RAG أم الضبط الدقيق (Fine-tuning)؟
كل مشروع تقريبًا يطلب الضبط الدقيق يحتاج في الحقيقة إلى الاسترجاع. والفرق بين المعرفة والسلوك، والخلط بينهما مكلف.
استخدم RAG حين يحتاج النموذج إلى معرفة حقائقك: المستندات والسياسات وبيانات المنتجات. واستخدم الضبط الدقيق حين يحتاج إلى التصرف بطريقة معينة: صيغة، أو نبرة، أو تصنيف يخطئ فيه باستمرار. ومعظم مشكلات الأعمال مشكلات معرفة، ولهذا فمعظم المشاريع التي تطلب الضبط الدقيق تحتاج الاسترجاع فعلًا.
آخر تحديث نوفمبر 2026
الإجابة المختصرة
ابدأ بالاسترجاع. ولا تلجأ إلى الضبط الدقيق إلا حين تستطيع أن تشير إلى سلوك لا يصلحه الاسترجاع.
معرفة أم سلوك
أوضح طريقة لفهم ذلك: RAG يغيّر ما يعرفه النموذج، والضبط الدقيق يغيّر كيف يتصرف. النموذج الذي لا يستطيع الإجابة عن أسئلة حول سياسة الاسترجاع لديك لديه مشكلة معرفة. والنموذج الذي يجيب إجابة صحيحة لكن في خمس فقرات مسهبة بينما تحتاج ثلاثة حقول JSON لديه مشكلة سلوك.
مشكلات المعرفة أكثر شيوعًا بكثير، والاسترجاع يحلها دون إعادة تدريب أي شيء. توضع مستنداتك في قاعدة بيانات متجهية، وتُستخرج الأجزاء المناسبة وقت السؤال وتُسلَّم للنموذج كسياق. حدّث سياسة فيعرفها النظام فورًا، بلا إعادة تدريب ولا انتظار.
الضبط الدقيق يرسّخ الأنماط في أوزان النموذج. وهو جيد فعلًا في الصيغة والنبرة، وفي التصنيف الضيق حيث يمكن تعليم نموذج أصغر وأرخص أن يضاهي نموذجًا أكبر. لكنه سيئ في الحقائق: النموذج المضبوط سيذكر معلومات قديمة بثقة تامة، لأن هذا ما تعلّمه.
الخطأ المكلف هو الضبط الدقيق لحل مشكلة معرفة. تقضي أسابيع في تجهيز البيانات، وتنتج نموذجًا يبدو موثوقًا وهو مخطئ، ولا سبيل لتصحيحه إلا بإعادة التدريب. وقد استُدعينا لتفكيك هذا بالذات أكثر من مرة.
جنبًا إلى جنب.
| RAG | الضبط الدقيق | |
|---|---|---|
| الأنسب لـ | الحقائق والمستندات والسياسات وبيانات المنتجات | الصيغة والنبرة والتصنيف الضيق |
| التحديث | عدّل المستند، وانتهى الأمر | أعد تدريب النموذج |
| الوقت حتى أول نتيجة | أيام | أسابيع، بما فيها تجهيز البيانات |
| حين يخطئ | قابل للتتبع: ترى ما استرجعه | غامض: الإجابة جاءت من الأوزان |
| محرك التكلفة | بنية الاسترجاع والرموز (tokens) | جولات التدريب والبيانات المصنفة |
| التعامل مع التغيير | فوري | عند جولة التدريب التالية فقط |
| الخطأ الشائع | تقطيع المستندات بشكل سيئ | استخدامه لتعليم الحقائق |
اختر RAG حين
- يحتاج النموذج إلى معرفة أشياء لم يُدرَّب عليها قط
- المعلومات تتغير، وتقادمها سيكون مشكلة
- تحتاج إلى إظهار مصدر الإجابة
- تريد شيئًا يعمل خلال أسابيع لا أشهر
اختر الضبط الدقيق حين
- المشكلة في صيغة المخرجات أو نبرتها، لا في صحتها
- مهمة تصنيف ضيقة تفشل باستمرار رغم أوامر جيدة
- نموذج أصغر مضبوط يمكن أن يحل محل نموذج متقدم مكلف عند الأحجام الكبيرة
- السلوك الذي تريده لا يمكن وصفه في أمر نصي، بل عرضه بالأمثلة فقط
أين تتعثر المشاريع
الضبط الدقيق لتعليم الحقائق
أكثر الأخطاء شيوعًا وأعلاها تكلفة. يتعلم النموذج أن يبدو كمستنداتك لا أن يعرفها، وكل تصحيح يعني جولة تدريب أخرى.
