00:00:00يعاني كل نظام RAG تقريبًا من نفس المشكلة تمامًا.
00:00:04لا يمكنهم التعامل إلا مع المستندات النصية.
00:00:06لذا إذا حاولت تزويده بصور، أو مخططات، أو رسوم بيانية، أو أي شيء،
00:00:10فإن معظم أنظمة RAG ببساطة لا تستطيع التعامل معها.
00:00:12وعندما عرضت لكم Light RAG بالأمس،
00:00:13كان يعاني من نفس المشكلة تمامًا.
00:00:16لكن اليوم سأريكم الحل.
00:00:19وهذا الحل هو RAG Anything.
00:00:20يحل RAG Anything مشكلة المستندات هذه بالنسبة لنا.
00:00:23يمكنه التعامل مع الصور.
00:00:24يمكنه التعامل مع المخططات.
00:00:25يمكنه التعامل مع الرسوم البيانية.
00:00:25ويسمح لنا بإنشاء نظام RAG
00:00:28يتعامل فعليًا مع المستندات التي تستخدمها.
00:00:31RAG Anything من نفس الفريق الذي صمم Light RAG.
00:00:34وهو يتصل مباشرة بنظام Light RAG
00:00:36الذي قمنا ببنائه بالأمس بالفعل.
00:00:37لذا فمن السهل جدًا إدخال هذا في مجموعة أدواتنا.
00:00:40واليوم سأوضح لكم بالضبط كيفية إعداده
00:00:43وكيف يعمل في جوهره.
00:00:44حتى تتمكن من البدء في استخدام واحد من أقوى
00:00:46أنظمة RAG المتوفرة حاليًا.
00:00:48لذا، إذا لم يكن الأمر واضحًا بما يكفي من المقدمة،
00:00:50سأفترض أنك شاهدت بالفعل
00:00:52فيديو Light RAG الخاص بالأمس.
00:00:54سأضع رابطًا في الأعلى إذا لم تكن قد فعلت ذلك بعد،
00:00:56لأنني اليوم سأفترض أنك قمت بالفعل بإعداد
00:00:58خادم Light RAG الخاص بك.
00:00:59أنت تفهم كيف يعمل الـ RAG وتفهم
00:01:02موضوع الرسم البياني للمعرفة هذا بالكامل.
00:01:03لأن RAG Anything سيكون في الأساس غلافًا
00:01:06حول Light RAG.
00:01:07سنظل نملك نفس واجهة مستخدم ويب Light RAG
00:01:10مع بعض الاختلافات،
00:01:11ولكن كل ما يتم إدخاله في RAG Anything،
00:01:13كما تعلمون، هذه المستندات غير النصية،
00:01:15تجد طريقها في النهاية إلى نفس الرسم البياني للمعرفة.
00:01:17سنطرح عليه نفس الأسئلة.
00:01:19وسنستخدم نفس واجهة برمجة التطبيقات للاستعلام عنه
00:01:22من خلال Claude Code كما فعلنا بالأمس.
00:01:24والوظائف التي سنضيفها اليوم
00:01:26كبيرة ومهمة.
00:01:28لا يكفي بناء نظام RAG يعتمد على النصوص فقط.
00:01:30فنحن لا نعمل في عالم يتكون من نصوص فقط.
00:01:32كم منكم حصل على مستند PDF
00:01:34ليس نصيًا من الناحية التقنية، بل هو مجرد صورة ممسوحة ضوئيًا.
00:01:36لا يمكن لـ Light RAG التعامل مع ذلك حقًا، بينما يمكن لـ RAG Anything فعل ذلك.
00:01:39الآن سنتعمق قليلاً في الجوانب التقنية اليوم.
00:01:40سندخل في التفاصيل وسأشرح بالضبط
00:01:43كيف يعمل هذا النظام بالكامل.
00:01:44ولكن بالصورة الكبيرة، ماذا يفعل؟
00:01:46RAG Anything ينظر فقط إلى المستندات
00:01:49التي ليست نصوصًا.
00:01:50إنه يفعل تمامًا ما يفعله Light RAG،
00:01:52باستثناء هذه المستندات غير النصية.
00:01:55وبعد أن ينشئ الرسم البياني للمعرفة الخاص به
00:01:56وقاعدة بيانات المتجهات الخاصة به،
00:01:58يقوم بدمجها مع قاعدة بيانات Light RAG،
00:02:00وهذا هو السبب في أن كل شيء ينتهي به المطاف في مكان واحد
00:02:04منظم ومرتب لنطرح الأسئلة حوله.
00:02:06الآن، العيوب الوحيدة في RAG Anything
00:02:08هي أنه أثقل قليلاً.
