المرتبة أو العناصر القابلة للمقارنة، مع تسميات تحفظ المعنى. واستخدم الجداول حين توضح الصفوف والأعمدة مقارنة حقيقية. إذا احتوت خلية على قاعدة ضرورية فلخّصها في نص قريب أيضًا. تظل أولوية فهم القارئ؛ فلا صيغة لها أفضلية عالمية في الاسترجاع.

كيف تجري اختبار استرجاع قبل وبعد باستعلامات ثابتة؟

استخدم تجربة ذات إصدارات وتراعي الخصوصية ولا تغيّر إلا المحتوى تحت سيطرة الناشر. تفصل تجربة تقييم استرجاع المحتوى هذه تغيير صفحة المصدر عن سلوك backend. يزحف تطبيق Achla الحالي إلى الصفحات العامة المسموح بها على الموقع نفسه، ويتطلب مساره الأساسي للإجابة المستندة نص إجابة مع استشهادات وإلا أعاد miss/fallback. تجعل هذه السلوكيات المحدودة الاسترجاع والاستشهاد قابلين للملاحظة، لكنها لا تعد بتحسن نتيجة إعادة الهيكلة.

كيف تثبّت الأسئلة والمصادر المتوقعة؟

اختر موقعًا متصلًا ومصرحًا به. أنشئ معرّفات للاستعلامات، واحفظ الصياغة الدقيقة، وسمِّ المصدر المرجعي المعتمد المتوقع أن يسند كل إجابة. أدرج إعادات صياغة واقعية وحالات صادقة لغياب الإجابة. لا تدرج بيانات شخصية أو سرية أو بيانات حساب.

مثال إدخال اصطناعي:

ما الذي ينبغي أن يسجله خط الأساس بصورة منفصلة؟

سجّل لكل استعلام ما إذا ظهر المصدر المقصود، وما إذا كان الاستشهاد يدعم الإجابة حقًا، وما إذا كانت الإجابة مكتملة. تعامل مع هذا على أنه اختبار للمصدر المستشهد به ولا تدمج الحقول في درجة «دقة» واحدة. ولعملية تحقق أعمق، اختبر هل تدعم الاستشهادات الإجابة.

ما الذي يمكن تغييره أثناء الاختبار؟

عدّل العناوين وحدود الأقسام والموضوعات الصريحة ونص الإجابة القريب والشروط والاستثناءات والبدائل النصية فقط. احفظ إصدار المحتوى والفروق. لا تغيّر التجزئة أو حقول schema أو صيغ embedding والفهرسة أو مسارات الاسترجاع أو إعادة الترتيب أو العتبات، ولا توحِ بأن Achla توفر تلك الضوابط.

كيف تعيد تشغيل الأسئلة نفسها؟

دع مسار الزحف والفهرسة العادي للموقع المتصل يعالج تغيير الصفحة المعتمد. سجّل وقت الملاحظة الفعلي بدل الوعد بمدة تحديث. وإذا احتاج الوصول إلى تشخيص، فاستخدم تفاصيل زاحف AISearchBot. ثم أعد تشغيل إصدار الاستعلام نفسه والتقط الحقول نفسها.

كيف تفسر النتائج الإيجابية أو الصفرية أو السلبية أو المختلطة؟

سجّل كل نتيجة، بما فيها عدم التغيير والتراجع. قد يظهر المصدر الصحيح من دون استشهاد داعم، وقد يصاحب الاستشهاد الداعم إجابة ناقصة. البنية متغير واحد فقط، لذلك يجب حصر النتيجة في الموقع وإصدارات المحتوى ومجموعة الاستعلامات وأوقات الملاحظة المختبرة.

ماذا لو غاب المصدر الصحيح؟

تحقق من وجود الحقيقة المتوقعة في نص مرئي ومن إتاحة الصفحة للزحف العادي. قد يتعلق السبب باكتمال المحتوى أو حالة الزحف والفهرسة أو الاسترجاع. لا تشخّص إعدادات مورّد خفية من دون دليل.

ماذا لو ظهر المصدر لكن الاستشهاد أو الإجابة ضعيف؟

افحص هل يدعم المقطع المستشهد به الادعاء وهل تحذف الإجابة شرطًا أو استثناءً. يفصل ذلك الاسترجاع عن صحة الاستشهاد وتوليد الإجابة. تغيير العنوان وحده ليس دليلًا على تحسن التوليد.

ماذا لو لم يحدث تغيير أو وقع تراجع أو ظهرت نتيجة مختلطة؟

احتفظ بها. قد تعني النتيجة الصفرية أن البنية الأصلية كانت كافية أو أن البنية لم تكن المتغير المقيّد. وقد يبرر التراجع عكس التغيير. وقد تدعم النتيجة المختلطة تعديلًا أضيق. وفي كل الحالات أبلغ عن الملاحظة من دون انتقاء الاستعلامات المواتية.

ماذا تتضمن قائمة إعداد محتوى RAG للناشر؟

• حافظ على وضوح نية RAG والعناوين في الصفحة.
• اجعل للصفحة H1 وصفيًا واحدًا.
• استخدم H2 للأسئلة الكبرى وH3 للنطاق الأضيق.
• ضع إجابة مباشرة قرب كل عنوان.
• أبقِ موضوعًا أو قرارًا أو إجراءً واحدًا متماسكًا معًا.
• سمِّ المنتجات والأدوار والمناطق والإصدارات والاستثناءات حيث تنطبق.
• أضف نصًا مرئيًا للحقائق الضرورية التي لا تظهر إلا في الصور.
• افصل تعديلات الناشر عن الاستيعاب تحت سيطرة المورّد.
• ثبّت الاستعلامات والمصادر المتوقعة قبل إعادة هيكلة المحتوى وحده.
• سجّل الاسترجاع ودعم الاستشهاد والاكتمال بصورة منفصلة، بما في ذلك النتائج السلبية.

ما القيود، وما الخطوة التالية؟

العناوين الوصفية والأقسام المستقلة متغيرات قابلة للاختبار في محتوى المصدر، وليست ضمانات للاسترجاع أو الاستشهادات أو جودة الإجابة أو الترتيب أو السرعة أو الزيارات أو التحويل. ولا توجد نتيجة قبل وبعد لهذا الدليل.

لتطبيق البروتوكول على موقع عام مصرح به ضمن المسار المعتاد للمنتج، اربط موقعك. وللقراءة ذات الصلة، تصفح أدلة Achla التحريرية لبحث AI.