وصل‌کردن مدل به دانش: RAG، جست‌وجوی فارسی و حافظه

بین فایل دانش، کانتکست بلند و RAG درست انتخاب کن، جست‌وجوی ترکیبی فارسی با نرمال‌سازی و Rerank بساز، شکست‌های RAG را بسنج و حافظهٔ ایجنت را با کنترل دسترسی و حذف دادهٔ شخصی طراحی کن.

آنچه یاد می‌گیری

  • تصمیم مستدل بین فایل دانش، کانتکست بلند و RAG
  • جست‌وجوی ترکیبی فارسی و سنجش بازیابی
  • حافظهٔ ایجنت امن با کنترل دسترسی

پیش‌نیاز

  • هوش مصنوعی داخل ورک‌فلو

ابزارها

  • ویرایشگر متن
  • صفحه‌گسترده
  • فایل دانش، کانتکست بلند یا RAG؟ تکه‌بندی و استناد

    برای مسئلهٔ سازمانی بین فایل دانشی محدود، کانتکست بلند و بازیابی RAG تصمیم بگیر؛ سند را بدون بریدن معنا تکه‌بندی کن و استناد هر ادعا را به قطعهٔ معتبر برگردان. تمرین‌ها با اسناد ساختگی و بدون اشتراک پولی‌اند.

  • جست‌وجوی فارسی: نرمال‌سازی، Embedding، BM25 و Rerank

    موتور جست‌وجوی فارسی را با نرمال‌سازی برگشت‌پذیر، BM25، بازیابی معنایی، ادغام نتایج و Rerank طراحی کن؛ تفاوت بنچمارک عمومی و مجموعهٔ سؤال فارسی خودت را بشناس و یک آزمایش رایگان آفلاین انجام بده.

  • شکست‌های RAG و سنجش آن

    شکست بازیابی را از شکست تولید جدا کن، استناد جعلی و نسخهٔ کهنه و منفی سخت را تشخیص بده؛ با Recall@K، nDCG@K و ارزیابی وفاداری به منبع، یک مجموعهٔ آزمون آفلاین و گزارش صادقانه بساز.

  • حافظهٔ ایجنت، دسترسی و دادهٔ شخصی + پروژهٔ پایانی

    حافظهٔ نشست را از حافظهٔ بلندمدت معنایی و رویدادی جدا کن، ثبت و خواندن حافظه را با رضایت، مالکیت، مجوز و انقضا کنترل کن و در پروژهٔ پایانی یک نمونهٔ آفلاین با آزمون فراموشی، جداسازی کاربران و مسمومیت بساز.

بازیابی

سنجش و حافظه