00:02:09يتعين علينا تنزيل بعض النماذج التي تعمل على أجهزة الكمبيوتر الخاصة بنا
00:02:12والتي تساعد في تحليل بعض هذه المستندات غير النصية.
00:02:14وعندما يتعلق الأمر فعليًا باستيعاب المستندات غير النصية،
00:02:18لا يمكننا القيام بذلك حقًا من خلال واجهة مستخدم Light RAG.
00:02:22علينا استخدام نص برمجي.
00:02:23لحسن الحظ، هنا يأتي دور Claude Code.
00:02:25لذلك بالنسبة لك، كمستخدم، بعد إعداد كل هذا،
00:02:28كل ما عليك فعله لاستيعاب المستندات غير النصية
00:02:31هو إخبار Claude Code، مرحبًا، اذهب،
00:02:33واستخدم مهارة RAG Anything واستوعب هذا المستند.
00:02:36الأمر بهذه البساطة.
00:02:37وتطرح الأسئلة بنفس الطريقة التي فعلتها من قبل.
00:02:39لذا فالأمر ليس سيئًا حقًا.
00:02:40ومرة أخرى، تحصل على كل هذه الوظائف بمجرد القيام بذلك.
00:02:43الآن، قبل أن ندخل في كيفية عمل RAG Anything فعليًا،
00:02:46أريد فقط أن أعلن سريعًا عن دورة Claude Code الاحترافية الخاصة بي
00:02:49التي صدرت قبل بضعة أسابيع،
00:02:50وهي المكان الأول للانتقال من الصفر إلى مطور ذكاء اصطناعي،
00:02:53خاصة إذا لم تكن قادمًا من خلفية تقنية.
00:02:55أنا أقوم بتحديث هذه الدورة حرفيًا كل أسبوع.
00:02:57هناك تحديث جديد قادم غدًا.
00:02:59لذا إذا كنت شخصًا يحاول حقًا إتقان
00:03:01Claude Code ولا يملك أدنى فكرة من أين يبدأ،
00:03:03حسنًا، هذا لك.
00:03:05يوجد رابط لذلك في التعليقات.
00:03:07إنه داخل Chase AI Plus.
00:03:09لدي أيضًا مجتمع Chase AI المجاني.
00:03:11إذا كان هذا أكثر من اللازم بالنسبة لك،
00:03:12وكنت قد بدأت للتو.
00:03:14الرابط الخاص به في الوصف.
00:03:15هذا هو المكان الذي ستجد فيه أيضًا الأوامر والمهارات
00:03:19التي سأتحدث عنها اليوم.
00:03:20لذا تأكد من مراجعة ذلك بغض النظر عن أي شيء.
00:03:22الآن دعونا نتحدث عن RAG Anything
00:03:23وكيف يعمل هذا الشيء فعليًا.
00:03:25بصراحة، إنه بسيط للغاية، وواضح بحد ذاته.
00:03:28لذلك حتى لا أضيع وقتكم،
00:03:29سأبقي هذه الصورة معروضة لمدة 10 ثوانٍ تقريبًا،
00:03:32ثم ننتقل إلى الشيء التالي.
00:03:34حسنا، هذا جيد جدا.
00:03:39حسنا، لننتقل.
00:03:41أنا أمزح فقط.
00:03:42هناك في الواقع الكثير مما يحدث.
00:03:44هذه الصورة تجعل الأمر يبدو أكثر تعقيدًا مما هو عليه في الواقع.
00:03:46وإذا كنت تفهم ما فعلناه في ذلك اليوم مع Light RAG،
00:03:50تذكر كل هذا النقاش، فستكون بخير.
00:03:52RAG Anything يعمل بطريقة مماثلة،
00:03:55فقط مع بضع خطوات إضافية.
00:03:56وأريد أن أمر عليها،
00:03:57لأنني أعتقد أنه من المهم أن نفهم
00:03:58كيف تعمل هذه الأشياء.
00:04:00أعتقد في مجال الذكاء الاصطناعي بشكل عام،
00:04:01من السهل أن يصبح التركيز عمليًا للغاية.
00:04:04مثل: "أريد فقط أن أعرف كيف أقوم بتثبيته يا Chase،
00:04:05ثم كيف أستخدمه."
00:04:06هذا جيد، يمكنك القفز للأمام إذا كنت من هؤلاء.
00:04:08لكنني أعتقد أنه إذا كنت تريد أن تصبح مطور ذكاء اصطناعي أكثر نضجًا
00:04:11وتريد نوعًا ما أن تميز نفسك
00:04:13عن مجرد شخص يمكنني استبداله بآلة،
00:04:15يضغط فقط على "قبول، قبول، قبول"، وينسخ
00:04:17الأوامر والمهارات،
00:04:18فأعتقد أنه من المهم أن يكون لديك بعض، كما تعلمون،
00:04:21الفهم للبنية البرمجية،
00:04:22لأن هذا هو ما سيميزك
00:04:23عن الأشخاص الآخرين.
