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 وRerankطراحی 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@Kو 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.