لماذا RAG وما حدوده
في هذا الدرس 4 موضوعات
هذا الدرس مخطط له. يعرض المخطط أدناه الموضوعات التي سيغطيها، ولم يُنشر الدرس الكامل بعد.
نص الدروس والتمارين باللغة الإنجليزية، بينما تبقى واجهة الموقع وعناوين الدروس بالعربية.
في هذا الدرس
explain why RAG grounds answers in your data and where it still fails.
الموضوعات المخطط لها
- A model only knows its training data: it does not know Shop's return policy and can invent one.
- RAG (retrieval-augmented generation): find relevant passages in your data, put them in the prompt, ask the model to answer from them.
- Benefits: current data without retraining, answers traceable to sources, access control at retrieval time.
- Failures: retrieval misses, stale chunks, the model ignoring or misreading context, too much irrelevant context.
- RAG reduces hallucination; it does not remove it.
تفاصيل المخطط المبدئي
عرض عملي
flow: question → embed → search index → top chunks → prompt → model → answer with sources.
اختبر فهمك
Name two ways a RAG answer can still be wrong.
أظهر الإجابة
Retrieval misses the right chunk; the chunk is stale; the model ignores the context.
التطبيق
طبّق هذا الدرس بمختبر الوحدة وتمارينها واختبارها.
تعليم الدرس كمكتمل اختياري ويمكنك التراجع عنه في أي وقت. يبقى تقدمك محفوظًا في هذا المتصفح.