00:04:24وليس فقط من حيث كيفية استخدام نظام RAG هذا،
00:04:27ولكن في مشاريع أكبر وذات مستوى أعلى، أليس كذلك؟
00:04:30هذه هي الطريقة التي تبدأ بها في إنشاء مهاراتك الخاصة،
00:04:34وتصبح بارعًا حقًا في هذه الأمور.
00:04:35لذا فلنتحدث عنها.
00:04:37إذن، RAG Anything.
00:04:38دعونا نتحدث عن المشكلة، أليس كذلك؟
00:04:40المشكلة هي أن لدي ملف PDF وهو نسخة ممسوحة ضوئيًا
00:04:44وهو ليس نصيًا في الواقع،
00:04:45ومع ذلك أحتاج لوضعه في نظام RAG الخاص بي.
00:04:46نظام Light RAG لا يمكنه التعامل معه.
00:04:48لذا يأتي دور RAG Anything، أليس كذلك؟
00:04:51بشعار اللاما الرائع ذو النظارات الستة.
00:04:53إذن، أول شيء يحدث
00:04:56هو أنني سأقوم باستيعاب هذا المستند في RAG Anything.
00:05:00وأول شيء سيفعله
00:05:02هو أنه سيستخدم برنامجًا يسمى MinerU،
00:05:05الذي يعمل على جهاز الكمبيوتر الخاص بك محليًا تمامًا ومجانًا.
00:05:08وسيقوم أساسًا بتفكيك هذا المستند
00:05:11إلى أجزائه المكونة.
00:05:12MinerU هو مشروع مفتوح المصدر.
00:05:14مرة أخرى، هو في الأساس محلل مستندات
00:05:16يتضمن مجموعة من النماذج المتخصصة الصغيرة.
00:05:19كل ما تحتاج إلى معرفته هو، إذا كنت تخشى هذا،
00:05:21فهو مفتوح المصدر.
00:05:22سأضع رابطًا له بالأسفل.
00:05:23ومرة أخرى، هذا هو ما سيعمل
00:05:25ويقوم بمعظم العمل لنا اليوم.
00:05:26لذا فإن MinerU ينظر إلى هذا المستند ويقول،
00:05:29"حسنًا، هذا ترويسة (header)."
00:05:32ويقوم بإنشاء مربع حول الترويسة.
00:05:33ويقول، "هذا نص."
00:05:36ويقول، "هذا مخطط."
00:05:39ويقول، "هذه صورة لمخطط بياني شريطي."
00:05:41ويقول، "هذه معادلة مكتوبة بلغة لاتكس (latex)."
00:05:44ما فعله هو أنه نظر إلى المستند
00:05:47وقام بتفكيكه، حسنًا، إلى أجزائه الخاصة.
00:05:50MinerU لا يفهم ما يوجد بالداخل هنا.
00:05:52MinerU لا يقرأ النص.
00:05:53إنه لا يستوعب النص.
00:05:55إنه لا يفهم عن ماذا يتحدث المخطط.
00:05:56إنه يعرف فقط: مخطط، نص، صورة، حسنًا؟
00:06:01من هناك، سيقوم بإرسال هذه الأجزاء المكونة
00:06:05إلى نماذج متخصصة فردية كجزء من MinerU.
00:06:10لذا فكل هذا غير مرئي بالنسبة لك.
00:06:12كل هذا يحدث تلقائيًا خلف الكواليس.
00:06:15لذلك النموذج، أحد النماذج يسمى PaddleOCR.
00:06:20هذا هو ما سينظر في النص.
00:06:21لذا فإن MinerU يرسل كتلة النص هذه إلى PaddleOCR
00:06:24على جهاز الكمبيوتر الخاص بك، وسيقوم باستخراج النص، حسنًا؟
00:06:28الآن بدلاً من أن يكون نصًا مصورًا،
00:06:30أصبح نصًا حقيقيًا يقرأ: أبلغت الشركة X عن نتائج قوية للربع الثالث من عام 23.
00:06:34النتائج مع نمو الإيرادات، وما إلى ذلك، وما إلى ذلك.
00:06:36صحيح؟ نفس الشيء بالنسبة لهذا النص.
00:06:40نفس الشيء بالنسبة للمخطط، أليس كذلك؟
00:06:41سيقوم أيضًا بتحويله إلى نص، أليس كذلك؟
00:06:43شيء يمكن لنموذج لغوي كبير التعامل معه.
00:06:45نفس الشيء مع معادلات لاتكس.
00:06:47لديه نموذج كامل يتعامل مع ذلك، أليس كذلك؟
00:06:48هذا الآن لم يعد لاتكس، بل أصبح نصًا بالفعل.
