Claude Code + RAG-Anything = قدرات بلا حدود

하이라이트

• يعالج RAG Anything القصور في أنظمة RAG التقليدية من خلال استيعاب الصور والمخططات والرسوم البيانية وملفات PDF الممسوحة ضوئيًا.

• يستخدم النظام أداة MinerU مفتوحة المصدر لتفكيك المستندات محليًا إلى أجزاء منفصلة تشمل النصوص والمعادلات الرياضية ولقطات الشاشة.

• تتحول المعادلات الرياضية المكتوبة بلغة LaTeX والنصوص الممسوحة ضوئيًا إلى صيغ نصية قابلة للقراءة بواسطة النماذج اللغوية الكبيرة عبر تقنيات OCR.

• يدمج RAG Anything بين الرسم البياني للمعرفة (Knowledge Graph) وقاعدة بيانات المتجهات (Vector Database) لتقديم إجابات دقيقة حول محتوى الصور.

• أثبت النظام كفاءته في استخراج بيانات مالية دقيقة من رسم بياني لشركة Novatech يتضمن إيرادات شهرية محددة مثل 4.6 مليون لليناير و5.4 مليون لمارس 2025.

타임라인

1. 00:00 - 03:21

   حل مشكلة المستندات غير النصية في أنظمة RAG

   تواجه أنظمة استرداد المعلومات المدعمة بالتوليد فجوة كبيرة عند التعامل مع ملفات PDF التي هي عبارة عن صور ممسوحة ضوئيًا. يوفر هذا النظام حلاً من خلال الربط المباشر مع خادم Light RAG الموجود مسبقًا. يتيح ذلك للمستخدمين الاستعلام عن محتوى الصور والرسوم بنفس واجهة برمجة التطبيقات المستخدمة للنصوص.

   • تقتصر معظم أنظمة RAG الحالية على معالجة النصوص فقط وتفشل في قراءة المخططات والرسوم البيانية.
   • يعمل RAG Anything كغلاف تقني فوق نظام Light RAG لإضافة قدرات المعالجة البصرية.
   • تنتقل كافة المستندات غير النصية في النهاية إلى نفس الرسم البياني للمعرفة الموحد.
2. 03:22 - 07:31

   البنية التقنية وآلية تفكيك المستندات عبر MinerU

   تعتمد الكفاءة هنا على مبدأ تقسيم العمل، حيث لا يقرأ MinerU المحتوى بل يحدد نوعه فقط. يتم توجيه كل جزء إلى نموذج متخصص؛ فالنصوص تذهب لمحرك OCR والمعادلات لنموذج رياضي. هذا النهج يوفر الموارد من خلال عدم معاملة المستند الكامل كصورة واحدة كبيرة، مما يقلل من استهلاك واجهة برمجة التطبيقات.

   • يقوم برنامج MinerU المحلي بتقسيم المستند إلى مربعات محيطة تميز بين العناوين والنصوص والجداول والصور.
   • تستخدم تقنية PaddleOCR لتحويل كتل النصوص المصورة إلى نص حقيقي وقابل للمعالجة.
   • تتحول المعادلات الرياضية المعقدة إلى نصوص عبر نموذج متخصص داخل MinerU قبل إرسالها للنماذج اللغوية.
   • تُعالج الصور والمخططات التي لا يمكن تحويلها لنص كلقطات شاشة مستقلة لإرسالها لنماذج الرؤية الحاسوبية.
3. 07:32 - 13:07

   دمج قواعد البيانات المتجهة والرسوم البيانية المعرفية

   تتم عملية المعالجة من خلال تحويل النص المستخرج والصور إلى تضمينات (embeddings) وكيانات مرتبطة. يعمل النظام على مطابقة هذه البيانات لتتراكب فوق بعضها البعض. النتيجة النهائية هي نظام هجين يجمع قوة Light RAG في العلاقات النصية وقدرة RAG Anything في تحليل البيانات البصرية.

   • تستخرج النماذج مثل GPT-5.4 Nano الكيانات والعلاقات من المسارين النصي والبصري بشكل منفصل.
   • تتولد أربعة عناصر من وثيقة واحدة: قاعدتا بيانات متجهتان ورسمان بيانيان للمعرفة.
   • تدمج هذه العناصر بناءً على تطابق الكيانات للوصول إلى قاعدة بيانات ورسم بياني موحدين.
   • يوفر استخدام النماذج المحلية في المراحل الأولية تكاليف مالية كبيرة مقارنة بإرسال المستندات كاملة للسحابة.
4. 13:08 - 19:20

   التنفيذ العملي واستخدام Claude Code كواجهة تحكم

   نظراً لعدم وجود واجهة مستخدم رسومية لرفع الملفات في RAG Anything، يتم الاعتماد على Claude Code كواجهة برمجية ذكية. يمكن للمستخدم توجيه النظام لمجلد كامل يحتوي على صور وجداول، وسيقوم النظام آلياً بمعالجتها ودمجها في الرسم البياني. يظهر الاختبار العملي أن النظام استطاع تحديد اتجاهات الإيرادات الشهرية بدقة من خلال قراءة المخطط البياني المضمن في ملف PDF ممسوح ضوئيًا.

   • تتم عملية استيعاب المستندات غير النصية عبر سكريبت بايثون يتم تحويله إلى مهارة داخل Claude Code.
   • يتطلب تشغيل MinerU على معالج الرسوميات (GPU) إصدارًا محددًا من مكتبة PyTorch لتسريع العملية.
   • أظهرت التجارب قدرة النظام على استرداد بيانات دقيقة من مخططات بيانية لشركة Novatech لم تكن متاحة للنص المجرد.
   • تتم الإجابة على الأسئلة بلغة طبيعية بسيطة دون حاجة المستخدم للتدخل في المعايير التقنية المعقدة.