اسأل مستنداتك، وخذ الجواب مع الصفحة التي جاء منها

يؤدي المساعد مهمتين. الأولى البحث: تُقسَّم مستنداتك إلى مقاطع، ويُحوَّل كل مقطع إلى تمثيل رقمي لمعناه، ويُحفظ في فهرس بحث إلى جانب النص الأصلي. وحين يُطرح سؤال يبحث النظام بالمعنى وبالكلمات الحرفية معاً، لأن أرقام العقود وإحالات البنود تحتاج مطابقة حرفية، بينما أسئلة السياسات تحتاج فهماً للمعنى. والمهمة الثانية الكتابة: تُعطى أفضل المقاطع لنموذج لغوي مع تعليمات بأن يجيب منها وحدها ويذكر مصدرها.

أغلب الجودة تأتي من مرحلة البحث لا من النموذج. طريقة تقسيم الوثيقة، وبقاء الجداول سليمة، وانتقال العناوين مع فقراتها، ومعالجة النسخ المكررة، كلها تحدد هل يُعرض المقطع الصحيح أصلاً. وثائق Microsoft وAWS نفسها تشرح هذا النمط، ونستخدم خدمات البحث المُدارة عندهم أو مخازن مفتوحة المصدر بحسب المكان الذي يجب أن تبقى فيه بياناتك. ونعرض لك المقاطع المسترجعة أثناء الاختبار لترى لماذا كانت الإجابة جيدة أو سيئة.

العربية تحتاج عناية عند الاستيعاب. الكلمة الواحدة قد ترد بأشكال مختلفة للألف، مع التشكيل أو بدونه، أو بحرف ممدود، والفهرس الساذج يعاملها ككلمات متباينة. أما العقود الممسوحة والخطابات المختومة فلا طبقة نصية فيها أصلاً، فتمر عبر OCR أولاً ونعلّم الصفحات منخفضة الثقة لمراجعة بشرية. والجداول المختلطة بين العربية والإنجليزية وترقيم الاتجاه من اليمين لليسار قد تفسد التقسيم، لذلك نختبر على ملفاتك الفعلية لا على عينات نظيفة.

قواعد الوصول هي ما يقرر هل يسمح فريق الأمن للمساعد بالاقتراب من البيانات الحقيقية. ننقل صلاحيات كل مستند إلى الفهرس ونصفّي النتائج لكل مستخدم قبل التوليد، فلا يدخل المحتوى المقيّد إلى الطلب أبداً. وللجودة نبني مع خبرائك مجموعة تقييم: أسئلة حقيقية، والمصدر المتوقع لكل سؤال، وحالات يكون الجواب الصحيح فيها أنه لا يوجد شيء. وكل تغيير في التقسيم أو التعليمات أو النموذج يُقاس عليها. وبدونها لا يستطيع أحد أن يقول إن النسخة الثانية أفضل من الأولى.

كثيراً ما تحتوي المستندات على بيانات شخصية أو شروط تجارية أو مواد تُبقيها سياساتك داخل البلد. وبموجب نظام حماية البيانات الشخصية تحتاج إلى أساس نظامي للمعالجة وقواعد للاحتفاظ ومساراً للتعامل مع طلبات الاطلاع والحذف، وسجلات المساعد والأسئلة المخزنة تُعد بيانات كذلك. نحدد مدة الاحتفاظ بالسجلات، ونحجب الحقول الحساسة حيثما أمكن، ونسجل من سأل عن ماذا لأغراض التدقيق.

مكان البيانات قرار يُتخذ وليس إعداداً افتراضياً. بعض الجهات ترتاح لواجهة نموذج مستضاف للمواد منخفضة الحساسية، وأخرى تحتاج الفهرس والنموذج على بنية تحتية داخل المملكة، وهو ما نغطيه في عملنا على الاستضافة داخل المملكة، وبعض القطاعات لها أحكامها الخاصة التي يجب أن يؤكدها فريق الامتثال لديكم. التجربة المركزة على مجموعة مستندات واحدة تستغرق عادة من ستة إلى عشرة أسابيع، وإضافة مصادر وإدارات أخرى ونموذج مستضاف ذاتياً تمدها إلى ثلاثة أو خمسة أشهر. وقائمة OWASP لمخاطر تطبيقات النماذج اللغوية، ومنها حقن التعليمات عبر المستندات، توجّه اختباراتنا.