00:06:52باستثناء الصور.
00:06:54لذا سواء كان هذا مخططًا شريطيًا أو مجرد،
00:06:57إنه حقًا أي شيء لا يمكنه تحويله إلى نص.
00:07:00ما سيفعله بدلاً من ذلك
00:07:01هو أنه سيأخذ لقطة شاشة له،
00:07:03وهذا أمر مهم، حسنًا؟
00:07:05إذن الآن أصبحت هذه لقطة شاشة.
00:07:07إنها صورة، لقطة شاشة. أحب ذلك.
00:07:11إذن ماذا لدينا؟
00:07:13لقد أدخلنا مستندًا غير نصي.
00:07:16تم التعرف عليه وتقسيمه إلى أجزائه المكونة،
00:07:18وقد أخذنا تلك الأجزاء المكونة
00:07:20وقمنا بتقسيمها إلى فئتين، أليس كذلك؟
00:07:22لدينا وعاء للنصوص ووعاء للصور.
00:07:26من المهم إدراك ذلك.
00:07:28هناك مساران يمكن المضي فيهما، صورة أو نص.
00:07:31حسناً، هل أنتم معي؟
00:07:32إذاً ما سيفعله الآن
00:07:34هو أننا انتهينا من استخدام هذه النماذج الداخلية.
00:07:36الآن نحتاج لإحضار النماذج القوية.
00:07:37الآن نحتاج لإحضار شيء مثل GPT 5.4 Mini.
00:07:40وتجدر الإشارة إلى أن هذا ليس هو الحال بالضرورة.
00:07:42يمكنك إبقاء كل هذا محلياً إذا أردت.
00:07:44يمكنك القيام بشيء مثل Ollama.
00:07:45لذا الآن آخذ وعاء النصوص وأدفعه إلى GPT 5.4 Mini.
00:07:50وأقوم بتضمين مطالبة تقول،
00:07:52أريدك أن تقسم هذا النص لشيئين.
00:07:55أريدك أن تأخذ ذلك النص
00:07:57وتقسمه إلى كيانات وعلاقات.
00:08:01هل تتذكرون الكيانات والعلاقات؟
00:08:03هل تتذكرون رسمنا البياني للمعرفة؟
00:08:05كيان، كيان، ونوع العلاقة بينهما.
00:08:09حسناً، وأريدك أن تقسمه
00:08:13إلى ما سيكون تضمينات لقاعدة بيانات متجهة.
00:08:17لذا تضمينات، تضمين،
00:08:21وبعد ذلك سأقول فقط كيانات بالإضافة إلى علاقات.
00:08:26الآن، بالتفكير مسبقاً، ماذا سيحدث هناك؟
00:08:29حسناً، التضمينات ستصبح تضمينات
00:08:32في قاعدة بيانات متجهة، والكيانات والعلاقات
00:08:35ستصبح رسماً بيانياً للمعرفة،
00:08:37تماماً كما فعلنا مع LightRag، أليس كذلك؟
00:08:39نفس الشيء تماماً، إلا أنه الآن،
00:08:42الآن هو من وعاء النصوص.
00:08:44ولكن ماذا عن تلك الصور التي كانت لدينا؟
00:08:47ماذا سنفعل بهذه الصور؟
00:08:48نفس الشيء، سيتم دفع هذا إلى 5.4 أيضاً،
00:08:52ولكن سيكون كلقطة شاشة، كتعرف ضوئي على الحروف (OCR).
00:08:55لذا نحن نخبر GPT 5.4، ألقِ نظرة على لقطة الشاشة هذه
00:08:59وقسمها إلى شيئين، صحيح؟
00:09:02تضمينات وأيضاً كيانات بالإضافة إلى علاقات.
00:09:06الآن، لماذا نفعل ذلك؟
00:09:07لماذا لا نحشر كل شيء في نفس المطالبة بالضبط
00:09:09ونجعلها تقوم بالتعرف الضوئي على هذا الشيء بالكامل؟
00:09:12لماذا لا نعامل هذا الشيء بالكامل كلقطة شاشة؟
00:09:14لأن ذلك مكلف وبطيء.
00:09:16ما قرر نظام RAG-anything فعله،
00:09:17وأعتقد أنه ذكي نوعاً ما،
00:09:19هو أنه يستخدم مبضعاً جراحياً لهذا على جهاز الكمبيوتر الخاص بك
00:09:21على المستوى المحلي، حيث يقسمه إلى نصوص،
00:09:24ويقسمه إلى لقطات شاشة.
00:09:25لذا عندما نمر بهذين المسارين،
00:09:27فإنك توفر الكثير من المال والوقت.