تخطي مجموعة التقييم
من دون مجموعة أسئلة بإجابات صحيحة معروفة، لا سبيل لمعرفة إن كان تغيير ما قد ساعد. أول ما يستحق البناء في أي مشروع ذكاء اصطناعي هو منظومة التقييم، لا الأمر النصي.
البحث المتجهي وحده
التضمينات تفوّت المطابقات الدقيقة: رموز المنتجات، والأسماء، ونصوص رسائل الخطأ. البحث بالكلمات المفتاحية والبحث المتجهي معًا يتفوقان على كل منهما وحده، والفرق ليس طفيفًا.
تجاهل طريقة تقطيع المستندات
جودة الاسترجاع يحددها التقطيع أكثر مما يحددها اختيار النموذج. جدول مقسوم على قطعتين لا يجيب عن شيء، ولا تنقذه أي هندسة للأوامر.
أسئلة تحسم الأمر
السؤال الأول يكفي عادةً.
لو لصقت المستند الصحيح في الأمر النصي، هل ستكون الإجابة صحيحة؟
إن كان نعم، فلديك مشكلة معرفة والاسترجاع هو الحل. هذا السؤال وحده يحسم معظم المشاريع.
كم مرة تتغير المعلومات الأساسية؟
أي شيء يتغير شهريًا أو أسرع يستبعد الضبط الدقيق لأسباب عملية: لا تستطيع إعادة التدريب بهذا التكرار، والأوزان القديمة تذكر الحقائق القديمة بثقة.
هل المشكلة في الإجابة، أم في شكل الإجابة؟
الإجابات الخاطئة تشير إلى الاسترجاع. والإجابات الصحيحة بصيغة أو نبرة أو بنية خاطئة تشير إلى الضبط الدقيق، وهذه حالة حقيقية له.
هل تحتاج نموذجًا أصغر يضاهي نموذجًا أكبر؟
هذه أقوى حالات الضبط الدقيق. نموذج صغير مضبوط يضاهي نموذجًا متقدمًا في مهمة ضيقة واحدة يمكن أن يخفض التكلفة كثيرًا عند الأحجام الكبيرة.
ما يسأله الناس بعد ذلك.
نعم، والأنظمة الناضجة تفعل ذلك غالبًا: الاسترجاع للمعرفة، وضبط خفيف للصيغة. لكن الجمع بينهما من البداية سابق لأوانه عادةً. أتقن الاسترجاع أولًا، ثم اضبط فقط إن ظل سلوك محدد يقاوم.
بمجموعة تقييم: أسئلة بإجابات صحيحة معروفة، تُقيَّم مع كل تغيير. ومن دونها أنت تخمّن، وكل تغيير على النظام رمية عملة. وهي أول ما نبنيه.
يعتمد ذلك على النموذج. الواجهات البرمجية المستضافة تعني أن البيانات تغادر. والنماذج مفتوحة الأوزان على خوادمك تعني أنها لا تغادر، مقابل تكلفة تشغيلها. وحين لا يمكن للبيانات أن تغادر فعلًا، فهذا ما يحدد البنية.
أقل بكثير مما يتوقع الناس في الصيغة والنبرة، غالبًا بضع مئات من الأمثلة الجيدة. والعمل في جودة تلك الأمثلة لا في كميتها، وهناك يذهب الوقت.
— مقارنات أخرى
أخبرنا بما تبنيه، ونريك الأقرب إليه مما أنجزناه.
ردّ خلال يوم عمل واحد، من الأشخاص الذين سيعملون على مشروعك.