Retrieval-Augmented Generation (RAG)

نظام RAG للإجابة المدعومة بالاسترجاع - طوّرت نظام Retrieval-Augmented Generation (RAG) متكامل يتيح الإجابة على الأسئلة اعتمادًا على مستندات معرفة مسبقة، مع توفير واجهة برمجية مرنة قابلة للنشر في بيئات الإنتاج. أبرز المزايا: - معالجة وتهيئة المستندات وتحويلها إلى تمثيلات向ية للتخزين في قاعدة بيانات متجهية (Vector DB) - تنفيذ البحث الدلالي لاستخراج المعلومات ذات الصلة بالسؤال - توليد إجابات دقيقة مدعومة بالمصادر باستخدام نماذج لغة كبيرة (LLMs) - بناء واجهة FastAPI لتقديم واجهات REST API مرنة - إدارة البيانات باستخدام MongoDB ثم التحويل إلى PostgreSQL مع SQLAlchemy و Alembic - تشغيل المهام الخلفية ومعالجة الملفات باستخدام Celery - نشر النظام كاملًا باستخدام Docker وتقنية الحاويات لخدمات متعددة ما يميز المشروع: - تصميم معماري نظيف قابل للتوسع والتطوير - جاهزية كاملة للعمل في بيئات إنتاج حقيقية - توثيق واضح وشامل لجميع مراحل التطوير هذا المشروع يعكس قدرتي على بناء أنظمة ذكاء اصطناعي إنتاجية متكاملة من الصفر، بدءًا من التصميم والمعمارية وحتى النشر والتشغيل الفعلي.