00:09:29لأنك لو تخيلت أنك تحاول جعل ChatGPT
00:09:31ينظر إلى 10,000 لقطة شاشة ثم يستخرج كل النصوص
00:09:34ومن النصوص، يقسمها إلى تضمينات
00:09:36وكيانات وعلاقات.
00:09:37سيستغرق ذلك الكثير من الوقت والمال.
00:09:38هذا أذكى.
00:09:40لذا الكيانات والعلاقات من جانب الصور،
00:09:44هي نفس الشيء تماماً.
00:09:45تحصل أيضاً على قاعدة بيانات متجهة
00:09:49وتحصل أيضاً على رسم بياني للمعرفة.
00:09:52ماذا يعني ذلك؟
00:09:53هذا يعني أنه من وثيقة واحدة،
00:09:55أنشأنا الآن أربعة أشياء، أليس كذلك؟
00:09:59لدينا قاعدتا بيانات متجهتان
00:10:02ولدينا رسمان بيانيان للمعرفة
00:10:04من وثيقتنا الواحدة غير النصية.
00:10:08هل أنتم معي؟
00:10:09الآن، ما الذي علينا فعله؟
00:10:10حسناً، الأمر بديهي نوعاً ما.
00:10:11نحن بحاجة لدمج هذه الأشياء.
00:10:12لذا سيأخذ هذه الأشياء الأربعة
00:10:15ويدمجها معاً، صحيح؟
00:10:18سوف تتراكب فوق بعضها البعض تقريباً.
00:10:19سيقوم بمطابقتها بناءً على الكيانات، أساساً.
00:10:22وستحصل في النهاية على،
00:10:27قاعدة بيانات متجهة واحدة ورسم بياني معرفي واحد.
00:10:31تقريباً نفس الشيء
00:10:32الذي فعلناه هنا مع LightRag.
00:10:34بسيط بما فيه الكفاية.
00:10:35إذا كنا نستخدم RAG-anything فقط،
00:10:38سيكون هذا هو المدى الذي نصل إليه.
00:10:40ولكن، تذكروا أننا نحاول وضع RAG-anything
00:10:44فوق نظام LightRag.
00:10:46أريد كل قوة LightRag
00:10:48وأريد كل قوة RAG-anything.
00:10:50إذاً ماذا يحدث الآن؟
00:10:52حسناً، ما يحدث هو مجرد تكرار لما رأيتموه للتو.
00:10:54لذا دعونا ننزل بهذا قليلاً.
00:10:55الآن لدينا مجموعة RAG-anything الخاصة بنا
00:11:00مع قاعدة بيانات متجهة ورسم بياني للمعرفة
00:11:05ولدينا مجموعة LightRag الخاصة بنا.
00:11:06إذاً ماذا نفعل؟
00:11:07نحن فقط نقوم بدمجهما معاً.
00:11:09ثم ما يحدث هو أننا نحصل على RAG-everything
00:11:13ونظام LightRag مدمجين،
00:11:15مما يعطينا أخيراً قاعدة بيانات متجهة واحدة
00:11:20ورسم بياني معرفي واحد.
00:11:21ومن هناك، يصبح الأمر كما كان من قبل
00:11:24مع LightRag بمفرده، أليس كذلك؟
00:11:27تطرح سؤالاً حول أي شيء،
00:11:31يتم تحويل هذا السؤال إلى متجه هنا.
00:11:33فيسحب المتجهات ذات الصلة
00:11:35ثم يذهب أيضاً إلى الأسفل هنا،
00:11:37يجد الكيان الصحيح
00:11:39ثم يلقي نظرة على ما هو قريب منه، حسناً؟
00:11:43ربما كان ذلك مربكاً بعض الشيء.
00:11:44آمل أنني شرحت ذلك بشكل جيد.
00:11:46خلاصة القول لأربككم أكثر.
00:11:51ماذا يحدث عندما أضيف وثيقة لا يمكن أن تكون نصاً؟
00:11:54تذهب إلى نظام RAG-anything.
00:11:56يقوم RAG-anything باستخراج ما يمكنه من نصوص
00:11:58ثم يستخرج ما يمكنه من صور أيضاً.
00:12:00ويرسل كلاهما إلى ChatGPT
00:12:02أو أي نظام ذكاء اصطناعي تريده.
00:12:05فيقسم ذلك إلى تضمينات،
00:12:07كيانات وعلاقات.
00:12:09يتم تحويلها إلى رسوم بيانية معرفية وقواعد بيانات متجهة.
00:12:13ثم ندمجها معاً.
00:12:15لدينا الآن قاعدة بيانات متجهة واحدة
00:12:17ورسم بياني معرفي واحد لنظام RAG-anything.
