كيف أدى البحث الأفضل إلى رفع دقة وكيل الذكاء الاصطناعي هذا من 36% إلى 98% - عامر شاكر، Mixedbread
Original · Better Search Took This AI Agent From 36% to 98% Accuracy - Aamir Shakir, Mixedbread
Key Takeaway
يؤدي الانتقال من بنى RAG التقليدية إلى نماذج التفاعل الكامن المتعددة الوسائط في منصة Mixedbread إلى رفع دقة وكلاء الذكاء الاصطناعي من 36% إلى 98% مع خفض تكاليف الرموز بواقع ثلاثة أضعاف.
Highlights
ارتفعت دقة وكيل الذكاء الاصطناعي من 36% إلى 98% بعد اعتماد منصة Mixedbread لتحسين دقة استرجاع البيانات والبحث فيها.
تعتمد بنية فرانكنشتاين التقليدية لتقنية RAG على خطوات معقدة تؤدي إلى فقدان كبير للبيانات وإدخال التشويش في كل مرحلة.
يؤدي نموذج التفاعل الكامن الجديد إلى توليد تضمينات متعددة للوثائق والاستعلامات لوصف المعلومات بدقة عالية في تمريرة واحدة.
تتسبب خطوط أناسيب البحث التقليدية في ارتفاع تكلفة الاستعلام الواحد لتصل إلى عشرة أو عشرين دولاراً نتيجة قراءة المستندات بالكامل.
تنخفض تكلفة النماذج اللغوية الكبيرة بمقدار 3 أضعاف عند استخدام استرجاع بيانات دقيق يوفر سياقاً مركزاً وصغيراً.
تم تصديق منصة Mixedbread وفقاً لمعايير الأمان SOC 2 وISO مع توفير ميزة الحاوية الخاصة وسياسة عدم الاحتفاظ بالبيانات.
Timeline
تأسيس شركة Mixedbread ومعالجة مشكلات الاسترجاع
استمرت الأبحاث لمدة عامين ونصف لحل مشكلات استرجاع البيانات وتطوير نماذج وقاعدة بيانات خاصة من الصفر. تتيح البنية التعامل مع مليارات المستندات مع توفير سياسة عدم الاحتفاظ بالبيانات وتلبية متطلبات الخصوصية والأمان للبنوك والصناديق الاستثمارية.
- بدأت الشركة كمختبر أبحاث لاستكشاف سبل تحسين عمليات استرجاع البيانات.
- يتيح المنتج إدخال البيانات بجميع أنواعها وجعلها قابلة للبحث بأكثر من 100 لغة.
- تلبي المنصة معايير الأمان الصارمة مثل SOC 2 وISO للعمل مع المؤسسات المالية الكبرى.
مشكلات البنية التقليدية لتقنية RAG وعيوبها
يواجه محللو الأسهم صعوبات كبيرة عند استخدام أدوات البحث المعجمي مثل grep للبحث في ملفات PDF والصور، مما ينتج عنه نتائج غير صلة تستهلك نافذة السياق. يؤدي اعتماد خطوط الأنابيب المعقدة المعروفة ببنية فرانكنشتاين إلى تراكم التشويش وتراجع جودة إجابات الوكلاء عند التوسع في مرحلة الإنتاج.
- تتسبب الأنظمة التقليدية في زيادة تكلفة الرموز حتى تصل إلى عشرة أو عشرين دولاراً للاستعلام البسيط.
- تؤدي خطوات التحليل والتقطيع وتوليد التضمينات الأحادية إلى فقدان متواصل للبيانات.
- تعجز نماذج التضمين المفردة عن التمييز بين المستندات المتشابهة مثل التقارير المالية عبر السنوات.
نموذج التفاعل الكامن وتطوير دقة الاسترجاع
يمثل نموذج التفاعل الكامن نقفرة نوعية مقارنة بطرق البحث السابقة التي بدأت منذ عام 1994. يتيح النظام التعامل مع الرسوم البيانية والجداول المعقدة عبر الفحص البصري وإرجاع النتائج باستخدام مربعات الإحاطة، مما ساعد صندوق تحوط يمتلك أكثر من مليار مستند على رفع دقة عملياته بشكل هائل.
- ينشئ نموذج التفاعل الكامن تضمينات متعددة للوثائق والاستعلامات في تمريرة واحدة.
- ترتفع دقة إجابات الوكيل إلى 98% بفضل تحسين الوصول إلى البيانات والمعرفة.
- ينخفض إنفاق النماذج اللغوية بمقدار 3 أضعاف نظراً لاستهلاك رموز أقل في تحليل السياق.
خاتمة المنصة وتسهيل تجربة الاستخدام
تختتم الخدمة بعرض أدوات سهلة للتسجيل واستخدام الأرصدة المجانية للتعامل مع مجموعات البيانات الضخمة. يمكن للعملاء اختبار الأداء وتفعيل معايير الأمان المخصصة بسرعة فائقة للبدء في دمج الوكلاء بكفاءة.
- تتوفر أرصدة مجانية للمستخدمين لتجربة المنصة وقياس الأداء قبل الانتقال للإنتاج.
- تُفعل ميزة الحاوية الخاصة لجميع العملاء خلال خمس دقائق لضمان الأمان التام.
- تتيح المنصة للمطورين التركيز على بناء التطبيقات وتحقيق عائد حقيقي على الاستثمار.
Description
Agents are smart enough. Most of the time, the real problem is getting them to the right data. Aamir Shakir of Mixedbread explains why the usual stack of OCR, chunking, embeddings and a vector database loses information and leaves agents reading every document. He shows multimodal, late-interaction retrieval on Intel earnings reports, and shares a customer whose answer accuracy went from 36% to 98% after switching their search. 0:00 Intro to Mixedbread 1:30 The equity analyst problem 3:30 The key bottlenecks 4:00 The "Frankenstein stack": OCR, chunking and vectors 6:02 Why "just add a vector database" falls short 8:26 The bottleneck is access to your data 9:04 How retrieval has evolved 11:08 Demo: searching Intel earnings reports 14:57 Customer result: 36% to 98% accuracy Aamir Shakir, Mixedbread Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!