00:12:19وبما أننا كنا نقوم بتشغيل هذا بالفعل في LightRag،
00:12:22أو إذا أضفت أي مستندات أخرى فوق ذلك،
00:12:24فسيكون لديك قاعدة بيانات متجهة موجودة
00:12:27ورسم بياني معرفي موجود.
00:12:29لحل ذلك، نقوم ببساطة بدمجهما.
00:12:32وفي النهاية، لن تلاحظ أي شيء على الإطلاق.
00:12:35مرة أخرى، كمستخدم، كل هذا غير مرئي بالنسبة لك، حسناً؟
00:12:39لا شيء من هذا يهمك حقاً.
00:12:41الشيء الوحيد الذي قد يهمك
00:12:42هو ما يحدث هنا مع GPT 5.4
00:12:45لأنه سيكلفك بعض المال.
00:12:47ولكن لأغراض تعليمية،
00:12:50هذه هي الطريقة التي يتكامل بها نظام RAG-anything
00:12:53مع نظام LightRag.
00:12:55وفي نهاية المطاف،
00:12:57هذا يعني فقط أن لديك نظام RAG
00:12:58يمكنه التعامل مع الوثائق غير النصية.
00:13:00وإذا كنتم لا تزالون هنا بعد كل ذلك،
00:13:03يمكننا الآن الانتقال إلى كيفية تثبيت هذا الشيء
00:13:07واستخدامه.
00:13:08لنتحدث الآن عن التثبيت
00:13:09وكيفية استخدامه فعلياً
00:13:10وبضعة أشياء يجب الانتباه إليها.
00:13:11لقد أنشأت مطالبة بطلقة واحدة يمكنك إعطاؤها لـ Claude code
00:13:14والتي ستقوم بتثبيت كل شيء لك
00:13:17وتحديث النماذج المناسبة وكل ذلك.
00:13:19كل ما عليك فعله هو التأكد
00:13:20أنك في دليل LightRag الخاص بك عند تشغيل هذا.
00:13:23هناك حقاً ثلاثة أشياء سيقوم بها.
00:13:25أولاً، سيتأكد
00:13:27من أننا قمنا بتحديث مسار التخزين الصحيح
00:13:29بما أن لديك بالفعل نسخة Docker light rag قيد التشغيل.
00:13:32ثانياً، نريد تحديث النموذج
00:13:33لأنه استناداً إلى GitHub،
00:13:34تم إنشاؤه منذ فترة وجيزة في الأصل.
00:13:37لذا فإن جميع الأمثلة البرمجية وكل ذلك
00:13:39تستخدم أشياء مثل GPT 4.0 mini.
00:13:41لذا جعلته يستخدم 5.4 nano.
00:13:43افهم أنه يمكنك تغيير ذلك إذا أردت.
00:13:45لكنني جعلته يستخدم 5.4 nano بالإضافة إلى إبقاء
00:13:48تضمين النص 3 large حتى نتمكن من استخدام OpenAI
00:13:51لكل شيء.
00:13:51هذا يبقي الأمر بسيطاً، العب به كما تشاء.
00:13:54أخيراً، بما أننا نستخدم RAG-anything
00:13:55كغلاف أساسي فوق LightRag،
00:13:58فإن بعض الأمثلة البرمجية المعطاة في مستودع GitHub
00:14:02خاطئة نوعاً ما.
00:14:03هناك مثل هذا الخطأ في التغليف المزدوج للتضمين،
00:14:05والذي مرة أخرى، نخبر Claude code بإصلاحه
00:14:08وسيقوم بإصلاحه.
00:14:09لذا ستستخدم فقط هذه المطالبة.
00:14:12مرة أخرى، هي موجودة داخل مجتمع المدرسة المجاني.
00:14:14الرابط موجود في الوصف.
00:14:15فقط ابحث عن RAG-anything وستجده هناك.
00:14:18وبمجرد تشغيل تلك المطالبة،
00:14:19سيبدأ في تنزيل كل شيء
00:14:21وافهم أنه ثقيل قليلاً
00:14:22لأنه يحتاج لتنزيل MinerU
00:14:23وكل تلك التبعيات أيضاً.
00:14:25الآن لنتحدث عن استيعاب المستندات
00:14:26لأن هذا الأمر مزعج ومرهق نوعاً ما.
00:14:28في عالم مثالي، فإن وضع LightRag بالإضافة إلى RAG-anything
00:14:33سيكون انسيابياً للغاية ويمكنني وضع
00:14:35أي شيء أريده في LightRag / RAG-anything
00:14:40من خلال واجهة واحدة.
00:14:41يمكنني الدخول إلى واجهة المستخدم، والذهاب إلى التحميل
00:14:44والقيام بذلك.
00:14:45لكنك لا تستطيع فعل ذلك حقاً مع RAG-anything وLightRag.
00:14:48لا يزال بإمكانك فعل ذلك للمستندات النصية.
00:14:50لذا لا يزال بإمكانك القيام بسير العمل العادي
00:14:52الذي أظهرته في الفيديو السابق حيث تذهب لواجهة المستخدم
00:14:54أو تستخدم مهارة LightRag لتحميل المستندات.
00:14:59لا يمكنك فعل ذلك مع RAG-anything.
00:15:01يجب أن يمر عبر نفق مختلف أساساً،
00:15:04مسار مختلف.
00:15:05لكن هذا المسار المختلف مع RAG-anything
00:15:07هو نص برمجى بلغة بايثون.
00:15:09لا توجد واجهة مستخدم، ولا يوجد زر للضغط عليه.
00:15:11إنه حرفياً نص برمجى.
00:15:12إنها شفرة برمجية عليك تشغيلها.
00:15:14الآن، لحسن الحظ، هنا يأتي دور Claude code
00:15:16ويجعل الأمر بسيطًا للغاية لأننا سنقوم فقط بتحويل
00:15:19هذا السكريبت الموجود داخل المستودع إلى مهارة (skill).
00:15:23لذا بالنسبة لك، بمجرد إنشاء هذه المهارة،
00:15:25كل ما عليك فعله هو أن تقول لـ Claude code،
00:15:28استخدم مهارة "rag anything" لرفع كل هذه المستندات،
00:15:32كل هذه المستندات غير النصية.
00:15:33وعندما يفعل ذلك،
00:15:34سيمر بعملية المعالجة عبر "minor-u".
00:15:36سيستغرق الأمر بعض الوقت لأنه يتعين عليه القيام بكل هذه،
00:15:39كما تعلم، الأشياء التي شرحناها
00:15:41في القسم التقني تقريبًا،
00:15:43لكنه سيرفعها إلى "light rag"
00:15:45وستظهر داخل مستنداتك
00:15:47وداخل الرسم البياني للمعرفة الخاص بك.
00:15:49حسنًا، هذا هو الجزء الغريب الوحيد الذي تحتاج لمعرفته.
00:15:51الجزء الغريب الآخر، بصراحة، هو أنه بمجرد القيام بذلك،
00:15:54يتطلب منك الأمر أيضًا إعادة تشغيل حاوية Docker،
00:15:58ولكن كجزء من المهارة، يحدث ذلك تلقائيًا.
00:16:00لذا مرة أخرى، من وجهة نظرك كمستخدم،
00:16:03الفرق الوحيد هو أنك تحتاج فقط لاستدعاء المهارة.
00:16:06الآن هذه المهارة، مهارة الرفع لـ "rag anything"
00:16:08موجودة أيضًا داخل المجتمع المجاني.
00:16:10لذا فقط قم بتحميلها ثم ضعها في مجلد "dot Claude"
00:16:13وبعد ذلك ستعمل بشكل جيد تمامًا.
00:16:14الآن، ملاحظة واحدة بشأن استغراق "minor-u" وقتًا طويلاً،
00:16:17هذا بسبب الطريقة التي يعمل بها "rag anything"
00:16:19فعندما تقوم بتحميله، سيعمل على المعالج (CPU) الخاص بك.
00:16:22إذا كنت تريده أن يعمل على معالج الرسومات (GPU)،
00:16:24فيجب أن يكون لديك إصدار مختلف من PyTorch.
00:16:27إذا كان كل هذا يبدو معقدًا بالنسبة لك،
00:16:29فقط إذا كان بطيئًا جدًا بالنسبة لك، أخبر Claude code،
00:16:32مهلاً، هل يمكننا تشغيل PyTorch؟
00:16:34هل يمكننا تشغيل "minor-u" على معالج الرسومات الخاص بنا؟
00:16:36وسوف يوجهك خلال العملية.
00:16:37أو في الواقع، سيفعل كل ذلك بمفرده.
00:16:39ولكن بشكل افتراضي، سيعمل فقط على المعالج (CPU).
00:16:41لذا فقط كن على علم بذلك.
00:16:42دعونا نرى مثالاً على هذا في الواقع.
00:16:44أحد المستندات التي قمنا بإدراجها كان
00:16:48ملف PDF لشركة "Novatech"، صحيح؟
00:16:50تحليل إيرادات البرمجيات كخدمة (SaaS).
00:16:51إنه وهمي تمامًا.
00:16:52لكن النقطة هي أننا أدرجنا شيئًا
00:16:55يحتوي على هذا النوع من المخططات البيانية، أليس كذلك؟
00:16:57هذا شيء كان من الواضح أنه سيتم استخراجه
00:16:59كصورة وإرسالها إلى ChatGPT، وما إلى ذلك.
00:17:01عادةً لن يتمكن "light rag" من التعامل مع هذا
00:17:03لأنها مجرد صورة.
00:17:05إنها رسوم بيانية، ومن الصعب عليه تفكيك ذلك.
00:17:07ولكن بما أننا قمنا بتشغيل هذا عبر "rag anything"،
00:17:10يمكننا الآن طرح سؤال عبر Claude code حول هذا الموضوع.
00:17:13لذا سألت Claude code،
00:17:14هل يمكننا الاستعلام في قاعدة بيانات "light rag"
00:17:15عن اتجاه الإيرادات الشهري لشركة Novatech Inc
00:17:18من يناير إلى سبتمبر 2025؟
00:17:20يمكنك أن ترى هنا، أنه لم يستخدم المهارة حتى.
00:17:22لقد قام مباشرة بطلب واجهة البرمجة (API)،
00:17:24وهو أمر جيد أيضًا مع الاستعلام.
00:17:26ما هو اتجاه الإيرادات الشهري لشركة Novatech Inc
00:17:29من كذا وكذا وكذا.
00:17:30الآن قدم استجابة كاملة.
00:17:32لذا يمكنني إلقاء نظرة على الاستجابة الخام إذا أردت.
00:17:35ولكن ماذا فعل؟
00:17:36لقد عاد بتفاصيل شهرية كاملة.
00:17:39نرى يناير 4.6، وفبراير 4.9،
00:17:43مارس 5.4، وهكذا دواليك.
00:17:46لذا فيما يتعلق بطرح أسئلة حول هذه المستندات الجديدة،
00:17:48الأمر هو نفسه كما كان من قبل.
00:17:49الفرق الوحيد هو عملية الرفع.
00:17:51كل ما عليك فعله هو استدعاء تلك المهارة
00:17:53التي سأعطيك إياها ثم تخبر Claude code
00:17:55ما الذي تريد وضعه هناك.
00:17:56يمكنك توجيهه إلى مجلد كامل.
00:17:58يمكنك توجيهه إلى ملف محمل معين.
00:18:00الأمر بهذه السهولة.
00:18:01هذا هو الشيء الغريب الوحيد الذي يجب أن تعتاد عليه
00:18:04وهو مسارا الرفع هذان.
00:18:05لكن السؤال والإجابة الفعليين،
00:18:07يتمان بلغة بسيطة.
00:18:09لغة بسيطة، حتى لو كان لديك المهارات أيضًا،
00:18:11والتي قدمتها أيضًا في الفيديو السابق،
00:18:13ولكن Claude code ذكي أيضًا بما يكفي
00:18:14لفهم بنية واجهة البرمجة لهذا الأمر برمته.
00:18:17لأنه محلي، وموجود على جهاز الكمبيوتر الخاص بك.
00:18:19هذا كل ما في الأمر حقًا عندما يتعلق بـ "rag anything".
00:18:21أعلم أن غالبية هذا الفيديو
00:18:22ركزت نوعًا ما على الجوانب التقنية،
00:18:24ولكن كما ترى، بمجرد أن بنينا أساس "light rag"،
00:18:28فإن إضافة "rag anything" فوقه ليس بالأمر الصعب،
00:18:32خاصة إذا استخدمنا ذلك المحفز المباشر الذي أعطيتك إياه.
00:18:35هناك بعض الأشياء التي يمكنك تعديلها في التفاصيل
00:18:37مثل أي شيء يتعلق بالاستعلام عنه،
00:18:39ولكن حقًا مع Claude code،
00:18:41فهو المسؤول نوعًا ما عن جميع الأوزان
00:18:43التي يمكنك ضبطها داخل "light rag".
00:18:45وعندما أقول ذلك، فأنا أتحدث عن
00:18:45إذا ذهبنا إلى قسم الاسترجاع،
00:18:47كل المعلمات هنا على اليمين.
00:18:49مرة أخرى، يعرف Claude code أيها يميل لأن يكون الأفضل لك.
00:18:52بشكل عام، آمل أن يكون هذا قد وضح
00:18:56مدى سهولة إعداد "rag anything"،
00:18:58وأيضًا مدى سهولة إضافة هذا المستوى من الوظائف
00:19:02إلى أنظمة RAG الخاصة بك،
00:19:03والتي في كثير من أنظمة RAG لا يكون ذلك ممكنًا
00:19:05أو يكون مكلفًا للغاية.
00:19:06وهذا رخيص نسبيًا،
00:19:08خاصة مع نظام معالجة "minor-u" المحلي بالكامل
00:19:11الذي تمكنا من إعداده.
00:19:12لذا كما هو الحال دائمًا، أخبرني برأيك.
00:19:14تأكد من مراجعة Chase AI+
00:19:16إذا كنت ترغب في الحصول على دورة Claude code المتقدمة،
00:19:18وسأراك لاحقًا.